딥러닝을 이용한 안저사진 기반 OCT 동등 망막신경섬유층 두께 지도 생성이 녹내장 진단을 개선함
Shi et al.
- 망막신경섬유층 두께를 안저사진만으로 예측하여 AUC 0.909에 도달했으며, 특히 초기녹내장 진단에서 정확도를 55%에서 64%로 향상시켰다.
- 15,031쌍의 이미지로 학습했으나 외부 검증 데이트세트가 없고, 허친슨 시야검사 기준 녹내장 정의가 구조-기능 불일치를 반영하지 못한다.
- 현재 단일기관 후향연구 단계이며, 임상도입 전에 다기관 전향연구와 실제 스크리닝 환경에서의 성능검증이 필요하다
2025 STARD-AI 지침은 안저사진 기반 AI 진단 정확도 연구의 보고 표준을 제시하며, 본 연구의 다중모달 융합과 외부 검증 부재, 인구학적 세분화 보고 필요성을 다룹니다. 2024 CLAIM 체크리스트는 의료영상 AI 전반의 기준 표준 정의와 실패 분석을 강조해 본 연구의 예측 정확도 한계 분석을 보완합니다.
근거 2025 STARD-AI 진단 정확도 연구 보고 지침 · CLAIM 2024 의료영상 AI 체크리스트
앞으로 필요한 연구 자원이 제한된 지역의 실제 진료 환경에서 본 모형의 진단 성능 개선을 확인하려면, 다양한 인종·연령층 포함 대규모 전향적 다기관 코호트 연구와 안저사진 화질·촬영 기기 변이에 따른 성능 변화 평가가 필요합니다.
일차적 의견
• 15,031개의 쌍을 이룬 안저사진과 spectral-domain OCT를 이용하여 U-Net 기반 모델로 안저사진만으로 pixel-wise RNFLT 지도를 예측하는 후향적 연구.
• 예측 RNFLT만 사용한 분류기는 녹내장 진단에서 AUC 0.889 달성 (안저사진만 대비 0.883, P<0.005); 안저사진과 예측 RNFLT의 multimodal fusion은 AUC 0.909 달성.
• 실제 OCT 기반 RNFLT보다 예측 정확도 낮음 (AUC 0.889 vs 0.903); 경도-중등도 녹내장에서 진단 이득 최대 (경도에서 정확도 55.3%에서 64.0%로 개선).
안저사진에서 생성된 AI 기반 RNFLT 지도는 안저사진만 사용하는 것보다 녹내장 선별 정확도를 향상시키고 특히 의료자원이 제한된 지역에서 조기 진단을 가능하게 하지만, 실제 OCT 영상에는 미치지 못한다.
쉽게 풀어 쓴 해설
- 안저사진만으로 망막신경섬유층 두께를 추정한 후 녹내장 진단에 활용하면 사진만 쓸 때보다 정확도가 올랐어요.
- 실제 OCT 검사보다는 약간 덜 정확했지만, 초기 녹내장 환자는 진단이 크게 나아졌어요.
- 15,000명이 찍은 안저사진과 OCT 검사 결과를 인공지능으로 학습시킨 연구예요.
- 인공지능이 사진만 보고 망막신경섬유층 두께 지도를 만든 뒤, 이를 녹내장 판정에 썼어요.
- 녹내장 위험이 있어 안저사진을 찍는 모든 분들이 해당해요.
- 특히 초기 단계 환자에게서 진단 정확도가 향상되었어요.
- 실제 진료 현장에서 이 기술이 진짜로 녹내장 놓침을 줄이는지는 아직 몰라요.
- 다음 검진 때 "안저사진 분석만으로 OCT 대신 녹내장을 충분히 진단할 수 있을까요"를 여쭤 보세요.