건국대병원 정석원 교수팀, 회전근 개 파열 환자 대상으로 3D U-Net convolutional network 이용해 분석
연구 결과, 병변과의 일치도를 나타내는 Dice coefficient score 94.3%
민감도 97.1%, 특이도 95%
[메디칼업저버 박선재 기자] 국내 연구팀이 인공지능을 활용한 소프트웨어로 회전근 개 파열 부위를 정밀하게 3D로 시각화하는 프로그램을 개발해 보다 정교한 치료를 할 수 있는 발판을 마련했다.
회전근 개는 어깨를 돌리는 관여하는 어깨와 팔을 연결하는 4개의 근육과 힘줄로, 회전근 개 파열은 대표적인 어깨 질환이다. 회전근 개 파열의 유무 및 파열된 위치와 크기, 모양의 판단은 수술적 치료에 있어, 환자의 예후에 중요한 영향을 미친다.
현재 이는 세로 단면(Saggital), 가로 단면(Axial), 전면(Coronal view)의 수십장의 단면 MRI를 통해 머릿속으로 조합해 모양을 유추하는 방식으로 이뤄져, 비숙련의의 경우, 정확성과 재현성이 떨어진다는 문제가 있다.
힘줄 부위를 3차원으로 시각화한 최초의 연구
이에 건국대병원 정석원 교수팀(정형외과, 서울적십자병원 정형외과 이수현 교수, 명지병원 정형외과 이지환 교수)과 시안솔루션(서안나 대표, 정영진 연구소장)이 회전근 개 파열 환자 303명의 MRI 데이터를 바탕으로딥러닝 모델인 3D U-Net convolutional network를 이용해 분석했다.
특히 회전근 개 파열 병변 모양을 3D로 감지, 분할 및 3차원적으로 시각화하고, 파열 정도를 정량화하는 데 성공했다.
연구 결과, 실제 병변과의 일치도를 나타내는 Dice coefficient score가 94.3%를 비롯, 민감도 97.1%, 특이도 95%를 보이며 높은 정확도의 3차원 시각화를 구현했다.
정석원 교수는 “이번 연구는 뼈 부분이 아닌 힘줄 부위를 3차원으로 시각화한 최초의 연구”라며 “회전근 개 파열 부위를 등급화하는 지금 단계에서 더 나아가 파열 부위의 segmentaion을 통해 시각화하고, 파열 정도를 정량화 한 혁신적인 연구”라고 의의를 밝혔다.
연구팀은 “이번 개발로 회전근 개 파열 환자의 파열 부위를 시각적으로 명확하고 쉽게 이해할 수 있는 시스템을 구축해 의사와 환자가 원활하게 소통하며 보다 환자에게 적합한 수술방법을 결정하고, 예후를 예측하는 데 큰 도움이 될 것으로 기대한다”고 밝혔다.
이번 연구 논문은 ‘Automated 3-dimensional MRI segmentation for the posterosuperior rotator cuff tear lesion using deep learning algorithm’로 저명한 국제 저널 PLOS ONE에 게재됐다.