모낭충 검사 부담 줄인다…AI 기반 진단 모델 개발

(사진 왼쪽부터)김지희 연세대학교 용인세브란스병원 피부과 교수, 박창욱 세브란스병원 피부과 교수, 김제민 용인세브란스병원 피부과 교수. 용인세브란스병원 제공

안면 홍반 환자에서 모낭충 밀도를 얼굴 사진과 임상 정보만으로 예측할 수 있는 인공지능(AI) 모델이 개발됐다. 해당 모델을 활용했을 때 실제 피부과 전문의의 진단 정확도도 유의하게 향상된 것으로 나타났다.

김지희·김제민 연세대학교 용인세브란스병원 피부과 교수와 박창욱 세브란스병원 피부과 교수 연구팀은 안면 홍반 환자의 모낭충 밀도를 예측하는 딥러닝 모델을 개발하고, 이를 통해 의료진의 진단 성능이 개선된다는 사실을 확인했다고 15일 밝혔다.

안면 홍반은 주사(rosacea), 접촉 피부염, 아토피 피부염, 여드름, 루푸스 등 다양한 피부 질환에서 공통적으로 나타나는 증상이다. 이 가운데 모낭충은 안면 홍반의 주요 원인 중 하나로, 과도하게 증식할 경우 발적과 가려움, 염증 등을 동반한 모낭충증을 유발할 수 있다. 다만 임상 양상이 다른 피부 질환과 유사해 정확한 감별 진단이 쉽지 않다.

현재 모낭충증 진단은 피부 표면 생검이나 피지 분비물 압출 검사를 통해 모낭충을 직접 분리해 밀도를 측정하는 방식이 주로 사용된다. 이 과정은 반침습적이며 통증을 동반할 수 있고, 검사자의 숙련도에 따라 결과 편차가 크다는 한계가 있다.

연구팀은 이러한 한계를 보완하기 위해 얼굴 사진과 임상 데이터만으로 모낭충 밀도를 예측하는 AI 기반 모델 ‘DemodexNet’을 개발했다. 연구는 2016년 1월부터 2023년 8월까지 세브란스병원과 용인세브란스병원에서 안면 홍반으로 내원해 모낭충 밀도 검사를 받은 환자 1124명을 대상으로 한 후향적 진단 연구로 진행됐다.

DemodexNet은 나이, 성별, 임상 증상, 혈청 알레르기 지표 등 12개 임상 변수와 얼굴 이미지를 통합 분석하는 구조다. 전체 얼굴과 이마·코·볼·턱 등 국소 영역을 함께 분석하는 ‘스태킹 앙상블(SE)’ 모델과, 고해상도 이미지에서 모낭충 감염과 연관된 영역을 자동으로 선택해 분석하는 약지도 학습 기반 ‘GMIC’ 모델을 결합해 설계됐다.

모델 성능을 평가한 결과, DemodexNet의 예측 정확도는 수신기 작동 특성 곡선 아래 면적(AUROC) 기준 0.823~0.865로 나타났으며, GMIC 기반 통합 모델이 가장 높은 성능을 보였다. 특히 AI 모델을 진단 보조 도구로 활용했을 때 피부과 전문의의 평균 진단 정확도는 63.7%에서 70.6%로 상승했다. 민감도 역시 13.6% 향상돼 모낭충 양성을 놓치는 사례가 줄어든 것으로 분석됐다.

의사 경력에 따른 분석에서는 경력 2년 미만의 저경력 집단에서 정확도가 11.6%포인트 향상돼 가장 큰 개선 효과를 보였고, 경력 8년 이상 고경력 집단에서도 5.8%포인트의 향상이 확인됐다. AI에 대한 신뢰도가 높은 집단에서 진단 보조 효과가 더 컸지만, AI의 예측을 무비판적으로 따르는 경향이 증가하지는 않은 것으로 나타났다.

김제민 교수는 “얼굴 사진과 임상 정보만으로 모낭충 밀도를 예측하는 AI 모델을 개발하고, 인간과 AI의 협업 효과를 실증적으로 입증한 세계 최초의 연구”라며 “모낭충 검사 장비가 없는 1차 의료기관이나 원격 진료 환경, 수련의 교육 등 다양한 현장에서 활용 가능성이 클 것”이라고 말했다.