영상 기반 기계학습·딥러닝의 골절 예측 모델 개발 연구

Development of imaging-based machine learning and deep learning fracture prediction models

연구 내용

척추 X-ray와 CT 영상의 골·근육 정보를 기계학습·딥러닝으로 학습해 골절 위험을 예측하고 임상 모델과 비교·검증하는 연구

본 연구는 골절 위험을 조기 선별하기 위해 영상 기반 예측 모델을 구축합니다. 척추 X-ray에서 기초 영상과 임상 변수를 함께 활용하는 CNN 기반 위험 예측 모델을 설계하고, 기존 도구와 통계모형 대비 성능을 비교합니다. 또한 기회적(opportunistic) CT에서 척추 골과 주변 근육 이미지를 분리하여 입력하고, attention 기반 CNN-RNN 및 multitask learning 프레임으로 장기 추적 골절 사건을 예측합니다. 개발-외부 검증 구조로 일반화 가능성을 확인하며, bone-only, clinical model 대비 영상 정보의 추가 가치를 정량화합니다.

관련 프로젝트

0건

연구 흐름

초기 연구는 척추 X-ray 장기 추적 코호트에서 딥러닝 기반 골절 예측 모델을 구성하고 기존 위험 산정 도구 대비 성능 차이를 확인하는 데 집중되었습니다. 이후 공통 데이터 모델 기반의 기계학습 예측 모형으로 범용 예측 체계를 확장했습니다. 이어 CT 기반 모델로 발전하면서 뼈 단독을 넘어 척추 주변 근육을 함께 반영하는 입력 전략이 도입되었습니다. 최근에는 detection과 prediction을 연계한 multitask learning 및 외부 병원 검증을 통해 기회적 CT 스크리닝 활용 가능성을 높이는 방향으로 연구가 진행되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

척추 X-ray 기반 골절 위험 선별
기회적 CT 스크리닝 파이프라인
bone+muscle 특징 기반 예측
외부 검증형 임상 예측도구
기존 FRAX 대비 성능 비교 체계
장기 추적 사건 예측 모델
영상-임상 통합 입력 전략
대규모 코호트 학습 체계
이미지 품질 변동에 대한 견고성 평가
저비용 추가검사 최소화 설계