골다공증은 가장 흔한 대사성 골질환으로 뼈의 밀도 감소에 따라 뼈의 강도가 약해져 쉽게 골절이 발생되는 전신 골격계 질환이며, 연령의 증가, 폐경, 무리한 다이어트 등과 같은 생활습관 또는 유전적 질환 등이 그 요인으로 알려져 있다.

그러나 질환이 진행되는 동안 통증이나 별다른 증상이 없어 가벼운 충격에 골절이 발생하기 전까지 대부분의 환자가 인지하지 못하는 ‘침묵의 질환’이라고도 알려져 있으며, 실제 국내 국민건강통계 자료에 따르면 해당 질환을 인지 및 치료 비율은 골다공증 환자 10명중에 1~2명 수준으로 매우 낮은 것으로 알려져 있다.

이기선 교수는 많은 국내외 연구결과 중 골다공증 환자의 경우, 전신적인 골밀도 감소로 인하여 치과용 파노라마 엑스레이상의 턱뼈에서도 골밀도 감소에 따른 뼈 이미지 특이성이 나타나며, 이를 이용하면 골다공증 유병 여부를 선별할 가능성이 높다는 연구결과에 주목하여, 딥러닝 기반의 실용화될 수 있는 인공지능 알고리즘의 개발 가능성을 제시해 본 것이라고 밝혔다.

Grad-CAM 알고리즘을 이용하면 훈련된 딥러닝 모델이 골다공증 환자와 비골다공증 환자의 치과용 파노라마 엑스레이를 분류하는 이미지상의 특이점의 위치를 알 수 있다.

이기선 교수는 과거 삼성SDS에서 소프트웨어 개발자로 근무한 경력이 있는 의료인으로, 현재 해당 주제로 교육부 주관의 개인 국책연구과제를 수행 중에 있다.

세계적 보건문제인 골다공증의 경우 높은 유병률에도 불구하고 명확한 증상이 없어 매우 낮은 인지율을 보이고 있고, 인지율을 높일 수 있는 별다른 방법도 없었으나 본 연구를 통하여 치과를 방문하는 골다공증 유병자들의 인지율 상승을 기대할 수 있게 되었다.

한편, 연구 결과는 2019년도 현재 영향력 지수(Impact Factor) 5.688인 국제 학술지‘Journal of Clinical Medicine’에 올 2월‘Evaluation of Transfer Learning with Deep Convolutional Neural Networks for Screening Osteoporosis in Dental Panoramic Radiographs’라는 제목으로 발표 되었다.