Automated Dental Calculus Mapping and Burden Estimation Using Deep Learning

매일 전 세계 수십억 명의 사람들은 입안에 침묵하며 보이지 않는 짐을 지고 있습니다. 바로 치아에 달라붙어 있는 딱딱하고 거친 광물화된 박테리아 층입니다. 과학자들은 이를 치석(dental calculus)이라 부르지만, 대부분의 사람들은 치태가 굳어진 것, 즉 '타르타르(tartar)'로 알고 있습니다. 이것은 치아 위의 부드러운 플라크가 시간이 지나면서 딱딱하게 굳어지며 형성되며, 더 많은 박테리아를 가두고 잇몸을 자극하는 거친 비계(scaffold) 역할을 합니다. 이러한 자극은 잇몸 질환의 주요 원인이 되며, 이는 통증, 치아 상실 및 더 광범적인 건강 문제로 이어질 수 있는 상태입니다. 많은 이들에게 이 문제는 생물학적 문제일 뿐만 아니라 사회적 문제입니다. 심각한 잇몸 질환으로 고통받는 사람들은 대개 전문적인 치과 진료를 가장 적게 받는 사람들인 경우가 많습니다. 농촌 지역, 저소득층 공동체, 그리고 치과의사가 거의 없는 세계의 일부 지역에서는 개인이 몇 년 동안 전문가를 만나지 못할 수도 있으며, 이로 인해 누군가 알아차리기 전에 축적이 심각하고 파괴적인 수준에 이르게 됩니다.

이러한 현실을 바꾸려는 희망은 하나의 단순한 도구, 즉 카메라에 있습니다. 최근 몇 년 동안 치과 의사와 공중 보건 요원들은 특히 학교나 원격 진료소처럼 전체적인 치과 검진이 불가능한 곳에서 구강 문제를 선별하기 위해 사진을 점점 더 많이 사용해 왔습니다. 문제는 수천 장의 사진을 수동으로 살펴보는 것이 느리고, 사람의 눈은 초기 질환의 미묘한 징후를 놓칠 수 있다는 점이었습니다. 여기서 컴퓨터가 이미지를 '보고' 해석하도록 가르치는 인공지능의 한 분야인 컴퓨터 비전(computer vision)이 이야기에 등장합니다. 연구자들은 이제 컴퓨터가 입 사진을 보고 딱딱하고 거친 침착물을 찾아내고, 심지어 그것이 치아 표면의 얼마만큼을 덮고 있는지까지 측정할 수 있는지 묻고 있습니다. 이 모든 과정이 인간이 화면을 뚫어지게 쳐다볼 필요 없이 이루어진다면 말입니다. 만약 기계가 이를 안정적으로 수행할 수 있다면, 누가 긴급한 치료가 필요한지, 그리고 누가 단순히 더 나은 양치 습로가 필요한지를 식별하는 데 도움을 줄 수 있어, 현재 의료 시스템의 사각지대에 놓여 있는 수백만 명의 사람들에게 도달할 수 있을 것입니다.

노스캐롤라이나 A&T 주립대학교와 캐롤라이나 구강외과 연구소의 연구팀은 그러한 도구를 구축하기 위해 나섰습니다. 그들은 새로운 카메라나 새로운 약을 만든 것이 아니라, 대신 컴퓨터에게 사진 속의 치석을 인식하도록 가르쳤습니다. 이를 위해 그들은 건강한 치아와 치석으로 덮인 치아가 포함된 기존의 인간 구강 사진 컬렉션을 대량으로 수집했습니다. 그런 다음 그들은 사진 속 보이는 모든 치석 조각 주변에 정밀하게 윤곽을 그리는 데 상당한 시간을 할애하여, 컴퓨터에게 정확히 어디에 침착물이 있는지 보여주는 '그라운드 트루스(ground truth)' 지도를 만들었습니다. 이 과정은 방대한 양의 이미지 때문에 치과 학위가 없는 연구자에 의해 수행되었으나, 팀은 향후 작업에서 전문가인 치과의사가 이러한 표시를 검증해야 할 필요가 있음을 인정했습니다.

이렇게 정교하게 표시된 이미지를 손에 넣은 연구자들은 'U-Net'이라고 알려진 딥러닝 모델의 일종인 정교한 컴퓨터 프로그램을 훈련시켜 깨끗한 치아와 치석으로 덮인 치아의 차이를 학습하게 했습니다. 그들은 컴퓨터가 전체 그림을 보는 동시에 세부적인 부분에도 집중할 수 있도록 하는 특정 설계를 사용했는데, 이는 마치 사람이 물체의 일반적인 형태를 보기 위해 뒤로 물러났다가 특정 지점을 조사하기 위해 몸을 기울이는 방식과 유사합니다. 컴퓨터는 수천 장의 이미지를 보며 치석이 위치한 곳을 예측하는 법을 배웠습니다. 훈련이 완료된 후, 팀은 이 시스템을 한 번도 본 적 없는 새로운 이미지 세트로 테스트했습니다. 결과는 유망했습니다. 컴퓨터는 치석이 존재하는 사례의 약 73%에서 치석의 위치를 성공적으로 식별해냈으며, 그림자나 정상적인 치아 색상 같은 다른 요소들을 치석으로 혼동하지 않는 데 매우 뛰어난 성능을 보였습니다.

이 연구의 가장 혁신적인 부분은 단순히 치석을 찾는 것이 아니라, 그것을 측정하는 것이었습니다. 시스템은 단순히 "치석이 있다" 또는 "치석이 없다"라고 말하는 대신, 침착물이 치아 표면의 몇 퍼센트를 덮고 있는지 계산했습니다. 컴퓨터가 치석이라고 표시한 픽셀(디지털 이미지를 구성하는 아주 작은 점들)의 수를 치아를 나타내는 전체 픽셀 수와 비교함으로써, 시스템은 질병의 부담을 나타내는 구체적인 숫자를 생성했습니다. 일부 테스트 케이스에서 시스템은 가시적인 치아 표면의 거의 80%가 침착물로 덮여 있다고 추정했는데, 이는 전문적인 세정이 분명히 필요함을 나타내는 수준입니다. 단순히 존재 여부를 감지하는 것을 넘어 심각성을 정량화하는 이 능력은 환자의 우선순위를 정하는 새로운 방법을 제공하며, 보건 요원들이 누가 즉각적인 주의가 필요하고 누가 기다릴 수 있는지를 결정하는 데 도움을 줍니다.

연구진은 자신들이 선택한 컴퓨터 설계가 가장 잘 작동하는지 확인하기 위해 세 가지 다른 일반적인 설계와 비교했습니다. 그들의 특정 도구 조합은 다른 설계들보다 우수한 성능을 보였으며, 이는 그들이 시스템을 구축한 방식이 이 어려운 과업에 매우 적합했음을 시사합니다. 그러나 팀은 자신들의 발견을 완성된 제품이 아닌 '개념 증명(proof of concept)'으로 신중하게 규정했습니다. 그들은 훈련 데이터가 단일 공개 출처에서 왔기 때문에, 컴퓨터가 아직 다양한 피부색, 다양한 조명 조건, 또는 다양한 유형의 치아를 가진 사람들의 치석을 인식하는 법을 배우지 못했다는 점을 언급했습니다. 또한 그들은 컴퓨터를 가르치는 데 사용된 표시가 비치과의사에 의해 이루어졌다는 점을 강조했으며, 이는 도구가 실제 임상에서 사용되기 전에 반드시 교정되어야 할 오류의 위험을 수반합니다.

이러한 한계에도 불구하고, 이 연구는 명확한 발전 방향을 보여줍니다. 이는 표준 카메라와 컴퓨터 프로그램을 사용하여 치석을 지도화하고 치아의 어느 정도가 영향을 받았는지 추정하는 것이 기술적으로 가능하다는 것을 보여줍니다. 이 기능은 궁극적으로 텔레덴티스트리(tele-dentistry, 원격 치과 진료) 프로그램에 통합될 수 있습니다. 예를 들어, 지역 사회 보건 요원이 아이의 치아 사진을 찍어 원격 전문가에게 보내거나, 학교 간호사가 앱을 사용하여 학급 전체를 선별하는 방식입니다. 궁극적인 목표는 치과의사를 대체하는 것이 아니라, 치과 진료가 가장 필요한 곳까지 그 범위를 확장하는 것입니다. 단순한 사진을 구강 건강에 대한 상세한 지도로 바꿈으로써, 이 연구는 치아 상실에 대한 방어선이 어디에 살든 상관없이 모두에게 공정하게 전달될 수 있는 미래를 제시합니다.