고려대학교 안암병원은 송인석 교수(구강악안면외과) 연구팀이 고려대 구로병원 정석기 교수(치과교정과)와 임호경 교수(구강악안면외과), 순천향대학교 조용원 교수(컴퓨터공학과)와 함께 치과용 3차원 엑스레이(CBCT) 영상에서 하치조신경의 위치와 경로를 자동으로 찾아내는 인공지능 기술을 개발했다고 지난 12일 밝혔다.

아래턱 치아와 아랫입술의 감각을 담당하는 하치조신경은 사랑니 발치, 임플란트, 양악수술 등에서 손상되지 않도록 수술 전 정확한 확인이 필요하다. 영상검사를 위해 CBCT를 활용하는데, 입과 턱뼈를 입체적으로 보여주고 일반 엑스레이보다 턱뼈 안쪽 구조를 자세히 볼 수 있어 아래턱 신경의 위치를 확인하는 데 도움이 된다.

하지만 하치조신경은 가늘고 길게 휘어져 있으며 사람마다 위치와 모양이 다르다. 또 의료진이 영상에서 신경을 하나하나 표시하는 데 시간이 오래 걸린다. 영상이 흐리거나 신경 주변 뼈의 경계가 뚜렷하지 않은 경우에는 정확한 확인이 더 어렵다는 한계점이 지적돼왔다.

(왼쪽부터)고려대 안암병원 송인석 교수, 순천향대 조용원 교수, 고려대 구로병원 정석기 교수와 임호경 교수.

연구팀은 인공지능 기술인 CNN과 트랜스포머 기술을 결합한 새로운 딥러닝 모델을 개발했다. CNN은 영상에서 모양과 경계를 찾아내는 데 강점이 있는 인공지능 기술이며, 트랜스포머는 떨어져 있는 부분 사이의 관계를 함께 살펴보는 데 유리한 기술이다.

이번 연구에는 고려대 안암병원과 구로병원에서 수집한 환자 130명의 CBCT 영상이 사용됐다. 안암병원 자료는 모델 개발과 내부 검증에, 구로병원 자료는 외부 검증에 활용됐다. 이를 통해 한 병원의 자료에만 맞춰진 기술이 아니라 서로 다른 병원과 장비 환경에서도 성능을 확인했다.

그 결과 연구팀이 개발한 모델은 기존 대표 인공지능 모델과 비교해 하치조신경 위치 일치도를 약 5% 개선하고, 신경 경계의 평균 오차를 최대 약 19% 줄였다. 신경 경계의 평균 오차가 약 1mm대로 나타나 얇고 길게 이어지는 하치조신경의 위치와 경계를 보다 안정적으로 확인할 수 있음을 보였다. 특히 연구팀의 모델은 하치조신경처럼 얇고 긴 구조가 중간에 끊기지 않고 이어지도록 분석하는 데 강점을 보였다.

향후 임플란트, 사랑니 발치, 양악수술 등 턱뼈 주변 시술 전 하치조신경의 위치와 경로를 더 정확히 파악하는 데 활용될 수 있으며, 이를 통해 신경손상의 가능성을 최소화하고 진단과 치료의 정확도를 높이는 데 도움이 될 것으로 기대된다. 나아가 환자의 후유증과 추가 치료 부담을 줄여 의료·사회적 부담을 완화하는 데도 기여할 것으로 전망된다.

송인석 교수는 "하치조신경 손상은 환자의 감각 이상과 삶의 질 저하로 이어질 수 있어 수술 전 정확한 확인이 중요하다"며 "이번 연구는 인공지능을 활용해 의료진의 판단을 돕고, 보다 안전한 치과·구강악안면 수술 환경을 만드는 데 한 걸음 다가간 결과"라고 말했다.

이번 연구 'Deep learning for automatic segmentation of the inferior alveolar nerve using a hybrid CNNtransformer framework'는 국제학술지 'Scientific Reports'에 게재됐다.