본 연구는 척추 건강 평가 및 척추증, 디스크 헤르니아, 협착증과 같은 질환 진단에 필수적인 정확한 척추 구조 측정을 위한 자율 AI 시스템을 개발합니다. UNet, nnU-Net, CNN 등의 심층 학습 아키텍처를 활용하여 대규모 MRI 데이터셋으로 학습된 AI 모델은 척추간 디스크 높이와 척추관 전후 직경을 정확하게 측정합니다. 경추, 요추, 흉추 영역에서 높은 Dice 계수 (요추 0.94, 경추 0.91, 흉추 0.90)를 달성하여 임상 적용 가능성을 입증하였습니다. 이 시스템은 MRI 기반 척추 측정을 자동화하여 정확성을 높이고 의사의 업무량을 줄이며, 특히 수요가 많은 환경에서 임상 의사 결정을 지원합니다.
시사점, 한계점
•
시사점:
◦
척추 구조 측정의 자동화를 통한 시간 및 자원 절약
◦
객관적이고 정확한 척추 구조 측정으로 진단 정확도 향상
◦
의사의 업무량 감소 및 효율 증대
◦
일관된 척추 평가를 통한 환자 결과 개선
◦
다양한 척추 영역(경추, 요추, 흉추)에서 높은 정확도 달성
•
한계점:
◦
본 연구에 사용된 MRI 데이터셋의 특성 및 규모에 대한 자세한 설명 부족 (proprietary dataset)
