Artificial Intelligence for Pediatric Vesicoureteral Reflux Assessment on Voiding Cystourethrography: A Scoping Evidence Map of Diagnostic Performance and Clinician-Assisted Interpretation

기술 요약: 소아 방광요관 역류 평가를 위한 인공지능 기반 배뇨성 방광요도 조영술 분석

문제 제기
방광요관 역류(VUR)는 소아 비뇨기과적 질환 중 중요한 상태로, 방광에서 요관 및 신장 집합관으로 소변이 역류하는 현상을 의미하며 정확한 진단과 등급 판정이 필수적이다. 표준 진단 방법인 배뇨성 방광요도 조영술(VCUG)은 국제 역류 등급 시스템(Grade I–V)에 의존한다. 그러나 시각적 등급 판정은 본질적으로 주관적이며, 특히 Grade III와 IV의 경계에서 변동성이 크다. 이러한 가변성은 항생제 예방 요법, 수술적 개입(예: 내시경적 주입술 또는 요관 재이식술), 장기적 신장 위험 평가와 같은 중요한 임상적 결정에 영향을 미친다. 인공지능(AI) 및 딥러닝이 VCUG 해석을 자동화하거나 보조하기 위해 적용되어 왔으나, 문헌들은 대상 작업, 영상 입력, 아키텍처 및 검증 전략 측면에서 이질적인 특성을 보인다. 결과적으로, 현재의 AI 모델이 영상의학 전문의보다 자율적인 우월성을 제공하는지, 아니면 주로 등급의 일관성을 높이고 관찰자 간 변동성을 줄이는 도구로서 기능하는지는 여전히 불분명하다.

방법론
본 연구는 공식적인 진단적 메타 분석 대신, PRISMA 확장형 스코핑 리뷰(PRISMA-ScR) 지침을 준수하는 스코핑 에비던스 맵(scoping evidence map) 설계를 채택하였다. 합성은 Elicit 도구를 통해 생성된 두 개의 내보내기 데이터셋을 기반으로 컴퓨터 보조 워크플로우를 통해 수행되었다:

1. 500개의 레코드를 포함하는 스크리닝 데이터셋.
2. 2019년부터 2025년 사이에 발표된 13개의 포함 연구로부터 상세 데이터를 추출한 추출 데이터셋.

선정 기준:

• 소아 환자 또는 소아 영상 데이터.
• AI, 머신러닝, 딥러닝 또는 컴퓨터 보조 진단 접근 방식의 평가.
• VCUG 또는 관련 데이터를 사용한 VUR 탐지, 등급 판정, 저등급/고등급 분류, AI 보조 해석 또는 임상적으로 관련된 VUR 예측에 초점.
• 진단 성능, 신뢰도, 일치도 또는 임상의 비교 지표를 보고함.

제외 기준:

• 비소아 연구, 비인체 데이터, 사설(editorials), 임상적으로 해석 가능한 결과가 결여된 기술 보고서 또는 사례 보고서.

분류 전략:
방법론적 이질성을 해결하기 위해 연구들을 네 가지 그룹으로 분류하였다:

1. 직접적인 VCUG 기반 VUR 등급 판정: 표준 등급을 부여하려는 모델.
2. 저등급/고등급 분류: 이진 또는 중증도 계층화 모델.
3. AI 보조 임상의 해석: AI가 인간 판독자의 성능에 미치는 영향을 평가하는 연구.
4. 간접적 임상 예측: 역류를 직접 등급화하기보다 결과(예: 재발성 요로감염)를 예측하는 모델.

소스 내보내기 과정에서 독립적인 중복 스크리닝 및 전체 텍스트 검증이 이루어지지 않았으므로, 본 합성은 통계적 통합 분석보다는 서사적 합성(narrative synthesis)과 표 작성을 우선시하는 에비던스 맵으로 명시적으로 프레임화되었다.

주요 기여 및 결과
본 리뷰는 13개의 연구를 식별하였으며, 유망하지만 이질적인 AI 성능의 양상을 밝혔다:

• 진단 성능:

  • 가장 강력한 외부 검증 증거는 **Li 등(2024)**의 연구에서 나타났으며, 해당 Deep-VCUG 모델은 단측(unilateral) 역류에 대해 0.944, 양측(bilateral) 역류에 대해 0.924의 외부 AUC 값을 달성했다.
  • **Khondner 등(2022)**은 0.84의 AUC를 보고하였으며, 전통적인 평가 방식에 비해 등급 신뢰도를 3.6배 향상시켰음을 입증했다.
  • **Wu 등(2025)**은 AI의 지원을 받을 때 임상의의 성능이 측면별 역류(side-specific reflux)에 대해 약 0.63–0.73에서 약 0.95–0.96으로 상승하며 실질적인 개선을 보였다는 점을 보여주었다.
  • 몇몇 소규모 연구들은 완벽에 가까운 지표(예: 100%에 근접한 정확도, 1.0에 근한 AUC)를 보고했으나, 본 리뷰는 과적합(overfitting), 작은 표본 크기 및 제한된 외부 검증의 위험성을 이유로 이러한 결과에 주의를 요한다.

• 임상의 비교 및 보조:

  • AI와 영상의학 전문의 간의 직접적인 비교는 제한적이다. 대부분의 연구는 영상의학 전문의의 라벨을 참조 표준(reference standard)으로 사용하였으나, 전문의의 기저 성능(baseline performance)을 독립적으로 정량화하지는 않았다.
  • 그러나 AI 보조 해석에 초점을 맞춘 연구들은 AI가 특히 고등급 VUR을 인식하는 데 있어 관찰자 간 변동성을 크게 줄이고 주니어 및 시니어 임상의 모두의 성능을 향상시킬 수 있음을 시사한다.

• 증거의 질 및 공백:

  • 간접적 vs 직접적: 본 리뷰는 직접적인 등급 판정(가장 임상적으로 관련됨)과 간접적인 예측 모델(예: 재발성 UTI 위험 예측)을 구분하였으며, 후자는 AI의 VUR 중증도 등급 판정 능력을 입증하는 것이 아님을 명시하였다.
  • 관리 영향: 포함된 어떤 연구도 AI가 임상적 관리 결정(예: 항생제 예방 요법 또는 수술 기준 변경)을 변화시키거나 환자 결과를 개선한다는 것을 결정적으로 입증하지 못했다.
  • 한계점: 증거 기반은 표준화된 보고(민감도, 교정, 결정 곡선 분석)의 부족, 다양한 데이터셋에 대한 제한된 외부 검증, 그리고 AI 단독, 임상의 단독, AI 보조군을 비교하는 전향적이고 눈가림된 판독 연구의 희소성이라는 문제를 안고 있다.

의의 및 주장
본 논문은 AI 알고리즘이 소아 VUR 평가에 대해 유망한 진단 성능을 보여주지만, 현재의 증거는 영상의학 전문의의 해석을 자율적으로 대체할 수 있다는 근거를 뒷받침하지 않는다고 결론짓는다.

연구 결과의 주요 의의는 AI가 독립적인 진단자가 아닌 의사 결정 지원 도구로서 기능할 잠재력에 있다. 구체적으로 AI는 다음과 같은 역할을 할 수 있다:

1. 특히 임계점인 Grade III–IV 경계에서의 등급 일관성 개선.
2. 관찰자 간 변동성 감소.
3. 경험이 적은 판독자를 지원하고 고등급 VUR 인식을 표준화.

저자들은 임상 적용을 위해 미래의 시스템이 관리 결정 및 환자 결과에 미치는 영향을 평가하는 전향적, 다기관, 눈가림 판독 연구를 거쳐야 하며, CLAIM, TRIPOD+AI, STARD-AI와 같은 보고 표준을 준수해야 한다고 강조한다. 그러한 증거가 확립될 때까지 AI는 전문 임상의의 해석을 대체하는 것이 아니라 보조하는 도구로 간주되어야 한다.