서울대병원 연구팀, 고관절 골절 환자 1480명 CT 분석…재골절 위험도 예측
예측 정확도 0.74, 기존 도구 비해 뛰어나…[Radiology] 연구 결과 발표

국내 연구진이 고관절 골절 환자의 재골절 위험을 보다 정확하게 예측할 수 있는 새로운 방법을 제시했다. 고관절 골절 환자의 재골절 예방을 위한 맞춤형 관리와 치료 전략을 수립하는 데 도움을 줄 전망이다.

김영곤(서울대병원 융합의학과)·김이삭(의생명연구원 연구원)·공성혜(분당서울대병원 내분비대사내과) 공동연구팀은 고관절 골절 환자 1480명의 CT 영상을 기반으로 단기 재골절 위험을 예측하는 딥러닝 모델을 개발, 정확도를 검증한 연구결과를 [Radiology](IF 19.7)에 발표했다고 17일 밝혔다.

고관절 골절 환자는 첫 골절 후 평균 2∼4.3년 사이에 재골절이 발생하는 것으로 알려졌다. 따라서 단기적으로 재골절 위험을 예측하고, 고위험군 모니터링이 필요하지만 기존 골절 예측 도구(FRAX 등)는 단기 예측에 한계점이 있다.

공동연구팀은 단기 재골절 위험도 예측 모델 개발을 위해 근육과 뼈의 조성 상태를 파악할 수 있는 '고관절 CT 영상'에 주목했다. 2004년 1월부터 2020년 12월까지 골절로 내원한 1012명의 고관절 CT 영상을 토대로 정면·측면·횡단면 영상을 생성했다. 이후 각 영상의 특징을 추출한 뒤, 이를 조합해 산출한 재골절 위험 자유도(재골절이 발생하지 않을 확률)를 생존곡선 형태로 표현하는 앙상블 딥러닝 모델을 설계했다.

아울러 전체 환자를 분석, CT 촬영 후 경과한 시점별로 '기준값'을 설정했다. 기준값보다 위험 자유도가 낮아지면 재골절 발생 가능성이 높아진다. 따라서 기준값 곡선과 환자의 생존곡선을 비교, 생존곡선이 기준값 곡선보다 낮아지는 시점을 재골절 발생 시점으로 예측할 수 있다.

공동연구팀은 고관절 골절 환자 468명을 대상으로 성능을 점검한 결과, 단기 재골절을 예측하는 앙상블 딥러닝 모델의 예측 정확도(AUROC)는 약 0.74(2년·3년·5년내 재골절 예측 정확도 각각 0.74, 0.74, 0.73)였다. AUROC는 1에 가까울수록 우수한 예측 성능을 나타낸다.

이같은 예측정확도는 기존 FRAX의 2년·3년·5년내 재골절 예측 정확도(각각 0.58, 0.64, 0.70)에 비해 뛰어난 성능을 보였다.

공동연구팀은 "CT 기반 딥러닝 예측 모델이 5년 미만의 단기 재골절 위험도를 정확히 예측할 수 있다"면서 "새로운 예측 모델을 고관절 골절을 경험한 환자들의 관리 및 치료전략 수립에 활용할 수 있을 것"이라고 설명했다.

김영곤 교수(제1저자)는 "연구팀이 개발한 딥러닝 모델을 활용하면 재골절 고위험군을 적극적으로 식별하는 데 도움이 될 것"이라면서 "이런 고위험군에게는 골다공증약 처방, 지속적 모니터링, 조기 재활 등을 실시해 고관절 골절로 인한 낙상 위험을 완화시킬 수 있을 것"이라고 말했다.

송성철 기자 다른기사 보기