R.노두현정형외과와 연구 이야기
글자
← 연구 이야기

AI와 영상 검사 · 2026

AI가 관절염 등급을 읽을 때, 다른 병원에서도 잘 맞을까요?

한국 두 대학병원의 무릎 2,546개로, 관절염 유무와 등급별 판정을 따로 평가했습니다.

Journal of Arthroplasty · Byung Sun Choi, Seong Hwan Hong, Hae Jung Lee, Seong Hwan Kim

연구 수치로 읽는 결과

2,546무릎에서 OA 유무(KL ≥2)를 구분한 민감도 96.6%, 특이도 90.5%, 정확도 94.2%입니다. 등급별 분류 결과와 구분해야 하며 KL 2 민감도는 77.2%였습니다.그림 크게 보기

2,546무릎에서 OA 유무(KL ≥2)를 구분한 민감도 96.6%, 특이도 90.5%, 정확도 94.2%입니다. 등급별 분류 결과와 구분해야 하며 KL 2 민감도는 77.2%였습니다.

Journal of Arthroplasty (2026). DOI: 10.1016/j.arth.2026.01.078 · Original explanatory chart based on reported data

근거·원문그림 이용조건
01

연구에서 묻는 질문

관절염 몇 기인지 설명하려면 누구나 같은 기준으로 사진을 읽을 수 있어야 합니다. 모델을 만들 때 사용한 사진에서만 잘 맞는지, 새로운 병원의 사진에서도 잘 맞는지는 다른 질문입니다. 이 연구는 한국 두 병원의 자료로 후자를 확인했습니다.

02

무엇을 확인했나요?

미국의 OAI·MOST 자료에서 학습한 모델을 한국 환자 1,273명의 양쪽 무릎에 적용했습니다. 관절염이 있는지(KL 2 이상)를 구분한 정확도는 94.2%, AUC는 0.94였습니다. KL 2를 따로 찾는 민감도는 77.2%로, 전체 관절염 판정과 경계 등급 판정의 어려움이 달랐습니다.

03

진료와 연결해서 읽기

영상의 특징을 일정한 기준으로 정리하면 진료실에서 어떤 소견을 근거로 등급을 설명하는지 함께 확인할 수 있습니다. 다만 X-ray 등급을 맞히는 일과 통증을 이해하거나 수술 필요성을 결정하는 일은 다릅니다. 등급을 증상과 진찰에 연결하는 과정이 필요합니다.

04

해석의 범위

과거 영상을 이용해 AI 결과와 전문의 합의 판정을 비교한 연구입니다. AI를 참고한 의사의 판독이 얼마나 달라졌는지, 환자의 치료 결과가 좋아졌는지는 이 논문에서 시험하지 않았습니다. KL 0과 1은 묶어서 평가했습니다.

연구 숫자 다시 보기

2,546외부 검증 무릎
0.94OA 유무 구분 AUC
77.2%KL 2 민감도
RESEARCH FINDING비율 (%)

OA 유무를 구분한 외부 검증

민감도
96.6%
특이도
90.5%
정확도
94.2%
050100
KL ≥2 판정의 서로 다른 지표입니다. 정확도 94.2%는 모든 관절염 등급별 정확도가 아닙니다.

많이 묻는 질문

이 결과를 개인의 치료에 어떻게 읽어야 하나요?

과거 영상을 이용해 AI 결과와 전문의 합의 판정을 비교한 연구입니다. AI를 참고한 의사의 판독이 얼마나 달라졌는지, 환자의 치료 결과가 좋아졌는지는 이 논문에서 시험하지 않았습니다. KL 0과 1은 묶어서 평가했습니다.

글에 나온 용어
외부 검증
모델을 만들 때 사용하지 않은 다른 기관·집단의 자료에서 성능을 확인합니다.
민감도
실제로 해당 상태인 무릎 중 모델이 찾아낸 비율입니다.
KL 등급
X-ray의 골극과 관절간격 등으로 관절염 정도를 나누는 분류입니다.
연구 방법과 수치 자세히 보기

Performance of an Artificial Intelligence-Based Software for Automated Kellgren-Lawrence Grading of Knee Osteoarthritis: A Multicenter Cohort Study

대상과 방법

후향적 다기관 외부 검증으로 환자 1,273명의 무릎 2,546개를 분석했습니다.

OAI·MOST 자료에서 학습한 모델을 한국 두 대학병원의 Rosenberg 영상에 적용했습니다. 정형외과 의사 2명과 영상의학과 의사 1명의 합의 판정을 기준으로 평가했습니다. KL 0과 1은 하나의 범주로 합쳤습니다.

논문에 보고된 결과

  1. OA 유무(KL ≥2)를 구분한 AUC는 0.94(95% 신뢰구간 0.92–0.96), 민감도는 96.6%, 특이도는 90.5%, 정확도는 94.2%였습니다.
  2. 경계 단계인 KL 2의 AUC는 0.87, 민감도는 77.2%, 특이도는 95.3%였습니다. 모든 등급의 구분 난도가 같지는 않았습니다.

해석의 범위

과거 영상을 이용해 AI 결과와 전문의 합의 판정을 비교한 연구입니다. AI를 참고한 의사의 판독이 얼마나 달라졌는지, 환자의 치료 결과가 좋아졌는지는 이 논문에서 시험하지 않았습니다. KL 0과 1은 묶어서 평가했습니다.

Keywords · 주제어

Abstract · 원문 초록

Byung Sun Choi, Seong Hwan Hong, Hae Jung Lee, Seong Hwan Kim. Performance of an Artificial Intelligence-Based Software for Automated Kellgren-Lawrence Grading of Knee Osteoarthritis: A Multicenter Cohort Study. Journal of Arthroplasty. 2026. doi:10.1016/j.arth.2026.01.078.

원문 초록 일부

The Kellgren-Lawrence (KL) grading system is the standard for assessing knee osteoarthritis (OA) severity. However, it is limited by major observer variability.…
PubMed에서 초록 보기원문 보기

이어서 읽기

AI와 영상 검사AI가 골절을 찾는 데 도움이 될까요?AI와 영상 검사척추가 휘어도 AI가 각도를 잴 수 있을까요?
관절염 기본 정보관련 글 찾기