요약: 얼굴 홍조 환자 Demodex 밀도 예측 AI 모델 개발
연세대학교 용인세브란스병원 김지희, 김제민 교수 및 세브란스병원 박창욱 교수 연구팀이 얼굴 홍조 환자의 Demodex (모낭충) 밀도를 예측하는 딥러닝 모델 (DemodexNet)을 개발했습니다.
주요 내용:
* 얼굴 홍조의 원인 중 하나인 Demodex: 정확한 진단이 중요하지만, 기존 진단 방식은 반침습적이고 숙련도에 따라 결과가 달라지는 단점이 있었습니다.
* AI 모델 개발: 환자의 임상 데이터와 얼굴 사진만을 이용하여 Demodex 밀도를 예측하는 AI 모델을 개발했습니다.
* demodexnet 모델: 12가지 임상 변수와 얼굴 이미지 분석 결과를 통합하여 demodex 밀도를 예측합니다.
* SE 모델: 얼굴 전체 이미지와 7개 부위(이마, 코, 뺨, 턱 등)를 분석
* GMIC 모델: Demodex 감염 관련 부위를 자동으로 선택 및 분석 (약지도 학습 기반)
* 뛰어난 예측 성능: AUROC 지표에서 0.823~0.865의 높은 예측 성능을 보였으며, 특히 GMIC 기반 통합 모델이 0.865로 가장 높은 성능을 보였습니다.
* 진단 정확도 향상: AI 모델의 도움을 받아 피부과 의사의 진단 정확도가 평균 63.7%에서 70.6%로 향상되었으며, 특히 경험이 적은 의사(2년 미만)에게서 11.6%의 가장 큰 정확도 향상이 나타났습니다.
* AI 신뢰도: AI에 대한 신뢰도가 높은 의사일수록 AI의 도움을 더 많이 받았으며, AI의 잘못된 예측을 무비판적으로 따르는 경향은 없었습니다.
* 향후 계획: 다양한 인종과 피부 타입을 포함하는 다기관 공동 연구를 통해 모델의 일반화 가능성을 검증하고, 실제 의료 환경에서의 유용성을 평가할 예정입니다.
의미:
본 연구는 얼굴 사진과 임상 데이터만으로 Demodex 밀도를 예측하는 AI 모델을 개발하고, 인간-AI 협업 모델의 효과를 입증한 세계 최초의 연구입니다. Demodex 검사 장비가 없는 1차 의료기관, 원격 의료 환경, 그리고 수련생 교육에 널리 활용될 것으로 기대됩니다.