측두하악관절 골관절염(TMJ-OA)은 통증과 기능 제한을 유발하는 퇴행성 질환이지만, 전신 골관절염(OA)과의 관련성은 아직 명확하지 않다. 본 연구는 골 스캔(bone scintigraphy, bone scans)을 이용하여 TMJ-OA를 자동으로 진단하기 위한 딥러닝 모델을 개발하고, 잠재적 예측인자로서 전신 OA 양상을 평가하고자 하였다. VGG16 아키텍처를 기반으로 한 3가지 컨볼루션 신경망(CNN) 접근법으로, 1,943명의 환자(3,886개의 TMJ)를 대상으로 데이터를 분석하였다. 두경부 영상에서 VGG16-Lite 모델은 연령 및 성별 하위집단 전반에 걸쳐 탁월한 진단 정확도(AUC > 0.90)를 보였으며, 사전학습(pretrained) 모델들을 능가하였다. 두경부를 제외한 전신 스캔은 TMJ-OA에 대해 다소 제한적인 예측 가치를 제공했을 뿐(AUC ∼ 0.65), 전신 양상만으로는 유용성이 제한적임을 시사하였다. 이러한 결과는 경량 딥러닝 모델을 활용한 표적 골 스캔의 TMJ-OA의 견고하고 효율적인 탐지 가치가 크다는 점을 강조하는 한편, 전신 연관성에 대한 추가 연구의 필요성도 부각한다.

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