Objectifying Aesthetic Outcomes Following Combined Facial Aesthetic Surgery – A Pilot Study

기술 요약: 복합 안면 미용 수술 후 미적 결과의 객관화 – 파일럿 연구

문제 제념 (Problem Statement)
복합 안면 미용 수술(CFAS, 두 가지 이상의 안면 회춘술을 동시에 시행하는 것, 예: 안면 거상술과 눈꺼풀 수술의 병행)은 흔히 시행되는 선택적 진료 분야이다. 그러나 이 분야의 수술 후 결과 평가는 역사적으로 외과의의 의견, 환자 보고 결과(PROs), 시각적 비교를 포함한 주관적인 도구에 의존해 왔다. 이러한 방법들은 평가자 간 변동성이 높고, 표준화가 부족하며, 재현성이 낮아 비교 분석, 근거 기반의 수술 계획 수립, 그리고 객관적인 결과 벤치마크 설정을 저해한다. 일관성을 확보하고 관찰자 편향을 줄이며 환자-의사 간의 소통을 개선하기 위해 객관적이고 자동화된 측정 방식이 절실히 필요하다.

방법론 (Methodology)
본 파일럿 연구는 **CAARISMA® 미적 연구 및 등급 측정 모델(CAARISMA® ARMM)**을 Vectra® H2 임상 이미징 시스템과 통합하여, CFAS 결과를 평가하기 위한 객관적이고 자동화된 파이프라인을 도입하였다.

• 연구 대상: 본 연구는 파리 소재의 한 개인 클리닉에서 선택적 CFAS를 받은 무작위 선정된 여성 환자 10명(모두 프랑스계 코카시안, 평균 연령 73.2 ± 7.4세)을 대상으로 후향적 분석을 수행하였다. 모든 환자는 심층 평면 안면 거상술(deep plane facelift)과 안면 지방 이식술을 받았으며, 추가로 상/하안검 성형술, 관자놀이 리프트, 입술 리프트 등이 포함되었다.
• 데이터 수집: Vectra® H2 시스템을 사용하여 표준화된 정면 전후 사진(수술 전 및 3개월 추적 관찰 시)을 촬영하였다.
• 분석 파이프라인: CAARISMA® ARMM 알고리즘이 익명화된 이미지를 처리하여 17개의 안면 랜드마크에 걸친 1,080개의 변수를 기반으로 정량적 점수를 생성하였다. 시스템은 세 가지 주요 지수를 계산하였다 (0–100 척도):
  • 안면 젊음 지수 (Facial Youth Index, FYI)
  • 안면 매력 지수 (Facial Attractiveness Index, FAI)
  • 피부 품질 지수 (Skin Quality Index, SQI)
  • 피부 질감(미세 굴곡, 거칠기, 거친 굴곡, 탄력, 붉기, 색소 침착) 및 주름(눈가 주름, 눈 밑 주름, 마리오네트 부위)에 대한 상세 하위 분석이 수행되었다.
• 검증 및 통계: 두 명의 독립적인 조사자가 모든 사례를 처리하였으며, 완벽한 평가자 간 일치도(급내 상관계수, ICC = 1.0)를 달성하였다. 통계적 유의성은 GraphPad Prism 10을 사용하여 p ≤ 0.05로 정의하였다.

주요 결과 (Key Results)
연구 결과, 모든 주요 지수에서 유의미한 수술 후 개선이 나타났다:

• 주요 지수:
  • FYI: 40.8에서 42.1로 증가 (상대적 변화: +2.1 ± 1.8%; p = 0.016).
  • FAI: 73.5에서 83.3으로 증가 (상대적 변화: +12.3 ± 13.3%; p = 0.008).
  • SQI: 58.5에서 68.4로 증가 (상대적 변화: +14.3 ± 8.9%; p = 0.001).
• 일관성: SQI가 가장 일관된 상대적 개선을 보였으며(변동 계수: 62.3%), 반면 FYI는 분산이 최소화되었다.
• 구성 요소 분석:
  • 피부 품질: 가장 큰 개선은 미세 굴곡(상대적 변화: +56.2%)에서 관찰되었으며, 그 뒤를 거칠기(+15.6%)와 거친 굴곡(+13.0%)이 이었다.
  • 주름: 개선은 눈가 주름(상대적 변화: +10.4%)과 눈 밑 부위(상대적 변화: +6.6%)에서 가장 두드러졌다. 전체 주름 점수는 4.3% 증가하였다 (p = 0.0181).
• 이상치: 환자 4(Patient 4)의 경우 FAI가 감소(-2.2%)하였으며, 이는 개별 지수의 변화가 집단적 경향과 다를 수 있음을 보여준다.

주요 기여 (Key Contributions)

• 최초의 임상 통합: 본 연구는 CFAS 결과의 객관적 평가를 위해 자동화된 AI 알고리즘(CAARISMA® ARMM)과 표준 임상 카메라 시스템(Vectra®)을 결합한 데모를 보여준 첫 번째 연구이다.
• 자동화된 워크플로우: 본 연구는 수동 입력을 최소화하고 관찰자 편향을 줄이는 워크플로우를 구축하여, 미용 성형의 벤치마킹을 위한 확장 가능하고 재현 가능한 프레임워크를 제공하였다.
• 정량적 지표: 본 연구는 주관적인 시각적 등급 판정을 넘어, 복합 시술이 젊음, 매력 및 피부 품질 지수에 어떻게 영향을 미치는지에 대한 구체적인 정량적 데이터를 제공하였다.

의의 및 한계 (저자의 주장)
저자들은 본 연구를 미용 의학에서 보다 객관적이고 재현 가능한 결과 평가를 향한 초기 단계로 규정한다. 저자들은 AI 기반 지표가 CFAS 이후의 변화를 감지하는 데 있어 **타당성(feasibility)**이 있음을 검증하며, 이는 전통적인 임상적 판단의 보조 도구가 될 수 있다고 주장한다.

그러나 저자들은 이러한 지표의 현재 임상적 효용성에 대해 신중한 입장을 유지한다:

• 연구 단계의 상태: CAARISMA® ARMM은 현재 정량적 연구 도구로 간주된다. 본 연구는 AI가 감지한 수치적 변화가 환자나 독립적인 외과의가 인지하는 임상적으로 성공적인 미적 결과와 일치하는지를 확립하지는 않았다.
• 임상적 임계값의 부재: FYI, FAI, SQI에 대한 최소 임상적 유의 차이(MCID)가 아직 설정되지 않았다. 관찰된 통계적 변화(예: 1.3포인트의 FYI 증가)가 지각 가능한 개선에 해당하는지는 여전히 불분명하다.
• 일반화의 한계: 연구 결과는 소규모의 동질적인 집단(코카시안 여성 10명), 후향적 설계, 3개월의 짧은 추적 관찰 기간에 의해 제한된다. 본 연구는 미적 이상향의 문화적 차이를 고려하지 않았다.
• 향-후 요구 사항: 저자들은 광범위한 임상적 채택을 위해 맹검법을 적용한 외과의의 평가 및 환자 보고 결과(예: FACE-Q)에 대한 검증, 그리고 다양한 국제적 인구 집단 및 9~12개월의 더 긴 추적 관찰 기간을 포함한 연구가 필요함을 강조한다.

요약하자면, 본 논문은 CF사후 변화를 측정하기 위한 재현 가능하고 객관적인 프레임워크를 제공한다고 주장하지만, 이러한 지표들이 아직 미적 성공이나 법의학적 종결점을 판단하는 단독 척도로 사용되어서는 안 된다는 점을 명시적으로 밝히고 있다.