성능, 임상정보 및 골밀도 기반 FRAX 예측 도구보다 뛰어나
고관절 골절 환자의 재골절 위험을 간편하게 예측할 방법이 제시돼 고관절 골절의 맞춤형 관리 및 치료전략 수립에 도움을 줄 것으로 보인다.
서울대병원은 융합의학과 김영곤 교수·의생명연구원 김이삭 연구원, 분당서울대병원 내분비대사내과 공성혜 교수 연구팀이 고관절 골절 환자 1480명의 CT 영상을 기반으로 단기 재골절 위험 예측 모델을 개발하고, 정확도를 검증한 결과를 4월 17일 발표했다고 밝혔다.
연구팀은 단기 재골절 위험도 예측 모델을 개발하기 위해 근육과 뼈의 조성 상태를 파악할 수 있는 ‘고관절 CT 영상’에 주목했다.
2004년 1월부터 2020년 12월까지 골절로 내원한 1012명의 고관절 CT 영상을 재구성해 정면·측면·횡단면 영상을 생성했으며, 이후 각 영상의 특징을 추출한 뒤, 이를 조합해 산출한 재골절 위험 자유도(재골절이 발생하지 않을 확률)를 생존곡선 형태로 표현하는 앙상블 딥러닝 모델을 설계했다.
또한, 전체 환자를 분석해 CT 촬영 후 경과한 시점별로 ‘기준값’을 설정했다. 이 기준값보다 위험 자유도가 낮아지면 재골절 발생 가능성이 높아진다.
따라서 기준값 곡선과 환자의 생존곡선을 비교해 생존곡선이 기준값 곡선보다 낮아지는 시점을 재골절 발생 시점으로 예측할 수 있다.
추가로 고관절 골절 환자 468명을 대상으로 성능을 테스트한 결과, ▲2년과 3년 내 재골절 예측 정확도는 0.74 ▲5년 내 재골절 예측 정확도는 0.73 등으로 단기 재골절을 예측하는 앙상블 딥러닝 모델의 예측 정확도(AUROC)는 약 0.74로 높았다.
AUROC는 1에 가까울수록 우수한 예측 성능을 나타낸다.
이는 2년·3년·5년내 재골절 예측 정확도가 각각 0.58, 0.64, 0.70인 임상정보 및 골밀도에 기반한 기존 FRAX 예측 도구보다 뛰어난 성능을 보여주는 것이라고 할 수 있다.
이 결과를 바탕으로 연구팀은 CT 기반 딥러닝 예측 모델이 5년 미만의 단기 재골절 위험도를 정확히 예측할 수 있다고 강조했으며, 이는 고관절 골절을 경험한 환자들의 관리 및 치료전략 수립에 활용될 수 있을 것이라고 설명했다.
김영곤 교수(제1저자)는 “연구팀이 개발한 딥러닝 모델을 활용하면 재골절 고위험군을 적극적으로 식별하는 데 도움이 될 것”이라며 “이런 고위험군에게는 골다공증약 처방, 지속적 모니터링, 조기 재활 등을 실시하여 고관절 골절로 인한 낙상 위험을 완화시킬 수 있을 것이다”고 말했다.
한편, 이번 연구는 영상의학분야 국제학술지 ‘래디올로지(Radiology, IF;19.7)’에 지난 1월 게재됐다.
김민준 기자 kmj6339@medifonews.com
< 저작권자 © Medifonews , 무단전재 및 재배포금지 >
- 본 기사내용의 모든 저작권은 메디포뉴스에 있습니다.
