서울대병원이 근골격 AI 분야에서 미국 캘리포니아대 샌프란시스코캠퍼스(UCSF), 하버드대에 이어 세계 3위 수준의 연구 성과를 도출하며, 정형외과 질환의 조기 진단과 맞춤형 치료의 가능성을 열고 있다. 이는 한국 의료기술의 글로벌 경쟁력을 높이고, 미래의료의 혁신을 선도하는 결과로 평가된다.

특히 18건 이상의 AI 기반 국제 공동 연구를 수행한 정형외과 노두현 교수팀(김성은 연구교수, 사진 왼쪽부터)은 최근 딥러닝 기술을 활용해 20년간 수집된 1만7천여 건의 무릎 방사선 영상을 분석하고, 관절염이 생기기 전부터 O자형 다리(내반 정렬)을 타고난 무릎에서 관절염 중증도가 더 높다는 사실을 규명해 1일 발표했다.

이 연구는 ‘관절염이 진행될수록 다리가 휜다’는 기존 인식을 넘어, 선천적인 무릎 정렬이 관절염 발생 및 악화에 밀접한 연관이 있다는 새로운 접근법을 제시해 정형외과 분야 권위지 ‘골관절 수술 저널(Journal of Bone and Joint Surgery)’에 게재됐다.

국내 65세 이상 인구 4명 중 1명이 앓는 퇴행성관절염은 노화 등으로 뼈·연골·인대가 손상되는 질환으로 무릎에 흔히 발생한다. 이는 염증과 통증을 유발하고 다리 모양을 변형시키기도 하는데, 통증과 변형이 심하면 무릎 인공관절 전치환술을 고려할 수 있다.

효과적인 수술을 위해선 환자마다 선천적으로 타고난 무릎 정렬을 복원하는 것이 중요해 ‘무릎 관상면 정렬(CPAK)’ 개념이 활용된다. 이는 타고난 뼈 구조를 바탕으로 관절염이 생기기 전 무릎 정렬 형태를 추론하는 방법이다. 퇴행성 변화로 인한 왜곡을 배제할 수 있어 관절염 원인을 밝히는 데 유용하다. 그러나 무릎 관상면 정렬과 관절염 진행의 연관성을 분석한 연구는 없었다.

연구팀은 딥러닝 소프트웨어를 이용해 대규모 무릎 데이터를 분석하고, 방사선학적 변수를 계산했다. 이후 무릎 관상면 정렬에 따라 9가지 유형으로 분류했다.

[자료] 관절염 심각도에 따른 무릎 관상면 정렬 유형. 관절염 0~2기에는 유형Ⅱ(중립 정렬)이 가장 흔했지만, 관절염이 심각해질수록 유형Ⅰ(내반 정렬) 비율이 증가했다.

분석 결과, 관절염 0~2기에는 유형Ⅱ(중립 정렬)이 가장 흔했지만, 관절염이 심각해질수록 유형Ⅰ(내반 정렬) 비율이 증가했다. 이 결과는 관절염이 진행될수록 무릎에 심한 내반 변형이 유발될 뿐 아니라, 내반 정렬을 타고난 사람이 관절염에 취약하다는 점을 보여준다고 연구팀은 설명했다.

[자료] 관절염 심각도별 선천적인 무릎 변수 차이. 관절염 3~4기 환자는 0~2기 대비 대퇴골 관절면 각도(LDFA)가 크고 경골 관절면 각도(MPTA)가 작아, 내반 정렬의 특성이 뚜렷했다.

추가로 선천적인 무릎 변수를 비교한 결과, 관절염 3~4기 환자는 0~2기 대비 대퇴골 관절면 각도(LDFA)가 크고 경골 관절면 각도(MPTA)는 작은 경향이 확인됐다. 즉, 관절염이 심각한 환자일수록 내반 정렬의 특성이 뚜렷하게 관찰됐다. 반면 두 변수는 연령이 증가해도 유의미한 변화가 없어, 나이가 들어도 타고난 무릎 뼈 모양은 유지되는 것으로 나타났다.

이 결과를 바탕으로 연구팀은 선천적인 무릎 구조를 의미하는 ‘무릎 관상면 정렬’이 관절염 고위험군을 예측하고, 조기 개입 여부를 평가하는 유용한 지표가 될 수 있다고 설명했다. 또한, 무릎 관상면 정렬을 정밀하게 분류하는 연구팀의 딥러닝 소프트웨어를 활용해 맞춤형 관절염 진단·치료의 가능성을 높일 수 있다고 강조했다.

나아가 연구팀은 이 AI 기술을 이용해 한국 및 UAE 관절염 환자의 무릎 관상면 정렬을 비교하는 세계 최대 규모의 연구를 추가 수행했다. 그 결과, 중동 환자는 국내 환자보다 무릎 내반 정렬이 흔하고, 고령일수록 내반 변형이 심하다는 사실을 확인했다. 이 연구 결과는 인종과 환경에 따른 관절염 진행 양상의 차이를 입증해 ‘대한슬관절학회지(Knee Surgery & Related Research)’에 게재됐다.

노두현 교수는 “AI기반 연구를 통해 관절염 심각도에 따른 무릎 변형의 연관성을 규명할 수 있어 의미가 크다”며 “특히 맞춤형 관절염 수술을 실시하기 위해선 무릎의 해부학적 특성을 이해하는 것이 중요할 것으로 보이며, 대규모 데이터를 정밀하게 분석할 수 있는 AI 기술이 정형외과 치료의 새로운 패러다임을 제시할 것으로 기대된다”고 말했다.

한편, 연구팀은 다기관 공동 연구를 통해 5천여개 엑스레이 영상을 학습한 고관절 골절 진단 AI 모델을 개발했다. 이 모델은 정형외과 전문의보다 골절을 감지하고 분류하는 정확도가 높은 것으로 확인돼, 의료 AI 분야의 혁신적 성과로 평가받으며 최근 국제학술지 ‘골관절 수술 저널(The Bone & Joint Journal)’의 에디터픽 연구로 선정됐다.

관절염 심각도 증가에 따른 CPAK 내반 변형.

 file_20250401100651.pdf

한국 및 중동 환자의 관절염 패턴 비교.

file_20250401100703.pdf
고관절 골절 AI 딥러닝 모델.

 file_20250401100722.pdf