딥러닝을 이용한 한국형 소아 골연령 표준 영상 구축 및 골연령 자동 판정 시스템 개발

Abstract

목적: 건강한 한국 아동 및 청소년의 손 방사선 사진을 이용한 딥 러닝 기반 골연령 예측 모델을 개발 및 Greulich-Pyle 방식의 딥 러닝 기반 골연령 예측 모델 (GP 기반 모델)과 비교함으로써 검증하고, 한국 표준 아틀라스를 개발하고자 하였다. 대상 및 방법: 1998년에서 2019년에 서울아산병원에서 골발달이 정상일 것으로추정되는 한국 아동 및 청소년의 손 방사선 사진 21,036장을 이용하여 역연령을 예측하도록 컨볼루션 신경망 (한국 표준 모델)을 훈련하였다. 외적 타당성을 검증하기 위해 부산대학교 양산병원 (기관 1, n=304) 및 단국대학교 병원 (기관 2, n=314)에서 얻어진 두 개의 검토군을 각각 사용하였다. 평균절대오차 (mean aboluste error; MAE), 평균 제곱근편차 (root mean square error; RMSE), 역연령과 예측 골연령의 차이가 6, 12, 18 및 24개월 내인 대상의 분율을 GP 기반 모델과 비교하였다. Bland-Altman 분석을 추가로 수행하였으며, 남아에서 2-16세, 여아에서 2-14세로 제한한 하위 그룹 분석을 추가 수행하였다. 결과: 한국 표준 모델은 GP 기반 모델에 비해, 기관 1에서 RMSE (10.2 vs. 12.4개월; P<.001), MAE (7.6 vs. 9.7개월; P<.001)가 낮았고 역연령과 골연령 차이가 12개월 이내 (P<.04), 18개월 이내인 경우의 분율도 더 높았다 (P<.007). 기관 2에서는 한국 표준모형의 MAE가 낮았다 (10.9 vs. 9.6개월; P<.008). 하위 그룹 분석에서 기관 1, 2 모두에서 낮은 한국 표준 모델이 RMSE, MAE가 낮았고 (모두 P<.001) 역연령-골연령 차이가 6, 12 및 18개월 내인 경우의 분율이 더 높았다 (모두 P<.05). 또한 GP 기반 모델에서 보이는 전반적인 경향차가 한국 표준 모델에서 감소하였다 (기관 1, P<.001에서 .27로; 기관 2, P<.001에서 .048로). 한국 표준 아틀라스는 한국 표준 모델에 근거하여 합의 회의를 통해 개발 및 완성되었다. 결론: 딥러닝 기반의 한국 표준 골연령 평가 모델은 건강한 한국 아동 및 청소년의 특징적인 골성숙과정을 반영함으로서 GP 기반 골연령 평가 모델보다 더 나은 성능을 보였다. 한국 표준 모델을 대표하는 한국 표준 아틀라스를 새롭게 제작하였다.