본 연구는 기존의 주관적인 등급 시스템으로 인한 진단의 변동성을 해결하기 위해 기계 학습을 활용하여 방광요관역류(VUR) 진단의 일관성을 향상시키고자 하였습니다. 113개의 배뇨방광요도조영술(VCUG) 이미지를 분석하여 전문가의 VUR 중증도 등급과 비교하였습니다. 9가지 이미지 기반 특징을 선택하여 로지스틱 회귀, 의사결정 트리, 그래디언트 부스팅, 신경망, 확률적 경사 하강법 등 6가지 예측 모델을 학습시켰으며, leave-one-out 교차 검증을 통해 모델을 평가했습니다. 분석 결과, 신장 깔때기의 변형 패턴이 고등급 VUR의 주요 지표임을 확인하였고, 모든 모델은 위음성 및 위양성 없이 정확한 분류를 달성하였으며, 높은 AUC 값을 통해 다양한 VUR 등급의 미묘한 이미지 패턴에 대한 높은 민감도를 확인했습니다. 결과적으로 기계 학습이 기존의 주관적인 VUR 평가에 대한 객관적이고 표준화된 대안을 제공할 수 있음을 시사하며, 신장 깔때기 변형이 중증 VUR의 강력한 예측 인자임을 강조합니다.
