【후생신보】 안면 홍반 환자에서 모낭충 밀도를 예측할 수 있는 인공지능(AI) 모델이 개발돼, 피부과 진단 정확도를 유의하게 향상시킬 수 있을 것으로 기대된다.

연세대학교 용인세브란스병원(병원장 김은경) 피부과 김지희·김제민 교수와 세브란스병원 피부과 박창욱 교수 연구팀은 최근 안면 홍반 환자의 얼굴 사진과 임상 데이터만을 활용해 모낭충 밀도를 예측하는 딥러닝 모델을 개발하고, 이를 통해 실제 임상의의 진단 정확도가 의미 있게 개선됨을 입증했다고 밝혔다.

이번 연구 결과는 국제학술지 ‘사이언티픽 리포트(Scientific Reports)’ 최근호에 게재됐다.

안면 홍반은 주사(rosacea), 접촉 피부염, 아토피 피부염, 여드름, 루푸스 등 다양한 피부 질환에서 공통적으로 관찰되는 증상으로, 원인 감별을 위해서는 모낭충증에 대한 정확한 진단이 중요하다. 모낭충은 과도하게 증식할 경우 발적, 가려움, 염증 등을 유발하며 임상 양상이 다른 질환과 유사해 오진 가능성이 높다.

현재 모낭충증 진단은 피부 표면 생검이나 피지 분비물 압출 검사를 통해 모낭충을 분리·계수하는 방식이 사용된다. 그러나 해당 검사는 반침습적이며 통증이 동반되고, 검사자의 숙련도에 따라 결과 편차가 크다는 한계가 있다.

이에 연구팀은 이러한 문제를 보완하기 위해 얼굴 사진과 환자의 임상 정보만으로 모낭충 밀도를 예측할 수 있는 AI 기반 모델 'DemodexNet' 을 개발했다. 연구는 2016년 1월부터 2023년 8월까지 세브란스병원과 용인세브란스병원에서 안면 홍반으로 내원해 모낭충 밀도 검사를 받은 환자 1,124명을 대상으로 한 후향적 진단 연구로 진행됐다.

DemodexNet은 나이, 성별, 임상 증상, 혈청 알레르기 지표 등 12개의 임상 변수와 얼굴 이미지 분석 결과를 통합해 모낭충 밀도를 예측한다. 모델은 전체 얼굴과 이마·코·양 볼·턱 등 7개 국소 패치를 분석하는 SE(Stacking Ensemble) 모델과, 고해상도 이미지에서 감염 관련 영역을 자동 선택해 분석하는 약지도 학습 기반의 GMIC(Globally-aware Multiple Instance Classifier) 모델로 구성됐다.

수신기 작동 특성 곡선 아래 면적(AUROC) 분석 결과, DemodexNet은 내부 테스트 데이터셋에서 0.823~0.865의 우수한 예측 성능을 보였으며, GMIC 기반 통합 모델이 0.865로 가장 높은 정확도를 기록했다.

특히 AI 모델을 진단 보조 도구로 활용했을 때 피부과 의사의 진단 정확도가 유의하게 향상됐다. 모델의 도움 없이 진단했을 경우 평균 정확도는 63.7%였으나, AI 예측 결과를 참고한 후에는 70.6%로 상승했다. 민감도 역시 13.6% 향상돼 모낭충 양성 환자를 놓칠 가능성이 크게 줄었다.

경력별 분석에서는 경력 2년 미만의 저경력 의사군에서 11.6%로 가장 큰 정확도 향상이 나타났으며, 경력 8년 이상의 고경력 의사군에서도 5.8%의 향상이 확인됐다. AI에 대한 신뢰도가 높은 의료진일수록 진단 보조 효과가 컸지만, AI의 잘못된 예측을 무비판적으로 수용하는 경향은 증가하지 않은 것으로 나타났다.

김제민 교수는 “본 연구는 세계 최초로 얼굴 사진과 임상 데이터만을 이용해 모낭충 밀도를 예측하는 AI 모델을 개발하고 검증한 연구”라며 “인간과 AI의 협업이 실제 임상 진단 정확도를 높일 수 있음을 실증적으로 보여줬다는 점에서 의미가 크다”고 밝혔다. 이어 “향후 모낭충 검사 장비가 없는 1차 의료기관이나 원격진료 환경, 전공의 및 수련의 교육 등 다양한 분야에서 활용 가능할 것”이라고 전망했다.

연구팀은 향후 다양한 인종과 피부 유형을 포함한 다기관 공동 연구를 통해 모델의 일반화 가능성을 추가로 검증하고, 전향적 임상시험과 함께 앱 또는 웹 기반 서비스 개발을 통해 실제 진료 현장에서의 활용도를 높일 계획이다.