AI 기반 안구디스크 사진 자동 녹내장 검출 평가

초록

본 연구는 스테레오 옵틱 디스크 사진을 이용해 Pegasus v1.0 AI 소프트웨어의 녹내장 검출 성능을 평가하고, 243명의 유럽 안과의사와 208명의 영국 검안사의 진단 정확도와 비교하였다. AI는 정확도 83.4%와 κ 0.74를 기록했으며, 이는 안과의사(80.5%, κ 0.70)와 검안사(80%, κ 0.71)와 통계적으로 차이가 없었다. 결과는 AI가 임상 현장에서 안과 전문인력과 동등한 수준의 진단 보조 도구가 될 가능성을 시사한다.

상세 분석

이 연구는 기존에 안과의사와 검안사가 수행한 이미지 판독 데이터를 활용해, 동일한 94장의 스테레오 옵틱 디스크 사진에 대해 Pegasus v1.0 인공지능 시스템의 진단 능력을 재현성 있게 검증하였다. 먼저 데이터셋은 스캔된 필름 슬라이드를 디지털화한 것으로, 이미지 품질과 해상도가 일정 수준 유지되었는지에 대한 언급이 없지만, 실제 임상 현장에서 흔히 접할 수 있는 조건을 반영한다는 점에서 실용성이 높다. AI 모델은 딥러닝 기반의 컨볼루션 신경망을 사용했으며, 사전 학습된 가중치를 기반으로 전이 학습을 수행했을 가능성이 있다. 그러나 모델 구조, 학습 데이터 규모, 전처리 과정 등에 대한 상세 설명이 부족해 재현 가능성에 한계가 있다.

성능 평가는 정확도(Accuracy)와 Cohen’s Kappa(κ) 두 가지 지표를 사용했으며, AI의 정확도 83.4%는 95% 신뢰구간(77.5‑89.2%) 내에서 안과의사 평균 80.5%(67.2‑93.8%)와 검안사 평균 80%(67‑88%)를 포괄한다. 특히 κ 0.74는 ‘양호한’ 일관성을 의미하며, 안과의사(κ 0.70)와 검안사(κ 0.71)와 비교해 차이가 없었다는 점은 AI가 인간 판독자와 동등한 반복성을 제공한다는 강력한 증거다. 통계적 유의성 검증은 p값이 명시되지 않았지만, “통계적으로 차이가 없다”는 서술을 통해 비판적 차이가 없음을 확인한다.

한계점으로는 표본 크기가 94장에 불과해 외부 검증이 제한적이며, 데이터가 유럽·영국 중심이므로 인종·안구 구조적 다양성을 반영하지 못한다는 점을 들 수 있다. 또한 ‘녹내장성 시신경병변’이라는 진단 기준이 안과 전문의의 주관적 판단에 의존했을 가능성이 있어, 금본위 기준(시각야 검사, OCT 등)과의 연계가 필요하다. 향후 연구에서는 다중 모달 이미지(색채 사진, OCT)와 대규모 다인종 데이터셋을 결합해 AI의 일반화 능력을 검증하고, 실제 임상 워크플로우에 통합했을 때의 비용‑효과 분석이 요구된다.

요약하면, Pegasus v1.0은 현재 수준의 스테레오 사진만으로도 안과 전문인력과 동등한 진단 정확도와 재현성을 보여주며, AI 기반 보조 진단 도구로서 실용적 가능성을 입증했다. 그러나 모델 투명성, 데이터 다양성, 임상 적용 시나리오 등에 대한 추가 연구가 뒤따라야 한다.