‘AI가 무릎 X-ray를 더 정확하게 읽습니다.’ 이런 기사를 보면 어디까지 할 수 있는지 궁금합니다. 관절염의 정도를 재는 것인지, 앞으로 나빠질 무릎을 예측하는 것인지, 수술이 필요한 사람을 고르는 것인지에 따라 의미가 다릅니다. 연구를 소개할 때 가장 먼저 말해야 할 것은 AI에게 맡긴 일입니다. 저희가 참여한 관절간격 연구를 예로 들어, 숫자와 그림을 어떻게 읽으면 좋을지 설명해보겠습니다.
X-ray에서 보이는 간격은 무엇인가요?
무릎 X-ray에서는 허벅지뼈와 정강이뼈 사이의 간격을 봅니다. 일반 X-ray에서 연골 자체를 직접 보는 것은 아니며, 뼈 사이 공간을 통해 구조 변화를 평가합니다. 연구에서는 같은 방식으로 이 거리를 반복 측정하는 것이 중요합니다. 다만 정해진 한 위치의 간격과 실제 가장 좁아진 위치는 다를 수 있습니다. 관절이 얼마나 좁아졌는지 비교하려면 어디서 어떤 방향으로 쟀는지를 먼저 확인해야 합니다. 숫자가 같아도 측정법이 다르면 같은 값처럼 다루기 어렵습니다.
oJSW는 어떤 질문에서 시작했나요?
oJSW는 경골 관절선에 수직인 방향으로 측정하는 최소 관절간격을 뜻합니다. 연구에서는 정해진 안쪽 영역에서 가장 좁은 거리를 자동으로 측정하고, 기존의 고정 위치 측정법과 비교했습니다. AI가 관절면을 찾고 거리를 계산하도록 한 것입니다. 관심은 영상의 관절간격 협소 정도를 얼마나 잘 구분하는지, 반복 촬영에서 구조 변화에 얼마나 민감하게 반응하는지였습니다. 통증의 원인 전체를 알아내거나 수술 여부를 정하도록 만든 연구는 아닙니다.
누구의 자료에서 비교했나요?
미국의 골관절염 추적 연구인 OAI에서 얻은 무릎 방사선 영상 15,313장을 분석했습니다. 기준 시점부터 최대 72개월의 추적 자료를 사용했습니다. 이 숫자는 영상의 장수이며 환자 수와 같지 않습니다. 반복 촬영 자료가 포함되어 있기 때문입니다. 연구에서는 한 시점의 협소 등급을 구분하는 성능과 시간에 따른 변화 반응성을 나누어 평가했습니다. 큰 자료를 분석했다는 점과 함께, 어떤 집단의 어떤 촬영 자료인지를 확인해야 결과의 범위를 이해할 수 있습니다.
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.
측정이 좋아지면 치료도 바로 달라지나요?
구조 변화를 일관되게 기록할 수 있다면 관절염 추적과 임상 연구에 활용할 가능성이 있습니다. 그러나 측정 성능이 좋아졌다는 결과만으로 개인의 통증이나 치료 효과가 예측된 것은 아닙니다. 실제 진료에서는 증상, 활동과 이전 치료 반응을 함께 봅니다. 병원마다 촬영 조건이 다를 때도 같은 수준으로 측정되는지, 도구를 쓰면 의사의 판단과 환자 결과가 어떻게 달라지는지 더 확인해야 합니다. 연구가 보여준 성능과 앞으로 기대하는 활용을 구분해서 설명할 필요가 있습니다.
논문의 그림에서는 무엇을 확인할까요?
원논문 그림이라면 측정선이 어디에 놓였는지, 색으로 표시한 것이 무엇인지, 비교한 자료와 축의 단위를 함께 보세요. 설명용 모식도는 개념을 풀어주는 그림이며 실제 환자 영상이나 연구 결과와 구분되어야 합니다. 다른 논문에서 가져온 그림도 같은 연구의 결과처럼 보이면 안 됩니다. 출처와 그림 번호를 표시하고, 캡션에서 그림이 말해주는 범위를 설명하는 이유입니다. 관절염·로봇·Physical AI 연구를 소개할 때도 이 원칙으로, 기술이 맡은 일과 아직 확인할 일을 함께 전하겠습니다.