이 연구는 골관절염 이니셔티브(OAI) 데이터를 활용해, 딥러닝 기반 MRI 무릎 점수(MOAKS) 예측과 해석 가능한 통계 모델링을 결합한 신뢰할 수 있는 AI 프레임워크로 구조-통증 관계를 대규모 분석한다. 먼저 무릎 MRI에서 MOAKS 특징을 예측하는 딥러닝에 컨포멀 예측을 더해 불확실성을 정량화하고, 고신뢰 예측만 남기도록 필터링했다. 이어 종단적 잠재계층 혼합모형(LCMM)으로 주요 구조 이상과 네 가지 통증 지표의 연관성을 분석했다. 골수병변(BML)·연골손실(CART)·반월상연골탈출(ME) 세 이상에서 매튜 상관계수(MCC)가 BML 0.69→0.91, CART 0.45→0.80, ME 0.59→0.89로 크게 향상됐다. 고신뢰 예측으로 표본을 2,175개 무릎으로 확장해 빠른·안정 두 통증 궤적을 식별했고, 빠른 진행군의 오즈비는 BML 1.62, CART 1.83, ME 2.50으로 나타나 이들 구조 이상이 통증·기능 악화의 위험인자임을 강조한다.
- •딥러닝 MOAKS 예측 + 해석 가능한 통계 모델링을 결합한 구조-통증 분석 프레임워크
- •컴포멀 예측으로 불확실성을 정량화해 고신뢰 MOAKS 예측만 필터링
- •MCC 향상: BML 0.69→0.91, CART 0.45→0.80, ME 0.59→0.89
- •LCMM으로 2,175개 무릎 분석, 빠른·안정 두 통증 궁적 식별
- •빠른 진행군 오즈비 BML 1.62·CART 1.83·ME 2.50으로 구조 이상이 통증 위험인자임을 확인
An interpretable and trustworthy AI framework for large-scale longitudinal structure-pain association studies using data from the Osteoarthritis Initiative (OAI)
- 1.골관절염 통증 AI 분석
- 2.설명 가능하고 신뢰할 수 있는 AI
- 3.MRI 데이터 활용 구조-통증 연구
왜 중요한가?
의료 분야에서 AI 모델의 '설명 가능성'과 '신뢰성'을 높여 의사들이 진단 및 치료 결정을 내릴 때 AI의 통찰을 보다 효과적으로 활용할 수 있게 돕습니다.
🏷️ 언급 프로젝트
고령화 사회로 진입하는 한국에서 골관절염과 같은 만성 질환 관리는 중요한 과제이며, 이 연구는 딥러닝과 해석 가능한 통계 모델링을 결합하여 대규모 의료 데이터에서 구조-통증 관계를 분석하는 신뢰할 수 있는 AI 프레임워크를 제시합니다. 이는 국내 의료 현장에서 AI 진단 및 예측 시스템의 신뢰성과 투명성을 높여, 의료진과 환자 모두에게 더욱 수용 가능한 AI 기반 솔루션 개발에 기여할 것입니다.
본문 미리보기
arXiv:2606.05357v1 Announce Type: new Abstract: Purpose: To develop an interpretable and trustworthy AI framework that combines deep learning based MRI Osteoarthritis Knee Score (MOAKS) prediction with interpretable statistical modeling to study structure-pain relationships at scale using data from the Osteoarthritis Initiative (OAI). Materials and Methods: We first developed a deep learning framework to predict MOAKS features directly from knee MRIs and incorporated conformal prediction to pro
전체 내용이 궁금하다면?
원문을 직접 읽어보세요