AI(인공지능) 딥러닝(컴퓨터 학습)을 기반으로 한 충치 조기 발견법이 나와 학계의 눈길을 끌었다.

이 같은 연구 결과를 연세대학교 치과대학 연구팀이 국제학술지 네이쳐 최신호에 발표했다.

‘Deep learning for early dental caries detection in bitewing radiographs’를 주제로 한 이번 연구는 시각 이미지를 분석하는 인공 신경망인 CNN(Convolutional Neural Networks)의 딥러닝을 통한 치아우식증 감지를 다뤘다. 특히 연구팀은 교익 방사선 사진을 통해 치아우식을 파악하는 데 주력했다.

앞서 연구팀은 763개의 충치가 포함된 교익 방사선 사진 304장을 활용해 CNN을 훈련했다. 또 50개의 사진을 통해 그 성능을 평가했다.

그 결과 전체 데이터에 대한 CNN 모델의 진단 성능은 정밀도에서 63.29%를 기록했다. 이어 회상 능력은 65.02%, F1 점수는 64.14%로 상당히 높은 수준의 성능을 보인 것으로 나타났다.

덧붙여 CNN 모델은 치근우식증, 2차 치아우식증, 수복물 사이의 틈 등 치아우식증 유형의 대부분을 인식 가능한 것으로 알려졌다.

연구팀은 이 같은 CNN 모델을 치과의사의 치아우식 진단에 활용해 변화를 측정했다. 먼저 연구팀은 3명의 치과의사에게 50개의 동일한 이미지에서 치아우식을 진단하도록 했다. 그 결과 해당 치과의사들은 평균 171개의 치아우식을 진단했다.

이후 연구팀은 CNN 모델을 참고자료로 활용해 다시 한 번 같은 이미지를 진단토록 했다. 그 결과 평균 196개로 치아우식 진단량이 약 12% 증가한 것으로 나타났다. 또 이에 따른 인식을 평가한 결과 실험에 참가한 치과의사 모두가 진단 시 민감도가 상승하는 등 긍정적인 평가를 내린 것으로 알려졌다. 이 가운데 특히 초기 또는 중증도 우식에서 CNN 모델의 활용도가 높다는 평가다.

연구팀은 “CNN 모델을 활용해 치아우식증을 진단하면 민감도가 상승해 임상 시 치과의사가 놓치기 쉬운 부분을 점검할 수 있다”며 “임상 시 AI 진단 결과에 의존해서는 안 되지만, 참고자료로써 활용하면 보다 정확한 진단에 도움을 받을 수 있을 것”이라고 밝혔다.