국내 연구진이 간단한 망막 안저(Eye Fundus) 사진만으로 현재의 치매 여부를 선별하고 향후 치매 발병 위험까지 높은 정확도로 예측하는 인공지능(AI) 모델을 개발했다. 특히 ‘설명 가능한 AI(Explainable AI)’ 기술을 접목해 AI가 판단을 내린 구체적인 망막 해부학적 부위를 시각적으로 제시함으로써 임상 현장 적용성을 획기적으로 끌어올렸다.

치매는 단일 검사만으로 확진이 어려워 인지기능 검사와 고비용의 뇌 자기공명영상(MRI) 등을 종합해야 해 대중적인 조기 선별검사로 활용하기에는 한계가 있었다. 반면 망막은 중추신경계의 연장선으로서 뇌의 미세혈관 및 신경 변화를 직접적으로 반영하는 조직으로, 안저 사진은 비침습적 치매 바이오마커로 큰 주목을 받아왔다.

서울대병원 가정의학과 박상민 교수, 자이메드 장주영 박사, 서울의대 의료빅데이터연구센터 한창호 연구조교수, 의과학과 김재원 박사 공동 연구팀은 2004년부터 2016년까지 서울대병원 건강검진 수검자 3만 6,322명의 안저 사진 10만 8,008장을 분석했다. 연구팀은 안저 촬영 전후 2년 이내 치매 진단을 받은 1,001명(2,868장)과 정상 대조군을 1:4로 매칭해 5종의 파운데이션 모델과 3가지 미세조정(Fine-tuning) 기법을 조합한 총 15가지 AI 모델을 구축·비교했다.

분석 결과, 수백만 장의 안저 사진으로 사전 학습된 파운데이션 모델 ‘RETFound-MAE’에 부분 미세조정 전략을 적용한 AI 모델이 가장 뛰어난 성능을 기록했다. 해당 AI의 현재 치매 선별 성능은 AUROC 0.750, 향후 치매 발생 예측 성능은 C-index 0.812를 달성해 기존의 대표적 임상 위험 평가 도구인 CAIDE(AUROC 0.624, C-index 0.689)를 크게 앞질렀다. 또한 나이, 성별 등 기존 위험요인을 보정한 후에도 AI 점수가 높을수록 치매 위험이 유의미하게 상승했으며, 기존 CAIDE 평가에 AI 모델을 결합했을 때 예측 성능이 0.749에서 0.774로 향상돼 상호보완적 임상 가치를 입증했다.

특히 AI의 판단 근거를 히트맵으로 시각화한 설명 가능성 분석에서 모델은 ‘시신경유두’와 ‘시신경유두 주변 영역’을 집중적으로 주목했다. 시신경유두 전체의 주목도는 일반 주변 영역보다 5.72배 높았으며, 시신경유두 귀쪽 영역과 유두황반다발에서 강한 신호가 확인됐다. 이는 기존 의학계에서 규명된 치매 환자의 망막 구조적 변화와 정확히 일치하는 결과로, AI가 생물학적으로 타당한 근거를 바탕으로 판별하고 있음을 확인했다.

박상민 서울대병원 교수는 “고가의 추가 검사 없이 일반 건강검진에서 널리 시행되는 안저 사진 데이터를 활용하는 이번 AI 기술이 치매 조기 진단 및 선제적 개입 전략의 실효성 높은 보조 도구가 될 것”이라고 밝혔다.

장주영 자이메드 박사는 “단순한 예측 성능을 넘어 의학적 설명 가능성과 임상적 유용성을 동시에 입증했다는 점에서 향후 안저 기반 의료 AI 바이오마커 개발의 핵심 표준을 제시했다”고 강조했다.