The German National Cohort: Ophthalmological Assessment, Baseline Profile and Potential for AI-based Eye Research

본 연구는 독일 국립 코호트 (NAKO) 의 48,460 명 참가자의 안과적 기저 프로필을 규명하고, 안구 건강 연구에서 인공지능 도구를 개발하고 검증하기 위한 대규모 인구 기반 자원으로서 해당 데이터셋이 지닌 높은 잠재력을 입증합니다.

핵심

인간의 눈을 단순히 영혼의 창이 아니라, 전신의 건강에 관한 비밀을 간직하고 있는 고해상도 지도로 상상해 보세요. 이 논문은 독일 국가 코호트 (NAKO) 안과 데이터셋이라는 거대한 새로운 '지도 도서관'을 소개합니다.

연구자들이 무엇을 했는지 간단히 설명한 이야기입니다:

1. 거대 프로젝트: 전국적인 안과 검진

독일 국가 코호트는 205 만 명의 독일 성인들을 위한 거대한 장기 건강 일기라고 생각하세요. 사람들이 왜 아픈지 과학자들이 이해하는 데 도움이 되도록 건강 데이터를 저장하는 거대한 도서관과 같습니다.

이 거대한 도서관 안에서 연구자들은 특별한 '안과 wing(동)'을 설치했습니다. 그들은 인구의 무작위 표본인 약 48,500 명을 초대하여 상세한 안과 검진을 받도록 했습니다. 이는 단순한 눈대중이 아니라, 다음과 같은 심층 조사가 포함된 것이었습니다:

• 시력을 얼마나 잘 보는지 확인하기 위한 시력 검사표 읽기.
• 동공을 점안액으로 확장할 필요 없이 눈 뒤쪽 (망막) 의 고화질 사진 촬영.

2. '카메라'와 '품질 관리'

연구자들은 망막의 사진을 찍기 위해 특수 카메라를 사용했습니다. 마치 눈의 미세하고 정교한 도시 (혈관과 신경) 를 멀리서 촬영하는 것과 같습니다.

• 도전 과제: 때로는 사진이 흐릿하거나 어둡거나 흔들릴 수 있습니다. 이 연구에서는 20 만 장 이상의 사진을 촬영했습니다.
• 해결책: 그들은 단순히 인간의 눈으로 사진을 보지 않았습니다. 대신 **네 가지 다른 'AI 로봇'(컴퓨터 프로그램)**을 훈련시켜 품질 검사관으로 역할을 하게 했습니다. 이 로봇들은 모든 사진을 하나씩 살펴보고 등급을 매겼습니다.
• 결과: 약 **68%**의 사진은 네 로봇 모두 연구하기에 '충분히 좋다'고 동의할 정도로 선명했습니다. 이는 영국 바이오뱅크 (UK Biobank) 와 같은 다른 대규모 연구들에 비해 매우 높은 성공률로, 독일 팀이 선명한 사진을 얻는 데 큰 성과를 거두었음을 의미합니다.

3. '지도'가 밝혀낸 것 (기초 데이터)

선명한 사진들의 도서관을 확보한 후, 그들은 전형적인 건강한 독일 성인이 어떤 모습인지 알아보기 위해 '지도'를 살펴보았습니다. 그들은 다음과 같은 사실을 발견했습니다:

• 시력: 대부분의 사람들은 뛰어난 시력을 가지고 있었습니다 (완벽한 20/20 점수와 같음).
• 일반적인 문제: 소수의 사람들이 백내장 (흐린 수정체), 녹내장 (신경 손상), 또는 황반 변성 (시력의 중심부 손상) 을 앓고 있다고 보고했습니다.
• 신체와의 연결: 나이가 들수록 눈의 '도로'(혈관) 가 약간 좁아지고 눈의 '배수' 영역의 모양이 변한다는 것을 알아차렸습니다. 이러한 변화는 남성과 여성마다 다르게 발생하지만, 대부분은 노화의 일부로 발생합니다.

4. 'AI 수정구' 실험

이것은 과학의 미래에 있어 가장 흥미로운 부분입니다. 연구자들은 과감한 질문을 던졌습니다: "컴퓨터가 눈 사진을 보고 눈에는 쓰여 있지 않은 사람의 신체에 대한 것들을 추측할 수 있을까?"

그들은 AI 모델에게 눈 사진을 보고 다음 세 가지를 추측하도록 가르쳤습니다:

1. 이 사람의 나이는? (AI 는 실제 나이에서 약 3 년 오차 범위 내에서 추측했습니다).
2. 이 사람은 남자인가요, 여자인가요? (AI 는 **83%**의 확률로 맞췄습니다).
3. 혈압은 얼마인가요? (AI 는 수축기 혈압에서 약 11 포인트 오차 범위 내에서 추측했습니다).

비유: 사람의 얼굴을 보고 나이나 피로도를 추측하는 것을 상상해 보세요. 연구자들은 눈이 '생물학적 대시보드'와 같다는 것을 보여주었습니다. AI 가 완벽하지는 않았지만, 눈에는 신체의 나머지 건강 상태에 대한 숨겨진 단서들이 포함되어 있다는 것을 입증했습니다.

5. 이것이 중요한 이유 (논문에 따르면)

이 논문은 이것이 내일 질병을 치료할 것이라고 주장하지 않습니다. 대신 이렇게 말합니다: "우리는 방대하고 고품질이며 오픈 소스인 공구 상자를 만들었습니다."

• 공구 상자: 그들은 이 모든 사진들, 품질 점수, 그리고 AI 도구들을 다른 과학자들에게 제공하기로 했습니다.
• 목표: 이를 통해 전 세계의 연구자들이 심장병, 당뇨병, 노화와 어떻게 연결되는지 연구하기 위해 자신만의 'AI 수정구'를 구축할 수 있게 됩니다.

요약하자면:
연구자들은 독일인 대집단을 대상으로 수천 장의 고품질 눈 사진을 촬영했고, 컴퓨터가 이러한 사진을 읽어 사람의 나이와 혈압과 같은 기본적인 사실을 추측할 수 있음을 입증했습니다. 이제 그들은 이 거대한 '눈 사진 도서관'의 문을 세계에 열어 다른 과학자들이 건강을 이해하기 위한 더 나은 도구를 구축할 수 있도록 했습니다.

기술 요약

기술 요약: 독일 국립 코호트 안과 데이터셋

문제 및 배경
대규모 인구 기반 코호트는 만성 질환의 결정 요인을 이해하는 데 필수적이지만, 이러한 코호트 내 포괄적인 안과 데이터는 여전히 제한적입니다. 영국 바이오뱅크 (UK Biobank) 와 같은 연구들이 망막 이미징에 대한 기준을 마련했음에도 불구하고, 안구 건강, 전신적 연관성, 그리고 "ocularomics(안구 이미지를 활용한 전신 건강 예측)"의 잠재력을 조사하기 위해 독일 내에서 유사하게 심층 표현형이 분석된 전국적 자원이 필요합니다. 독일 국립 코호트 (NAKO) 는 20 만 명 이상의 참가자를 대상으로 한 광범위한 전향적 연구 내에 표준화된 안과 모듈을 구축함으로써 이를 해결하고자 합니다. 본 논문에서 다루는 주요 과제는 역학 연구와 인공지능 (AI) 개발을 위한 자원으로 활용하기 위한 이 데이터셋의 기술, 품질 평가, 그리고 초기 검증입니다.

방법론
본 연구는 주 코호트의 일부에게 제공된 "Level 2" 검사인 NAKO 안과 모듈의 기저 데이터를 분석합니다.

• 연구 대상: 독일 전역 18 개 연구 센터에서 시력 검사 및 비산동 색소 fundus 촬영을 완료한 19~74 세 성인 48,460 명을 분석에 포함했습니다.
• 데이터 수집:
  • 시력: 참가자가 원거리 교정 안경을 착용한 상태에서 4 미터 거리에서 ETDRS 차트를 사용하여 단안으로 측정했습니다.
  • 이미징: Revenio DRS 카메라 (시야 45° x 40°) 를 사용하여 비산동 색소 fundus 촬영을 수행했습니다. 각 눈마다 황반 중심 이미지와 시신경 유두 중심 이미지 한 장씩을 촬영했습니다.
  • 설문지: 참가자는 안과 병력 (백내장, 녹내장, 황반 변성) 및 전신 건강에 대한 자가 보고 데이터를 제공했습니다.
• 이미지 처리 및 AI 분석:
  • 품질 관리: 203,493 장의 이미지에 대한 등급 판정 능력을 평가하기 위해 Fundus Image Toolbox, AutoMorph, VascX, RetiRatey 등 4 개의 오픈 소스 딥러닝 모델을 적용했습니다. 이미지는 4 개 모델의 모든 기준을 충족할 경우 "등급 판정 가능 (gradable)"으로 간주되었습니다.
  • 형태학적 추출: AutoMorph 파이프라인을 사용하여 수직 컵 - 디스크 비율, 중심 망막 동맥 등가치 (CRAE), 동맥 - 정맥 비율 (AVR), 혈관 밀도 등을 포함한 정량적 특징을 추출했습니다.
  • 전신 예측: ResNet18, ResNet50, Inceptionv3, Xception, EfficientNetv2-Small, ViT-Small, Swin-Tiny 등 표준 딥러닝 아키텍처를 153,134 장의 고품질 이미지로 학습시켜 나이, 성별, 혈압 (수축기 및 이완기) 을 예측했습니다. 모델은 ImageNet 가중치로 초기화되었으며 5-fold 교차 검증을 사용하여 미세 조정되었습니다.

주요 결과

• 인구통계학적 및 기저 프로필: 코호트의 평균 나이는 48.9 ± 12.5 세였으며, 남성 참가자는 52.7% 였습니다. 평균 시력은 높았습니다 (왼쪽 눈 0.01 logMAR, 오른쪽 눈 0.03 logMAR). 자가 보고된 안과 질환 유병률은 낮았습니다: 백내장 (4.2%), 녹내장 (2.0%), 황반 변성 (0.9%).
• 이미지 품질: 데이터셋은 높은 이미지 품질을 보여주었습니다. 4 개 AI 품질 모델의 합의에 따라 203,493 장의 이미지 중 68.2% 가 등급 판정 가능으로 분류되었습니다. 이 비율은 동일한 알고리즘으로 평가했을 때 영국 바이오뱅크 (48.7%) 의 비교 지표보다 높았습니다. 이미지 품질은 나이와 상관관계가 있어, 40 세 미만 참가자에서는 약 80~90% 였으나 가장 나이 많은 연령군에서는 40.8% 로 감소했습니다.
• 형태학적 발견: 자동 추출은 나이에 따른 체계적인 경향을 드러냈습니다: 컵 - 디스크 비율은 나이가 들면서 증가하는 반면, CRAE, AVR 및 혈관 밀도는 감소했습니다. 성별 차이는 통계적으로 유의미했으나 크기는 작았습니다.
• AI 예측 성능:
  • 나이: EfficientNetv2-S 가 평균 절대 오차 (MAE) 2.96 년 ($R^2$ = 0.901) 으로 가장 좋은 성능을 보였습니다.
  • 성별: Swin-Tiny 와 EfficientNetv2-S 는 약 83.5% 의 정확도와 약 0.919 의 AUC 를 달성했습니다.
  • 혈압: EfficientNetv2-S 는 수축기 혈압에 대해 10.78 mmHg, 이완기 혈압에 대해 7.01 mmHg 의 MAE 를 산출했습니다.
  • 이러한 결과는 영국 바이오뱅크와 EyePACS 데이터셋으로 학습된 최신 모델들 (Poplin et al., 2018) 과 비교하거나 약간 더 우수했습니다.

의의 및 주장
저자들은 NAKO 안과 데이터셋을 과학계를 위한 기초적이고 개방적인 자원으로 위치 짓습니다. 그들은 이 데이터셋이 다음 세 가지 주요 이유로 중요하다고 주장합니다:

1. 규모와 대표성: 약 50,000 명의 참가자에 대해 시력, 전신 건강 지표, 색소 fundus 이미지를 제공하는 독일 내 대규모 전국 인구 기반 자원을 제공합니다.
2. AI 및 Oculomics 검증: 고품질 이미지와 딥러닝 모델의 성공적인 학습은 이 데이터셋이 안구 건강을 위한 AI 도구 개발 및 검증과 망막 이미지로부터 전신 변수 (나이, 성별, 혈압) 를 예측하는 데 적합함을 보여줍니다.
3. 역학적 유용성: 이 데이터는 노화 및 성별과 관련된 형태학적 변화를 포함하여 일반 성인 인구의 안구 건강을 연구할 수 있게 합니다.

본 논문은 현재의 기저 특성화가 시작점이지만, 이 자원은 추적 검사를 통해 확장되도록 설계되었다고 결론지었습니다. 향후 공개에는 수동으로 등급이 매겨진 이미지 데이터와 파생 표현형이 포함되어 안과 질환의 진행 및 안구 건강 유지에 대한 종단 연구를 가능하게 할 것입니다. 저자들은 이 데이터셋이 향후 연구를 위한 강력한 기반을 제공한다고 강조하지만, OCT 와 같은 보완적 모달리티의 부재와 실제 질병 부담을 과소평가할 수 있는 자가 보고 질병 데이터에 대한 의존성 등 한계점도 지적합니다.