배경: 인공지능(AI)은 영상의학 분야에서 점차 활용되고 있으나, 특히 응급 질환에 대한 소아 영상에서의 개발은 제한적이다. 회장결장성 장중첩증(ileocolic intussusception)은 영유아에서 급성 복통의 중요한 원인으로, 장 허혈이나 천공과 같은 합병증을 예방하기 위해서는 적시에 진단이 필요하다. 초음파검사는 민감도와 특이도가 높아 진단 표준이지만, 특히 3차 의료기관 이외에서는 접근성이 제한될 수 있다. 복부 X선촬영(AXR)은 민감도가 제한적임에도 불구하고 임상 현장에서 종종 1차 영상 검사로 시행된다. 이러한 맥락에서 AI는 AXR을 분석하고 추가적인 초음파 평가가 필요한 환자를 식별함으로써 조기 선별 및 중증도 분류(트리아지)를 지원할 수 있다. 목적: 본 연구는 다기관 데이터를 이용하여 소아 AXR을 기반으로 회장결장성 장중첩증 선별용 AI 모델을 고도화하고 외부 검증을 수행하며, AI 보조 유무에 따라 경험 수준이 다른 방사선과 전문의와의 비교에서 모델의 진단 성능을 평가하는 것을 목표로 하였다. 방법: 본 후향적 연구에는 장중첩증이 의심되어 AXR과 초음파검사를 모두 시행받은 소아 환자(≤5세)가 포함되었다. 병원 A에서의 예비 연구를 바탕으로 AI 모델을 재학습하였으며, 병원 B의 데이터를 사용해 재학습하고, 병원 C와 D의 외부 데이터로 외부 검증을 수행하였다. 고도화된 AI 모델의 진단 성능은 민감도, 특이도, 그리고 수신자 조작 특성 곡선(receiver operating characteristic curve)의 면적(AUC)을 이용해 평가하였다. 또한 3명의 판독자를 대상으로 판독자 연구를 시행하였는데, 여기에는 2명의 수련의와 1명의 소아영상의학 전문의가 포함되었으며, AI 보조 유무에 따른 진단 성능을 평가하였다. 결과: 병원 A에서 746명의 환자로 학습된 기존에 개발된 AI 모델을 바탕으로, 고도화된 AI 모델 개발을 위해 병원 B에서 추가로 431명(장중첩증 143건 포함)의 데이터를 더해 학습에 사용하였다. 외부 검증은 병원 C의 데이터(n=68; 장중첩증 19건)와 병원 D의 데이터(n=90; 장중첩증 30건)를 이용해 수행하였다. 고도화된 AI 모델은 외부 검증 세트에서 민감도 81.7%(95% CI 68.6%-90%), 특이도 81.7%(95% CI 73.3%-87.8%)를 보였으며, AUC는 86.2%(95% CI 79.2%-92.1%)였다. AI 보조 없이 방사선과 전문의의 성능은 더 낮았는데(전체 AUC 64%; 민감도 49.7%; 특이도 77.1%), AI 보조를 제공하면 방사선과 전문의의 특이도가 93%로 향상되었고(차이 +15.9%; P<.001), AUC도 79.2%로 증가하였다(차이 +15.2%; P=.05). 경험이 가장 적은 판독자는 특이도(+37.6%; P<.001)와 AUC(+14.7%; P=.08)에서 가장 큰 개선을 보였다. 결론: 고도화된 AI 모델은 소아 AXR에서 회장결장성 장중첩증의 선별을 위한 진단 성능을 향상시켰다. 특히 소아영상의학 분야 경험이 적은 방사선과 전문의에서 특이도 및 전반적 정확도를 효과적으로 개선하였다. 더 넓은 임상적 검증을 지원하기 위한 사용자 친화적 소프트웨어 플랫폼을 도입하였으며, 이는 소아 응급 상황에서 AI가 선별 및 중증도 분류 도구로서 지닐 잠재력을 강조한다.

이 연구의 목적은 성인 대상 인공지능(AI) 소프트웨어의 최적 작동 지점이 소아 흉부 방사선영상에서 서로 다른지 평가하고, 그 진단 성능을 평가하는 것이었다. 2021년 3월부터 11월까지 수집된 19세 미만 환자의 흉부 방사선 사진을 검사(test) 세트와 탐색(exploring) 세트로 나누었다. 폐 병변(기흉, 폐경결, 결절, 흉막삼출)을 검출하기 위해 상용 성인 대상 AI 소프트웨어를 사용하였으며, 표준 작동 지점은 15%로 설정하였다. 소아 영상의학과 전문의가 방사선 사진을 검토하여 병변의 존재 여부에 대한 정답(ground truth)을 확립하였다. 최적 작동 지점을 결정하기 위해 수신자 조작 특성(ROC) 곡선 분석을 수행하였고, 병변 유형, 연령 집단, 영상 방법에 따라 민감도와 특이도를 균형 있게 조절하도록 역치를 변화시켰다. 검사 세트(4,727장 흉부 방사선 사진, 평균 7.2 ± 6.1세)와 탐색 세트(2,630장, 평균 5.9 ± 6.0세)에서 기흉은 11%, 폐경결은 14%, 결절은 15%, 흉막삼출은 6%의 최적 작동 지점을 산출하였다. 3%의 작동 지점을 사용하면 2세 미만 아동, 휴대용 방사선 사진, 전후방(anteroposterior) 투영상에서 기흉의 민감도가 향상되었다. 따라서 병변 유형, 연령, 영상 방법에 기반하여 AI의 작동 지점을 최적화하면, 성인 대상 AI를 기반으로 하여 소아 흉부 방사선 사진의 진단 성능을 개선할 수 있다.

흉부 X선 촬영 영상(CXR) 판독 시 인공지능(AI)의 활용이 방사선의사의 업무 부담에 영향을 미치는지 여부가 특히 관심의 대상이다. 따라서 본 전향적 관찰 연구는 CXR의 일상적 판독에서 AI가 방사선의사의 판독 시간에 어떻게 영향을 미치는지 관찰하고자 하였다. 2021년 9월부터 12월까지 흉부 X선(CXR) 판독의 판독 시간 수집에 동의한 방사선의사를 모집하였다. 판독 시간은 동일한 방사선의사가 CXR을 열어본 시점부터 이미지 판독 결과를 전사(transcribing)하는 데까지의 초 단위 소요 시간으로 정의하였다. 모든 CXR에는 상용 AI 소프트웨어가 통합되었으며, 방사선의사들은 2개월 동안(AI 보조 기간) AI 결과를 참고할 수 있었다. 나머지 2개월 동안에는 방사선의사들이 AI 결과에 대해 자동으로 눈가림되었다(AI 비보조 기간). 총 11명의 방사선의사가 참여하였고 18,680개의 CXR이 포함되었다. AI 사용은 무사용에 비해 전체 판독 시간을 유의하게 단축시켰다(13.3초 대 14.8초, p < 0.001). AI가 이상 소견을 감지하지 못한 경우에는 AI 사용 시 판독 시간이 더 짧았다(평균 10.8초 대 13.1초, p < 0.001). 그러나 AI가 어떤 이상 소견이라도 감지한 경우에는 AI 사용 여부에 따라 판독 시간에 차이가 없었다(평균 18.6초 대 18.4초, p = 0.452). 판독 시간은 이상 소견 점수가 증가할수록 증가하였고, AI 사용 시 더 큰 증가가 관찰되었다(계수 0.09 대 0.06, p < 0.001). 따라서 방사선의사들 간의 CXR 판독 시간은 AI의 이용 가능성에 의해 영향을 받았다. 전반적으로 방사선의사들이 AI를 참고할 때 판독 시간이 단축되었으나, AI가 감지한 이상 소견은 판독 시간을 길게 할 수 있었다.

소아 흉부 방사선 사진에 적용된 인공지능(AI)은 아직 드문 실정이다. 본 연구는 성인 흉부 방사선 사진을 위해 개발된 AI 기반 소프트웨어를 소아 흉부 방사선 사진에 사용할 수 있는지를 평가하였다. 2021년 3월부터 5월까지 흉부 방사선 촬영을 시행한 소아 환자(18세 이하)를 후향적으로 포함하였다. AI 기반 병변(lesion) 검출 소프트웨어는 결절(nodule), 경화(consolidation), 섬유화(fibrosis), 무기폐(atelectasis), 심비대(cardiomegaly), 흉막삼출(pleural effusion), 기흉(pneumothorax), 기복증(pneumoperitoneum)의 존재 여부를 평가하였다. 소아 영상의학과 전문의의 결과를 표준 기준(reference)으로 하여 소프트웨어의 진단 성능을 평가하였다. 총 2273장의 흉부 방사선 사진에서 AI 기반 소프트웨어는 각각 민감도, 특이도, 양성 예측도(positive predictive value, PPV), 음성 예측도(negative predictive value, NPV), 정확도가 67.2%, 91.1%, 57.7%, 93.9%, 87.5%로 나타났다. 연령은 부정확한 결과와 관련된 유의한 요인이었으며(odds radio 0.821, 95% 신뢰구간 0.791-0.851), 심비대를 제외하고 2세 이하 아동을 제외했을 때 민감도, 특이도, PPV, NPV 및 정확도는 유의하게 증가하였다(각각 86.4%, 97.9%, 79.7%, 98.7%, 96.9%; 모두 p < 0.001). 결론적으로, 성인 흉부 방사선 사진을 기반으로 개발된 AI 기반 소프트웨어는 심비대를 제외하고 2세 이하 아동을 제외했을 때 소아 흉부 방사선 사진에서 최대 96.9%의 진단 정확도를 보였다. AI 기반 병변 검출 소프트웨어는 더 어린 연령대의 아동에서 검증되어야 한다.

배경: 인공지능(AI)은 영상의학 분야에서 점차 활용되고 있으나, 특히 응급 질환에 대한 소아 영상에서의 개발은 제한적이다. 회장결장성 장중첩증(ileocolic intussusception)은 영유아에서 급성 복통의 중요한 원인으로, 장 허혈이나 천공과 같은 합병증을 예방하기 위해서는 적시에 진단이 필요하다. 초음파검사는 민감도와 특이도가 높아 진단 표준이지만, 특히 3차 의료기관 이외에서는 접근성이 제한될 수 있다. 복부 X선촬영(AXR)은 민감도가 제한적임에도 불구하고 임상 현장에서 종종 1차 영상 검사로 시행된다. 이러한 맥락에서 AI는 AXR을 분석하고 추가적인 초음파 평가가 필요한 환자를 식별함으로써 조기 선별 및 중증도 분류(트리아지)를 지원할 수 있다. 목적: 본 연구는 다기관 데이터를 이용하여 소아 AXR을 기반으로 회장결장성 장중첩증 선별용 AI 모델을 고도화하고 외부 검증을 수행하며, AI 보조 유무에 따라 경험 수준이 다른 방사선과 전문의와의 비교에서 모델의 진단 성능을 평가하는 것을 목표로 하였다. 방법: 본 후향적 연구에는 장중첩증이 의심되어 AXR과 초음파검사를 모두 시행받은 소아 환자(≤5세)가 포함되었다. 병원 A에서의 예비 연구를 바탕으로 AI 모델을 재학습하였으며, 병원 B의 데이터를 사용해 재학습하고, 병원 C와 D의 외부 데이터로 외부 검증을 수행하였다. 고도화된 AI 모델의 진단 성능은 민감도, 특이도, 그리고 수신자 조작 특성 곡선(receiver operating characteristic curve)의 면적(AUC)을 이용해 평가하였다. 또한 3명의 판독자를 대상으로 판독자 연구를 시행하였는데, 여기에는 2명의 수련의와 1명의 소아영상의학 전문의가 포함되었으며, AI 보조 유무에 따른 진단 성능을 평가하였다. 결과: 병원 A에서 746명의 환자로 학습된 기존에 개발된 AI 모델을 바탕으로, 고도화된 AI 모델 개발을 위해 병원 B에서 추가로 431명(장중첩증 143건 포함)의 데이터를 더해 학습에 사용하였다. 외부 검증은 병원 C의 데이터(n=68; 장중첩증 19건)와 병원 D의 데이터(n=90; 장중첩증 30건)를 이용해 수행하였다. 고도화된 AI 모델은 외부 검증 세트에서 민감도 81.7%(95% CI 68.6%-90%), 특이도 81.7%(95% CI 73.3%-87.8%)를 보였으며, AUC는 86.2%(95% CI 79.2%-92.1%)였다. AI 보조 없이 방사선과 전문의의 성능은 더 낮았는데(전체 AUC 64%; 민감도 49.7%; 특이도 77.1%), AI 보조를 제공하면 방사선과 전문의의 특이도가 93%로 향상되었고(차이 +15.9%; P<.001), AUC도 79.2%로 증가하였다(차이 +15.2%; P=.05). 경험이 가장 적은 판독자는 특이도(+37.6%; P<.001)와 AUC(+14.7%; P=.08)에서 가장 큰 개선을 보였다. 결론: 고도화된 AI 모델은 소아 AXR에서 회장결장성 장중첩증의 선별을 위한 진단 성능을 향상시켰다. 특히 소아영상의학 분야 경험이 적은 방사선과 전문의에서 특이도 및 전반적 정확도를 효과적으로 개선하였다. 더 넓은 임상적 검증을 지원하기 위한 사용자 친화적 소프트웨어 플랫폼을 도입하였으며, 이는 소아 응급 상황에서 AI가 선별 및 중증도 분류 도구로서 지닐 잠재력을 강조한다.

이 연구의 목적은 성인 대상 인공지능(AI) 소프트웨어의 최적 작동 지점이 소아 흉부 방사선영상에서 서로 다른지 평가하고, 그 진단 성능을 평가하는 것이었다. 2021년 3월부터 11월까지 수집된 19세 미만 환자의 흉부 방사선 사진을 검사(test) 세트와 탐색(exploring) 세트로 나누었다. 폐 병변(기흉, 폐경결, 결절, 흉막삼출)을 검출하기 위해 상용 성인 대상 AI 소프트웨어를 사용하였으며, 표준 작동 지점은 15%로 설정하였다. 소아 영상의학과 전문의가 방사선 사진을 검토하여 병변의 존재 여부에 대한 정답(ground truth)을 확립하였다. 최적 작동 지점을 결정하기 위해 수신자 조작 특성(ROC) 곡선 분석을 수행하였고, 병변 유형, 연령 집단, 영상 방법에 따라 민감도와 특이도를 균형 있게 조절하도록 역치를 변화시켰다. 검사 세트(4,727장 흉부 방사선 사진, 평균 7.2 ± 6.1세)와 탐색 세트(2,630장, 평균 5.9 ± 6.0세)에서 기흉은 11%, 폐경결은 14%, 결절은 15%, 흉막삼출은 6%의 최적 작동 지점을 산출하였다. 3%의 작동 지점을 사용하면 2세 미만 아동, 휴대용 방사선 사진, 전후방(anteroposterior) 투영상에서 기흉의 민감도가 향상되었다. 따라서 병변 유형, 연령, 영상 방법에 기반하여 AI의 작동 지점을 최적화하면, 성인 대상 AI를 기반으로 하여 소아 흉부 방사선 사진의 진단 성능을 개선할 수 있다.

흉부 X선 촬영 영상(CXR) 판독 시 인공지능(AI)의 활용이 방사선의사의 업무 부담에 영향을 미치는지 여부가 특히 관심의 대상이다. 따라서 본 전향적 관찰 연구는 CXR의 일상적 판독에서 AI가 방사선의사의 판독 시간에 어떻게 영향을 미치는지 관찰하고자 하였다. 2021년 9월부터 12월까지 흉부 X선(CXR) 판독의 판독 시간 수집에 동의한 방사선의사를 모집하였다. 판독 시간은 동일한 방사선의사가 CXR을 열어본 시점부터 이미지 판독 결과를 전사(transcribing)하는 데까지의 초 단위 소요 시간으로 정의하였다. 모든 CXR에는 상용 AI 소프트웨어가 통합되었으며, 방사선의사들은 2개월 동안(AI 보조 기간) AI 결과를 참고할 수 있었다. 나머지 2개월 동안에는 방사선의사들이 AI 결과에 대해 자동으로 눈가림되었다(AI 비보조 기간). 총 11명의 방사선의사가 참여하였고 18,680개의 CXR이 포함되었다. AI 사용은 무사용에 비해 전체 판독 시간을 유의하게 단축시켰다(13.3초 대 14.8초, p < 0.001). AI가 이상 소견을 감지하지 못한 경우에는 AI 사용 시 판독 시간이 더 짧았다(평균 10.8초 대 13.1초, p < 0.001). 그러나 AI가 어떤 이상 소견이라도 감지한 경우에는 AI 사용 여부에 따라 판독 시간에 차이가 없었다(평균 18.6초 대 18.4초, p = 0.452). 판독 시간은 이상 소견 점수가 증가할수록 증가하였고, AI 사용 시 더 큰 증가가 관찰되었다(계수 0.09 대 0.06, p < 0.001). 따라서 방사선의사들 간의 CXR 판독 시간은 AI의 이용 가능성에 의해 영향을 받았다. 전반적으로 방사선의사들이 AI를 참고할 때 판독 시간이 단축되었으나, AI가 감지한 이상 소견은 판독 시간을 길게 할 수 있었다.

소아 흉부 방사선 사진에 적용된 인공지능(AI)은 아직 드문 실정이다. 본 연구는 성인 흉부 방사선 사진을 위해 개발된 AI 기반 소프트웨어를 소아 흉부 방사선 사진에 사용할 수 있는지를 평가하였다. 2021년 3월부터 5월까지 흉부 방사선 촬영을 시행한 소아 환자(18세 이하)를 후향적으로 포함하였다. AI 기반 병변(lesion) 검출 소프트웨어는 결절(nodule), 경화(consolidation), 섬유화(fibrosis), 무기폐(atelectasis), 심비대(cardiomegaly), 흉막삼출(pleural effusion), 기흉(pneumothorax), 기복증(pneumoperitoneum)의 존재 여부를 평가하였다. 소아 영상의학과 전문의의 결과를 표준 기준(reference)으로 하여 소프트웨어의 진단 성능을 평가하였다. 총 2273장의 흉부 방사선 사진에서 AI 기반 소프트웨어는 각각 민감도, 특이도, 양성 예측도(positive predictive value, PPV), 음성 예측도(negative predictive value, NPV), 정확도가 67.2%, 91.1%, 57.7%, 93.9%, 87.5%로 나타났다. 연령은 부정확한 결과와 관련된 유의한 요인이었으며(odds radio 0.821, 95% 신뢰구간 0.791-0.851), 심비대를 제외하고 2세 이하 아동을 제외했을 때 민감도, 특이도, PPV, NPV 및 정확도는 유의하게 증가하였다(각각 86.4%, 97.9%, 79.7%, 98.7%, 96.9%; 모두 p < 0.001). 결론적으로, 성인 흉부 방사선 사진을 기반으로 개발된 AI 기반 소프트웨어는 심비대를 제외하고 2세 이하 아동을 제외했을 때 소아 흉부 방사선 사진에서 최대 96.9%의 진단 정확도를 보였다. AI 기반 병변 검출 소프트웨어는 더 어린 연령대의 아동에서 검증되어야 한다.

우리는 소아 간 지방증 평가를 위한 초음파 감쇠 영상(attenuation imaging, ATI)의 적용 가능성을 조사하였다. 간 초음파검사에서 간 지방증이 의심되어 ATI를 함께 시행받은 소아 및 청소년 111명을 포함하였다. 참가자들은 회색조 초음파(US) 소견에 따라 정상, 경도, 또는 중등도-중증 지방간 군으로 분류하였다. 임상적 요인, 자기공명영상(magnetic resonance imaging, MRI) 양성자 밀도 지방분율(proton density fat fraction), 지방증 병기, 그리고 ATI 값 사이의 연관성을 평가하였다. 지방증 병기 결정을 위한 ATI의 절단값(cutoff value)을 구하기 위해 곡선 아래 면적(area under the curve, AUC)을 분석하였다. ATI 측정 실패를 유발할 수 있는 요인도 평가하였다. 111명의 참가자 중 88명에서 성공적인 측정 결과를 얻었다. ATI 값의 중앙값은 지방증 병기에 따라 유의하게 증가하였고(p < 0.001), 체질량지수(body mass index, BMI)는 ATI 값 증가의 유의한 요인이었다(p = 0.047). 지방간과 정상 간을 구분하기 위해서는 AUC 값 0.853을 기준으로 0.59 dB/cm/MHz의 절단값을 사용할 수 있었다. 중등도-중증 지방간과 경도 지방간을 구분하기 위해서는 AUC 값이 최대 0.91에 이르는 0.69 dB/cm/MHz의 절단값을 사용할 수 있었다. ATI는 소아에서 소아 간 지방증을 정량화하고 병기화하는 데 효과적인 초음파검사 기법으로 활용될 수 있다.

본 연구는 중추성 조기발성증(CPP)을 진단하는 데 있어 임상 및 골반 초음파 지표의 예측 가치를 탐색하고, 진행성 CPP(P-CP)와 비진행성 조기발성증(N-PP)을 구별하기 위한 임상적으로 유용한 간소화 예측 모델을 수립하고자 하였다. 2020년 9월부터 2023년 11월까지 생식샘자극호르몬방출호르몬(gonadotropin-releasing hormone) 자극검사와 골반 초음파를 시행받은 9세 미만의 이차성징 발달 소녀들을 후향적으로 포함하여 P-CP군과 N-PP군으로 나누었다. 로지스틱 회귀분석을 사용하여 유의한 지표를 확인하고 예측 모델을 개발하였다. 모델의 진단 성능은 수신자조작특성곡선(receiver operating characteristic curve) 아래 면적(AUC) 분석 및 델롱(Delong) 방법으로 비교하였다. 초음파 지표의 추가 효과는 연속 순재분류개선(continuous net reclassification improvement, cNRI)과 절대 통합 판별개선(absolute integrated discrimination improvement, IDI)로 확인하였다. 진행성 CPP(P-CP) 발병 확률을 예측하기 위해 간소화된 모델을 기반으로 명목도(nomogram) 점수 체계를 구성하였다. 총 109명의 소녀가 포함되었고, 그중 64명(58.7%)이 P-CP군에 해당하였다. 연령, 골연령, 신장, 신장-중간부모 신장 차이, 기저 황체형성호르몬(luteinizing hormone, LH), 난포자극호르몬(follicle-stimulating hormone, FSH), 에스트라디올(estradiol), 인슐린유사성장인자-I(insulin-like growth factor-I, IGF-I), 탄너 단계(Tanner stage), 그리고 경부(cervical)와 저부(fundus) 폭이 P-CP 진단의 유의한 지표였다. 초음파 지표를 포함한 모델은 초음파 지표를 포함하지 않은 모델에 비해 cNRI와 IDI 값이 유의하게 더 높았다. 간소화 모델은 기저 LH, 에스트라디올, 저부 폭으로 구성되었으며, AUC 값은 0.93(95% 신뢰구간: 0.88-0.98)이고 절단값(cutoff value)은 16이었다. 결론적으로, 골반 초음파 지표를 전통적인 임상 결과에 추가하는 것은 P-CP 선별에 있어 부가적인 효과가 있다. 간소화된 예측 모델은 실제 임상 현장에서 CPP 선별에 효과적이다. 본 결과는 소아에서 CPP에 대한 고전적 진단 접근의 한계를 극복할 수 있는 예측 모델의 잠재력을 시사한다.

또한 이 호에서 Choi가 게재한 편집자 글을 참고하십시오.

배경 및 목적: 본 연구에서는 소아에서 인슐린 저항성 표지자에 대한 제한된 연구를 보완하기 위해, 중성지방-고밀도 지단백(HDL) 비(triglyceride-to-high density lipoprotein; TG/HDL), 중성지방-포도당 지수(triglyceride-glucose index; TyG), 단일 지점 인슐린 감수성 추정치(single-point insulin sensitivity estimator; SPISE), 인슐린 저항성에 대한 대사 점수(metabolic score for insulin resistance; METS-IR)를 소아 대사기능장애 연관 지방간질환(MASLD)의 잠재적 예측인자로 평가하였다. 방법: 이 단면 연구에는 각각 National Health and Nutrition Examination Survey(NHANES) 자료 1,150명 및 실제 임상 환경(real-world clinic) 자료 260명의 청소년이 포함되었다. 간 지방증은 일과성 탄성촬영(transient elastography)과 복부 초음파를 사용하여 평가하였다. 로지스틱 회귀분석을 시행하였으며, MASLD를 종속 변수로 설정하였다. 예측 가능성 평가는 수신자 조작 특성(receiver operating characteristic; ROC) 곡선을 사용하였다. 결과: <0.001). 여성 집단에서 SPISE에 대한 AUC는 TG/HDL 또는 TyG에 대한 AUC보다 유의하게 높았다. 결론: METS-IR와 SPISE는 소아 MASLD를 예측하기 위한 효과적이고 비침습적인 표지자이며, 조기 발견과 임상적 관리 개선을 위한 유용한 도구를 제공한다. 의의 및 시사점: 소아 대사기능장애 연관 지방간질환(MASLD)의 유병률 증가와 심혈관대사 위험 인자와의 강한 연관성은 효과적인 조기 발견 도구의 필요성을 강조한다. 본 연구는 단일 지점 인슐린 감수성 추정치(SPISE)와 인슐린 저항성에 대한 대사 점수(METS-IR)가 아동 및 청소년에서 MASLD를 예측하기 위한 우수한 비침습적 표지자이며, 집단 기반 및 실제 임상 환경 모두에 적용 가능한 검증된 절단값을 제시함을 보여준다. 이러한 결과는 일상적인 검사로부터 도출된 실용적이며 쉽게 접근 가능한 선별 도구를 제공하여 소아 MASLD의 조기 식별과 위험 계층화를 돕는다는 점에서 임상의와 보건의료 정책 입안자에게 특히 중요하다. 다만 본 연구가 후향적 설계였고 자료집합 간 진단 방법에 변이가 있었으므로, 연령대별 절단값을 정교화하고 선별 접근을 최적화하기 위해 더 큰 규모의 다양한 코호트에서 추가 검증이 필요하다.

배경 및 목적: 대사기능장애관련 지방간질환(metabolic dysfunction-associated steatotic liver disease, MASLD)은 전 세계적으로 유병률이 높음에도 불구하고, 소아 인구에서 활용 가능한 효과적인 비침습적 진단 도구는 제한적이다. 본 연구는 청소년/소아 집단에서 MASLD 진단을 위한 지방간지수(fatty liver index, FLI)와 간 지방침착지수(hepatic steatosis index, HSI)의 예측 성능을 검증하고, MASLD 및 중증 MASLD 진단을 위한 최적 절단값을 제시하고자 하였다. 방법: 본 단면 연구에는 각각 미국 National Health and Nutrition Examination Survey(NHANES) 2017–2020 자료에서 1158명, 그리고 실제 임상 환경의 자료에서 203명의 청/청소년이 포함되었다. 간 지방침착은 진동제어 일시탄성법(vibration-controlled transient elastography) 또는 초음파에서 얻은 controlled attenuation parameter 값에 근거하여 정의하였다. FLI와 HSI의 성능은 로지스틱 회귀분석, 수신자조작특성(receiver operating characteristic) 곡선 아래 면적(area under the receiver operating characteristic curve, AUC), 그리고 Youden의 지수로부터 산출한 최적 절단값을 이용하여 평가하였다. 결과: MASLD에 대한 FLI와 HSI의 AUC는 NHANES 자료에서 각각 0.91과 0.90이었으며, 실제 임상 자료에서는 두 지표 모두 0.93이었다. MASLD 진단을 위한 최적 절단값은 FLI의 경우 20(하한)과 50(상한), HSI의 경우 30(하한)과 40(상한)이었다. 중증 MASLD의 경우 FLI 절단값은 60으로 증가한 반면, HSI 절단값은 40에서 유지되었고, 두 지표 모두 AUC 0.83을 나타냈다. 알라닌 아미노전이효소(alanine aminotransferase) 수치가 정상인 청/청소년에서는 두 지표의 AUC가 NHANES 자료에서 각각 0.89였고, 실제 임상 자료에서는 0.91이었다. 결론: FLI와 HSI는 알라닌 아미노전이효소 수치가 정상인 경우를 포함하여 소아 MASLD 및 중증 MASLD 진단을 위한 효과적인 비침습적 도구이다.