한림대학교병원 심포지엄
AI를 이용한 맞춤형 인공슬관절 수술 계획
맞춤형 인공슬관절 수술 계획은 환자의 해부학적 특성을 정확히 측정하고, 임플란트의 크기·정렬·위치를 수술 과정과 연결하는 일입니다. AI 기반 2D·3D 템플레이팅의 역할과 한계, 위험 및 회복 예측의 활용, 임상 워크플로에서 필요한 검증을 살펴봅니다.
그림을 누르면 크게 볼 수 있습니다.
정확한 계획은 객관적 정량화에서 시작합니다
맞춤형 계획의 출발점은 환자의 하지 정렬과 골 형태를 같은 기준으로 정량화하는 것입니다. 하지 전장 영상에서 대퇴골두 중심과 원위 대퇴골 중심을 연결한 축, 근위 경골 중심과 발목 중심을 연결한 축으로 고관절-슬관절-발목 각도(HKA)를 평가합니다. 관절선, 대퇴골과 경골의 형태, 골 결손을 함께 확인해야 크기 선택과 절삭 계획을 해부학적 근거에 연결할 수 있습니다.
X-ray는 3차원 구조를 2차원에 투영하므로 하지 회전, 굴곡 구축, 대퇴골의 전방 만곡에 따라 측정값이 달라질 수 있습니다. 자동으로 소수점까지 표시된 값도 촬영 자세와 기준점 오류에서 자유롭지 않습니다. Heller 등의 100명 후향 연구에서는 일부 선형 지표의 측정 일치도는 높았지만 관절선 수렴각 등 일부 각도 지표의 재현성은 낮았습니다. 촬영 조건과 배율 보정을 표준화하고, 자동으로 표시된 축과 관절선이 실제 해부학적 위치에 맞는지 확인합니다.
2D 템플레이팅: 크기와 정렬을 함께 계획합니다
2D AI 템플레이팅은 배율 보정이 가능한 정면·측면 영상을 입력받아 뼈 경계와 기준점을 찾고, 임플란트 크기와 위치를 계산합니다. 정면에서는 내외측 폭과 관상면 정렬을, 측면에서는 전후 길이와 시상면 배치를 확인합니다. 저희가 개발한 모델은 두 영상의 크기 예측 중 작은 값을 선택해 돌출을 줄이도록 설계했으며, 기계적 정렬에 기반한 절삭 규칙을 적용했습니다. 따라서 자동화된 계획을 해석할 때에는 프로그램의 목표 정렬과 절삭 규칙을 먼저 확인해야 합니다.
서울대학교병원의 72명, 81례를 대상으로 한 검증에서 대퇴골·경골 크기의 예측은 각각 88.9%가 실제 삽입물의 한 크기 이내에 들어왔습니다. 이 수치는 정확히 같은 크기를 예측한 비율과 구분해야 합니다. 같은 자료를 평가한 전문의의 한 크기 이내 일치율은 대퇴골 95.1%, 경골 100%였고, 측정 시간은 AI 48.7초, 수기 계획 97.5초였습니다. 단일 기관의 Triathlon 임플란트 시스템을 평가한 결과이므로 다른 기관과 시스템에 그대로 적용하지 않습니다.
크기 예측과 위치·각도 예측도 별도로 평가합니다. 이 연구에서 수술 후 영상과 비교한 위치 차이는 평균 약 3~4mm였지만, 측면 영상에서 대퇴골 정렬의 평균 차이는 5.1°였습니다. 크기 결과가 허용 범위에 들어오더라도 전방 피질과의 관계, 돌출 여부, 절삭면과 회전 위치를 함께 검토해야 합니다.
3D 계획과 수술 중 검증을 연결합니다
3D 계획은 대퇴골과 경골의 형태를 입체적으로 확인하고, 회전·시상면 형태·임플란트 배치를 함께 검토할 수 있게 합니다. CT 기반 분할과 기준점 검출을 자동화하더라도 최종 계획에는 크기, 절삭량, 정렬 목표와 그 근거가 명시되어야 합니다. 60명을 비교한 Lan 등의 후향 연구는 3D AI 계획의 크기와 축 정렬 예측 가능성을 보여주었지만, 작은 비교 연구의 결과만으로 모든 환자의 기능이나 장기 생존율 향상을 보장할 수는 없습니다.
계획을 작성하는 AI, 절삭 가이드인 환자 맞춤형 수술 기구(PSI), 계획을 실행하도록 돕는 로봇은 서로 다른 역할을 담당합니다. 영상에 기반한 뼈 계획과 수술 중 연부조직 균형을 연결하려면 실제 절삭면, 굴곡·신전 간격, 인대 상태를 확인하고 필요할 때 계획을 수정해야 합니다. CT 촬영의 시간·비용·방사선 부담과 등록 오차도 함께 고려합니다. 정렬의 재현성과 환자가 느끼는 통증·기능, 장기 결과를 각각 평가하는 접근이 필요합니다.
위험과 회복 예측으로 관리 계획을 개인화합니다
맞춤형 계획의 범위는 임플란트 선택 이후에도 이어집니다. 환자의 연령, 동반 질환, 수술 전 기능과 환자보고결과 등을 이용해 퇴원 장소, 입원 기간, 합병증이나 회복 경과를 예측하는 연구가 진행되고 있습니다. Booth 등의 연구는 미국 NSQIP 자료에서 인공슬관절·고관절 수술 후 퇴원 장소를 예측했으며, Lopez 등의 체계적 문헌고찰은 예측 대상에 따라 모델 성능이 달라짐을 보여주었습니다. 퇴원 예측과 감염·통증·기능 예측을 하나의 성능 수치로 묶어 해석하지 않습니다.
예측은 환자 상담, 재활 자원 배분, 추적 관찰 계획을 논의하는 근거로 활용합니다. 실제 결정에는 돌봄 인력, 주거 환경, 환자의 선호처럼 데이터에 충분히 반영되지 않는 요소도 포함됩니다. 위험 확률이 높다는 결과가 특정 처치의 효과를 입증하는 것은 아니므로, 예측값만으로 치료나 퇴원 시점을 결정하지 않습니다. 적용 기관의 환자군에서 확률이 실제 발생률과 맞는지 보정 상태를 확인하고, 모델 사용이 환자의 회복과 관리의 질에 도움이 되는지 평가합니다.
임상 워크플로에서 검증하고 책임 있게 사용합니다
임상 적용에서는 측정 결과를 원본 영상 위에서 확인하고, 절삭량과 임플란트 크기·위치가 연결된 계획을 수술자가 검토합니다. 계획 화면의 축과 기준점, 영상 분할 오류를 수정할 수 있어야 하며, 최종 승인과 변경 내용을 기록해야 합니다. 수술 중 확인한 해부학적 상태와 간격 측정, 수술 후 영상 및 환자보고결과를 연결하면 계획과 실제 결과가 어긋나는 지점을 추적할 수 있습니다.
타당한 검증은 다른 기관·임플란트 시스템·변형 양상을 포함하고, 분석할 수 없는 영상과 수정이 필요한 사례까지 기록하는 방식으로 이루어져야 합니다. 크기 평가에서는 정확한 일치와 한 크기 이내 일치를 구분하고, 정렬 평가에서는 기준 측정과의 차이와 재현성을 확인합니다. 위험 모델은 예측 시점에 실제로 이용 가능한 정보만 사용해야 합니다. 최종적으로는 검토와 수정에 드는 시간을 포함한 전체 업무 부담, 계획 변경률, 합병증과 환자보고결과를 전향적으로 평가해야 AI의 임상적 가치를 판단할 수 있습니다.