안면 홍반(붉은 얼굴) 환자의 얼굴 사진과 임상 데이터만으로 모낭충의 증식 여부를 정확히 예측할 수 있는 인공지능(AI) 모델이 개발됐다. 통증을 동반하는 기존 검사법의 한계를 보완하고, 의료진의 진단 정확도를 유의미하게 높일 수 있어 피부질환 진료 현장에 혁신을 가져올 전망이다.
연세대학교 용인세브란스병원 피부과 김지희·김제민 교수와 세브란스병원 피부과 박창욱 교수 연구팀은 최근 안면 홍반 환자의 모낭충 밀도를 예측하는 딥러닝 모델을 개발하고, 실제 의사의 진단 성능 향상 효과를 입증했다고 밝혔다. 이번 연구 결과는 국제학술지 <사이언티픽 리포트(Scientific Reports)> 최근호에 게재됐다.
주사(rosacea)나 아토피 피부염 등 다양한 피부 질환에서 나타나는 안면 홍반의 주요 원인 중 하나는 ‘모낭충’이다. 모낭충이 과도하게 증식하면 염증과 가려움을 유발하는 모낭충증으로 이어지는데, 이를 진단하려면 피부 표면을 긁어내거나 피지를 압출하는 ‘반침습적’ 검사가 필수적이었다. 이는 환자에게 통증을 줄 뿐 아니라 검사자의 숙련도에 따라 결과가 달라지는 단점이 있었다.
연구팀은 2016년부터 2023년까지 내원한 환자 1124명의 얼굴 사진과 나이, 성별, 알레르기 지표 등 12가지 임상 변수를 결합해 딥러닝 모델인 ‘DemodexNet’을 구축했다. 이 모델은 얼굴 전체 이미지는 물론 이마, 코, 볼 등 국소 부위의 고해상도 데이터를 스스로 분석해 모낭충 밀도를 예측한다.
연구 결과 해당 AI 모델의 예측 성능을 나타내는 지표(AUROC)는 최대 0.865로 매우 우수하게 나타났다(1에 가까울수록 정밀). 특히 주목할 점은 의료진과의 시너지 효과다.
피부과 의사가 단독으로 진단했을 때의 정확도는 평균 63.7%였으나 AI 모델의 예측 결과를 참고하자 70.6%로 상승했다. 특히 양성 환자를 찾아내는 ‘민감도’는 13.6%나 향상되어 치료가 필요한 환자를 놓치는 경우를 크게 줄였다.
의료진의 숙련도별로 살펴보면, 경력 2년 미만의 저경력 의사 그룹에서 정확도가 11.6% 포인트 상승하며 가장 큰 도움을 받은 것으로 나타났다. 경력 8년 이상의 베테랑 의사들도 5.8% 포인트의 향상을 보여 AI가 모든 경력대의 진단 보조 도구로서 유용함을 증명했다.
<수신기 작동 특성 곡선 아래 면적(AUROC) 분석 결과(a), DemodexNet 모델은 0.823에서 0.865 사이의 우수한 예측 성능을 보였다. 피부과 의사의 진단 정확도는 경력과 무관하게 AI 보조 이후 모두 곡선의 좌상단 방향으로 이동하며 향상된 모습을 보였다. (출처: Kim J et al., Scientific Reports, 2026.)>
김제민 교수는 “이번 연구는 세계 최초로 사진과 데이터만으로 모낭충 밀도를 예측하는 AI 모델을 실증했다는 점에서 의미가 크다”며 “모낭충 검사 장비가 없는 1차 의료기관이나 원격 진료 환경, 수련의 교육 현장에서 폭넓게 활용될 것으로 기대한다”고 밝혔다.
연구팀은 향후 인종과 피부 유형을 확대한 다기관 연구를 통해 모델의 일반화 가능성을 검증할 계획이다. 또한, 환자와 의료진이 손쉽게 접근할 수 있도록 앱(App)이나 웹 기반 서비스 개발에도 나설 방침이다.
