AI-based detection of the optic nerve head central limit of the pigment epithelium in eyes with peripapillary atrophy

당신의 눈을 첨단 카메라라고 상상해 보세요. 하지만 플라스틱 렌즈 대신, 망막이라는 살아 숨 쉬는 필름을 가지고 있습니다. 이 필름의 아주 깊은 곳에는 망막색소상피(RPE)라는 특별한 페인트 층이 있습니다. 이 페인트를 당신의 눈이라는 풍경의 '지면'이라고 생각해 보세요. 이것은 모든 것을 지탱하고 빛에 민감한 세포들이 행복하게 지낼 수 있도록 유지해 줍니다. 이 풍경의 바로 한가운데에는 시각 신호가 뇌로 쏟아져 나가는 메인 케이블 출구와 같은 시신경 유두(ONH)가 있습니다.

때때로 이 케이블 출구 주변에서 이 '페인트'가 벗겨지거나 흐려지기 시작합니다. 이를 주위 위축(Peripapillary Atrophy, PPA)이라고 합니다. 이것은 나무 밑동 주변에 맨땅이 드러나는 것과 같습니다. 의사들은 이 맨땅의 패치가 너무 커지면 나무에 문제가 생길 수 있다는 것(종종 녹내장이라는 질환과 관련됨)을 오래전부터 알고 있었습니다. 하지만 까다로운 점은, 이 '맨땅'이 완전히 맨땅이 아닐 수도 있다는 것입니다. 때로는 아주 미세하고 보이지 않는 페인트 층이 여전히 그곳에 숨어 있을 수 있는데, 단지 육안이나 구식 카메라로는 볼 수 없을 만큼 얇을 뿐입니다. 눈의 건강을 측정하기 위해서, 의사들은 단순히 눈에 보이는 큰 맨땅 패치의 끝이 아니라, 실제 페인트의 가장자리가 정확히 어디인지 알아내야 합니다. 바로 여기서 새로운 종류의 '디지털 탐정'이 등장합니다.

디지털 탐정과 흐려지는 페인트

이 연구에서 스웨덴 웁살라 대학교의 연구진은 다음과 같은 단순하지만 결정적인 질문을 던졌습니다. 스마트한 컴퓨터 프로그램인 디지털 탐정이 훈련을 받는다면, 페인트가 흐려지기 시작한 눈에서도 그 숨겨진 페인트 층의 진짜 가장자리를 찾아낼 수 있을까?

그들이 만든 탐정의 이름은 AutoPimd입니다. 이것은 '딥러닝'—수천 장의 3D 안구 사진을 보며 패턴을 익히는 방식—을 사용하는 인공지능(AI) 알고리즘입니다. 이 프로그램의 임무는 시신경의 중심을 둘러싸는 선을 그려, **시신경 유두 색소상피 중심 한계(OPCL)**를 표시하는 것입니다. 이 선은 눈의 '지면'인 색소상피의 가장 안쪽 가장자리를 나타냅니다.

문제는 PPA가 있는 눈의 경우, 신경 주변의 모습이 매우 어수선하다는 점입니다. 눈에 보이는 흐릿한 구역(PPA 구역)이 존재합니다. 만약 당신이 손으로 이 어수선한 구역의 '바깥쪽' 가장자리를 그린다면, 커다란 원이 그려질 것입니다. 하지만 AI의 임무가 남아있는 페인트의 '안쪽' 가장자리를 찾는 것이라면, 그 원은 훨씬 더 작아야 합니다. 연구진은 AI가 혼동을 일으켜 작은 정밀한 선(실제 페인트 가장자리) 대신 큰 원(어수선한 구역)을 그리게 되는 것은 아닌지 확인하고 싶었습니다.

탐정을 테스트하는 방법

AutoPimd를 테스트하기 위해, 연구팀은 이 페인트가 흐려지는 증상을 가진 13명의 서로 다른 사람(여성 8명, 남성 5명, 연령 51~93세)의 눈 13개를 모았습니다. 그들은 빛을 이용한 초음파처럼 눈의 층을 단면으로 보여주는 OCT(광간섭 단층촬영) 장비를 사용하여 매우 상세한 3D 사진을 찍었습니다.

테스트 과정은 다음과 같습니다:

1. 인간의 지도: 전문가가 3D 사진을 보고 눈에 보이는 흐릿한 구역(PPA 구역)의 '바깥쪽' 가장자리를 따라 파란색 선을 직접 그렸습니다. 이것이 "큰 원"입니다.
2. AI의 지도: AutoPimd 프로그램이 남아있는 색소상피(OPCL)의 '안쪽' 가장자리를 따라 노란색 선을 자동으로 그렸습니다. 이것이 "작은 원"입니다.
3. 비교: 두 선 내부의 면적을 계산했습니다. 만약 AI가 혼동하여 "큰 원"을 가장자리라고 생각했다면, 두 면적은 거의 같을 것입니다. 하지만 AI가 숨겨진 안쪽 가장자리를 올바르게 찾았다면, "큰 원"(PPA)은 "작은 원"(OPCL)보다 눈에 띄게 커야 합니다.

연구 결과

결과는 유망했습니다. 연구진은 AI가 그린 면적(OPCL)이 비교적 일관적이며, 인간이 그린 어수선한 구역(PPA)보다 작다는 것을 발견했습니다. 실제로 두 면적의 차이는 평균적으로 3.17 ± 1.96 mm²였습니다.

이렇게 생각해 보세요. 만약 어수선하고 흐릿한 구역이 쏟아진 페인트의 커다란 웅덩이라면, AI는 그 웅덩이 한가운데에 여전히 놓여 있는 작고 특정한 페인트 섬을 성공적으로 식별해 낸 것입니다. AI가 그린 면적이 일관되게 인간이 그린 '어수선한 구역'보다 작다는 사실은, AI가 단순히 손상된 구역의 바깥쪽 가장자리를 짐작하는 것이 아니라, 실제 남아있는 색소상피의 경계를 정확히 찾아내고 있음을 시사합니다.

이 연구는 AutoPimd가 좋은 역할을 수행하고 있음을 보여줍니다. 이 AI는 페인트가 얇아지고 위축이 주변을 둘러싸고 있는 상황에서도, 3D 이미지 속의 미세한 단서들을 포착하여 남아있는 페인트 층을 "볼 수 있는" 것으로 보입니다. 연구진은 AI가 남은 페인트와 주변 조직 사이의 대비를 이용하거나, 혹은 페인트가 흐려질 때 드러나는 혈관을 감지하여 선이 어디에 위치해야 하는지 파악하는 것일 수 있다고 언급했습니다.

결론

이 논문은 이 미스터리가 완전히 해결되었다거나 AI가 모든 경우에 완벽하다고 주장하는 것은 아닙니다. 면적 크이의 차이에는 약간의 변동성(± 1.96 mm²)이 있었는데, 저자들은 이것이 모든 눈의 '흐릿한 패치'가 각기 다른 크기와 모양을 가지고 있기 때문이라고 설명했습니다. 그러나 이 연구는 새로운 AI 도구인 AutoPimd가 주위 위축이 있는 눈에서도 색소상피의 중심 한계를 정확하게 찾을 수 있다는 점을 강력하게 시사합니다.

눈 건강의 세계에서, 페인트가 흐려지는 중에도 '지면'의 가장자리를 믿을 수 있게 찾아내는 디지털 탐정을 갖게 된 것은 큰 진전입니다. 이는 의사들이 곧 시신경의 건강을 더 정밀하게 측정할 수 있는 방법을 갖게 되어, 문제를 더 일찍 발견하고 우리의 시력을 날카롭게 유지하는 데 도움을 줄 수 있음을 의미합니다.