관절염 사진을 설명할 때 몇 기인지부터 말하는 경우가 많습니다. 등급은 서로의 상태를 비교하는 데 편리하지만, 같은 등급의 무릎이 모두 같은 모습과 경과를 갖지는 않습니다. 어떤 무릎은 골극이 두드러지고 어떤 무릎은 관절간격이 먼저 좁아집니다. 또 다리 전체의 정렬이 변하는 속도도 다릅니다. OARSI 강의에서는 이 차이를 영상 바이오마커와 AI 측정으로 어떻게 연구할지 이야기했습니다.
관절염을 객관적으로 측정하는 연구
관절의 상태를 객관화하고 정량화하며, 예후 예측으로 이어가는 연구 관점입니다.
노두현 · APKASS 강의 그림
등급을 나누는 일과 변화를 재는 일
KL 등급은 임상과 연구에서 널리 쓰는 도구입니다. 다만 몇 단계로 나누는 방식은 작은 변화가 어느 부위에서 일어났는지 충분히 설명하지 못할 수 있습니다. 관절간격을 밀리미터로 재거나 정렬 각도를 연속적인 값으로 남기면, 등급 사이에 가려졌던 정보를 살펴볼 수 있습니다. 더 많은 소수점을 표시한다고 좋은 지표가 되는 것은 아닙니다. 반복 측정이 가능한지, 촬영 자세가 달라도 같은 의미인지, 실제 변화에 반응하는지를 확인해야 합니다.
좁아진 간격이 무엇을 뜻하는지
무릎 X-ray의 간격에는 연골과 연골판의 정보가 함께 담깁니다. X-ray와 MRI를 연결한 MOST 연구에서는 위치에 따라 조직 변화의 양상이 달랐고 연골판 돌출이 진행과 중요한 연관성을 보였습니다. MRI를 모두에게 더 찍자는 이야기보다, 사진의 한 숫자가 어떤 조직을 반영하는지 이해하자는 질문입니다. 검사마다 잘 보여주는 구조가 다르므로 원문 그림을 함께 읽는 편이 도움이 됩니다.
AI는 많은 사진에 같은 자를 대는 도구입니다
전장 하지 사진에서 여러 기준점을 찾고 각도를 반복해 재는 일은 시간이 걸립니다. 저희 그룹은 자동 landmark 인식과 각도 측정, 관절간격 측정을 연구해 왔습니다. 모델이 일관되게 재는 능력과 실제 기준값에 가까운 능력은 나누어 평가합니다. 평균 성능 뒤에 가려진 실패 사례도 함께 보아야 합니다. 촬영 품질이 나쁘거나 학습 자료와 다른 환경이면 자동 결과를 그대로 받아들이기 어렵습니다.
형태와 경과를 연결하되 원인을 단정하지 않습니다
JLCA와 정렬 진행, CPAK과 관절염 정도를 비교한 연구는 무릎의 경과를 이해할 후보 지표를 제시합니다. 관련성이 확인됐다고 그 각도를 바꾸는 치료가 진행을 막는다는 결론이 나오지는 않습니다. 수술의 정렬 목표, 환자가 느끼는 통증과 기능, 장기 결과까지 이어지는 검증이 필요합니다. 강의의 연구용 예시와 탐색적 수치를 진료의 확정된 기준으로 옮기지 않는 이유입니다.
환자에게는 더 구체적인 설명으로 돌아와야 합니다
정교한 측정을 하는 목적은 숫자를 늘리는 데 있지 않습니다. 어떤 변화가 있고 무엇을 아직 알 수 없는지 설명하고, 치료 선택에서 환자가 중요하게 생각하는 일을 함께 확인하는 데 있습니다. 걷기, 잠, 일과 운동에서 기대하는 변화가 서로 다르기 때문입니다. 공동 의사결정 연구도 이 과정의 질을 평가하려는 작업입니다. 연구가 보여준 범위와 아직 검증할 질문을 나누어 말하는 것이 정확한 설명의 시작입니다.
협소 정도에 따라 AUC가 달랐습니다
관절 간격이 좁아진 영상을 구분하는 성능은 기준에 따라 달랐습니다. 협소가 전혀 없는 영상과 있는 영상을 나눈 가장 이른 기준(JSN >0)의 AUC는 0.86이었고, 더 심한 협소를 나누는 기준(JSN >1, >2)에서는 0.95와 0.97이었습니다. AUC는 두 집단을 얼마나 잘 구분하는지 나타내는 지표입니다. 0.97을 모든 환자에서의 진단 정확도 97%나 앞으로 나빠질 확률로 읽지는 않습니다.