“AI로 무릎 관절염 예측”…분당서울대, 환자맞춤 치료 근거 제시

AI 기반 예측 기술이 무릎 골관절염의 관리 방식을 바꿔놓고 있다. 분당서울대병원 정형외과 이용석 교수 연구팀이 AI 기계학습과 SHAP(샤플리 가산 설명법) 등 최신 알고리즘을 적용해 환자 개개인의 임상 및 방사선 데이터를 분석한 결과, 골밀도, 고혈압·당뇨 등 대사질환 유무 등 개인 특성에 따라 골관절염의 진행 유형과 속도를 효과적으로 예측할 수 있음이 처음으로 밝혀졌다. 업계는 이번 연구를 환자맞춤 치료의 전환점으로 꼽으며, 정형외과 AI 활용 경진의 신호탄으로 본다.

연구팀은 2003년부터 2017년까지 공식 추적 관리가 가능한 7만9000명 환자의 무릎 X-ray 자료와 임상 데이터를 바탕으로, 833개 무릎에 대한 장기 데이터를 정밀 분석했다. 무릎 관절염을 단일 구획, 세 구획(관절 간격 감소형·골극형)으로 나눈 뒤 AI로 표현형을 분류하고, 환자별 진행 리스크를 정량화했다. 이 과정에서 AI 예측모델의 성능 지표(AUC)가 0.94로, 기존 통계 방식보다 정확도가 0.07포인트 개선됐다. AUC는 1에 가까울수록 실제 예측력이 높음을 의미한다.

기술적으로는 X-ray 영상, 임상데이터, 환자 특성정보를 AI가 복합적으로 가중 분석해, “골밀도 낮음→무릎 전체 진행·관절 간격 감소”, “골밀도 높음→국소 진행·변형 동반”, “젊더라도 대사질환 동반→골극형 염증성 진행” 등 위험요인을 구체적으로 도출했다. 특히 SHAP 분석을 가미해 환자 개별 요인이 전체 예측에 기여하는 비중까지 산출했다는 점에서, 기존 통계 모델과 차별화된다.

이런 예측 기반 분석은 치료전략의 전환을 낳았다. 예를 들어, 골밀도 저하군은 골다공증 치료를 우선하며, 골밀도 높이는 하지 정렬 및 연골 보존, 대사질환자는 염증 관리와 기초질환 치료를 병행하는 식의 맞춤형 접근이 가능해진다. 정형외과 외래 진료 시 바로 적용이 가능하다는 점에서도 실효성이 높다.

글로벌적으로도 AI 기반 관절염 예측모델 연구는 초기 단계다. 미국, 유럽 등은 영상 판독 자동화와 예후 분석 AI를 도입하는 추세지만, 한국에서 5년 이상 장기 추적 및 맞춤 분류까지 구현한 사례는 드물다.

논문은 JCR 분야 상위 1% 국제 학술지 'npj Digital Medicine'에 게재되며, 국내 정형외과 AI 임상 연구의 학술적 위상도 높였다. 최근 국내외 AI 의료기기 규제 환경도 영상 진단·예측 기반 소프트웨어 등록을 활발히 논의 중이다. 업계는 이번 AI 예측모델이 허가 및 보험 등 제도와 연계되면 정밀의료 본격 확장의 계기가 될 수 있을 것으로 보고 있다.

전문가들은 “AI와 임상데이터의 결합이 맞춤의학 혁신으로 이어질 수 있으며, 실질적 상용화와 보험 등 제도적 연계가 관건이 될 것”이라 진단했다. 산업계는 이번 성과가 실제 진료 현장과 보험 체계에 빠르게 퍼질지 주목하고 있다.