배경: 고령 인구의 점진적 증가에 따라 기회적 컴퓨터단층촬영(CT) 검사의 활용이 늘어나고 있으며, 이는 고령 인구의 근육과 뼈에 관한 정보를 획득하는 데 유용한 방법이 될 수 있다. 목적: 본 연구의 목적은 척추 골(vertebral bones)과 척추 주위 근육(paravertebral muscles)의 영상을 이용하여 기회적 CT 기반 골절 예측 모델을 개발하고 외부 검증하는 것이었다. 방법: 본 모델은 2010년부터 2019년까지의 복부 CT 영상 데이터를 보유한 1,214명의 환자를 대상으로 한 후향적 종단 코호트 연구에 근거하여 개발되었다. 모델은 495명의 환자에서 외부 검증을 수행하였다. 본 연구의 1차 평가지표는 5년 추적기간 동안의 척추 골절 사건을 식별하기 위한 예측 정확도로 정의하였다. 영상 기반 모델은 척추 골 및 척추 주위 근육 영상으로부터 주의(attention) 합성곱 신경망-순환 신경망(attention convolutional neural network-recurrent neural network) 모델을 사용하여 개발되었다. 결과: 개발 및 검증 집단의 환자 평균 연령은 각각 73세와 68세였으며, 여성 비율은 각각 69.1%(839/1214)와 78.8%(390/495)였다. 외부 검증 코호트에서 척추 골절을 예측하기 위한 수신자 조작 특성 곡선 아래 면적(AUROC)은 골만(bone-only) 영상보다 척추 골 및 척추 주위 근육 영상에서 더 우수하였다(각각 0.827, 95% CI 0.821-0.833 대 0.815, 95% CI 0.806-0.824; P<.001). 또한 이러한 영상 기반 모델의 AUROC는 골절 위험 평가 모델의 AUROC보다 높았다(주요 골다공증 위험 0.810, 고관절 골절 위험 0.780). 연령, 성별, BMI, 스테로이드 사용, 흡연, 가능한 이차성 골다공증(possible secondary osteoporosis), 제2형 당뇨병, HIV, C형 간염, 신부전을 포함하는 임상 모델의 경우, 외부 검증 코호트에서 AUROC 값은 0.749(95% CI 0.736-0.762)로, 척추 골 및 근육을 이용한 영상 모델보다 낮았다(P<.001). 결론: 척추 골 및 척추 주위 근육 영상에 기반한 모델은 골만 영상 또는 임상 변수를 사용한 모델보다 더 나은 성능을 보였다. 기회적 CT 선별검사는 향후 골절 위험이 높은 환자를 식별하는 데 기여할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.