아주대학교병원 신경외과 노성현 교수팀이 첫 골다공증성 척추압박골절 이후 두 번째 골절 위험을 예측하는 인공지능(AI) 기반 머신러닝 모델을 개발했다.

골다공증성 척추압박골절은 골밀도가 낮아진 척추뼈가 작은 충격에도 주저앉는 질환이다. 한 번 골절을 경험한 환자는 추가 골절 위험이 있어 고위험 환자를 조기에 선별해 약물치료와 운동·영양관리, 낙상 예방 등 2차 예방을 강화하는 것이 중요하다.

그러나 골밀도만으로는 환자 개개인의 재골절 위험을 정확하게 예측하는 데 한계가 있다. 재골절에는 연령과 성별, 골다공증 치료 이력, 체성분, 척추 상태 등 다양한 요인이 복합적으로 영향을 미치기 때문이다.

연구팀은 2000년부터 2019년까지 첫 골다공증성 척추압박골절을 경험한 환자 178명의 자료를 분석했다. 이 중 68명(38.2%)에게 추적 관찰 중 두 번째 골절이 발생했으며, 첫 골절 평가 이후 두 번째 골절까지의 평균 간격은 21.3개월이었다.

연구팀은 연령, 성별, 기저질환, 골다공증 치료 이력 등 다양한 임상정보와 골밀도 검사(DEXA)를 통해 측정한 요추 및 대퇴골 경부 골밀도, 몸통·복부·둔부의 지방 및 조직량 등 체성분 정보를 활용했다. 여기에 척추 MRI 또는 X선 영상 정보를 종합해 두 번째 골절 위험을 예측하는 AI 모델을 개발했다.

분석 결과, 임상정보와 골밀도·체성분 정보만 활용한 경우보다 척추 영상 정보를 함께 활용했을 때 재골절 예측 성능이 더욱 향상된 것으로 나타났다.

최종 모델은 내부 검증에서 정확도 97.9%, 재골절 발생 여부를 구분하는 모델의 판별력을 나타내는 AUROC 0.998을 기록했다. 별도 기관의 환자 83명을 대상으로 한 외부 검증에서도 정확도 90.4%, AUROC 0.923으로 높은 예측 성능을 보였다. AUROC는 1에 가까울수록 모델의 판별력이 우수함을 의미한다.

또한 체지방과 조직량 등 체성분 정보와 척추 영상 특징이 재골절 위험을 예측하는 주요 요소로 확인됐다. 체성분 정보는 기존 골밀도 등 골절 위험인자를 보완해 환자의 재골절 위험을 보다 정밀하게 평가하는 데 활용할 수 있음을 시사했다.

노성현 교수는 “이번 연구는 임상정보와 체성분, 척추 영상을 AI로 통합해 재골절 위험을 예측했다는 점에서 의미가 있다”며 “향후 추가 검증을 통해 첫 골절 이후 재골절 고위험 환자를 조기에 선별하고, 골다공증 치료와 운동·영양·낙상 예방 등 환자 맞춤형 2차 예방 전략을 수립하는 데 활용할 수 있을 것으로 기대한다”고 말했다.

이번 연구는 아주대 의과대학 조호연 학생과 노성현 교수가 연구 기획을 주도하고 노성현 교수가 교신저자로 참여했으며, ‘Development of a Multimodal Machine Learning Model for Predicting Second Osteoporotic Vertebral Compression Fractures(두 번째 골다공증성 척추압박골절 예측을 위한 멀티모달 머신러닝 모델 개발)’라는 제목으로 국제 의학 학술지 ‘Yonsei Medical Journal’ 9월호에 게재됐다.