지금의 사진과 앞으로의 변화는 다른 질문입니다
관절염이 초기라는 말을 들으면 앞으로 얼마나 빨리 진행할지 궁금해집니다. 현재의 X-ray 상태를 잘 구분하는 기술이 곧 미래도 잘 예측하는 기술은 아닙니다. 미래 예측 연구에서는 처음의 정보를 이용해 몇 년 뒤의 결과를 구분할 수 있는지 확인해야 합니다.
이 연구는 초기 관절염 무릎에서 4–5년 뒤 영상학적 진행을 예측하는 모델을 만들었습니다. 진료에서 비교적 쉽게 얻는 정보를 조합하고, 모델을 만든 자료 밖에서도 성능을 확인한 것이 특징입니다.
한 연구 집단에서 만들고 다른 집단에서 시험했습니다
처음의 관절염 영상 등급인 KL이 0·1·2인 무릎을 대상으로 했습니다. OAI의 5,966개 무릎 자료로 Random Forest 모델을 개발한 뒤, 독립적인 MOST 자료 3,392개 무릎에서 외부 검증했습니다. 인원이 아니라 무릎 단위로 집계한 자료입니다.
외부 검증은 같은 시험지를 다시 풀어보는 것과 다릅니다. 개발에 사용하지 않은 다른 집단에서 성능을 확인하는 과정입니다. 개발 자료에서는 잘 맞던 모델이 새로운 자료에서도 비슷하게 작동할지 살피기 위해 필요합니다.
진행은 영상의 KL 등급 상승으로 평가했으며, 0에서 1로 변하는 경우는 경미한 변화로 보아 진행에서 제외했습니다. OAI에서는 4년, MOST에서는 5년 시점을 확인했습니다. 두 연구의 추적 일정이 달라 ‘4–5년’이라는 표현을 사용합니다.
X-ray 소견과 체격, 증상 설문을 함께 사용했습니다
최종 모델에는 처음의 KL 등급, 반대쪽 무릎의 관절염 여부, 바깥쪽 관절 간격 협소 등급, BMI, 안쪽 관절 간격 협소 등급, WOMAC 총점의 여섯 가지 변수가 선택됐습니다. WOMAC은 관절의 통증·뻣뻣함·기능을 묻는 설문입니다.
이 변수들이 모델에서 선택됐다는 사실은 ‘이 중 하나를 바꾸면 진행을 막는다’는 치료 효과를 뜻하지 않습니다. 예측에 도움이 되는 정보와 치료로 바꾸었을 때 이득이 생기는 요인은 다른 질문입니다. 또한 특정 검사 한 가지로 예측한 모델도 아닙니다.
원문 Figure 3
그림 크게 보기진행 예측에 사용한 6개 변수의 SHAP 분석입니다. 초기 KL 등급, 반대쪽 관절염, 관절간격 협소, BMI와 WOMAC의 기여를 보여줍니다.
Journal of Orthopaedic Research (2025). DOI: 10.1002/jor.25982 · Original Figure 3
원문 Figure 5
그림 크게 보기논문에 실린 웹 모델의 입력·결과 예시입니다. 연구가 예측한 대상은 4–5년 뒤 영상학적 진행입니다.
Journal of Orthopaedic Research (2025). DOI: 10.1002/jor.25982 · Original Figure 5
외부 검증 AUC는 0.76이었습니다
MOST 외부 검증에서 AUC 0.76, 정확도 0.68, F1 점수 0.56을 보고했습니다. AUC는 진행한 무릎과 진행하지 않은 무릎을 구분하는 성능을 나타냅니다. 정확도와 F1은 또 다른 성능 지표이므로 세 숫자를 같은 뜻으로 비교하면 안 됩니다.
AUC 0.76을 ‘내 관절염이 진행할 확률 76%’라고 읽을 수는 없습니다. 한 명에게 사용할 예측값을 이해하려면 개인의 입력 정보와 모델의 확률 계산, 실제 진료 집단에서의 검증을 더 확인해야 합니다. 이번 결과는 완벽한 예측을 보여주는 수치가 아닙니다.
예측한 것은 통증이나 수술 여부가 아닙니다
연구의 목표는 4–5년 동안의 KL 등급 진행입니다. 영상에서 관절염이 진행하는지와 일상에서 얼마나 불편한지, 언제 수술이 필요한지는 서로 관련될 수 있어도 같은 결과는 아닙니다. 이 모델의 성능을 곧바로 통증 예측이나 수술 시점 예측으로 바꿔 말해서는 안 됩니다.
이 연구는 추적 관찰을 더 세밀하게 설계할 가능성을 보여줍니다. 실제 진료에서 사용할 때 환자에게 도움이 되는지, 다른 인구와 병원에서도 충분히 작동하는지는 추가로 검증해야 합니다.
개발 자료와 검증 자료의 추적 기간이 완전히 같지는 않다는 점도 결과를 읽을 때 기억해야 합니다. 서로 다른 집단에서 시험했다는 장점과, 각 집단의 구성·관찰 조건이 다르다는 점을 함께 살피는 것이 외부 검증을 읽는 방법입니다.