기존의 체중계나 BMI 측정으로는 파악하기 어려웠던 우리 몸의 숨겨진 건강 지표들이 AI를 통해 새롭게 조명받고 있습니다.

독일 연구진이 AI를 활용해 6만 6천 명 이상의 전신 MRI 데이터를 분석, 연령, 성별, 키에 따른 지방과 근육 분포의 가장 상세한 지도를 구축했습니다.

이 연구는 단순한 체중이나 BMI가 아닌, 근육의 양과 질이 당뇨병, 심혈관 질환, 사망 위험 예측에 있어 얼마나 중요한지를 명확히 보여줍니다.

BMI의 한계, AI로 극복하다

오랫동안 의료계는 체질량지수(BMI)와 체중을 바탕으로 심혈관 및 대사 건강 위험도를 평가해왔습니다.

하지만 BMI는 키와 체중만을 고려할 뿐, 실제 근육량이나 지방 분포를 정확히 반영하지 못한다는 명확한 한계를 지니고 있었습니다.

“많은 위험 점수 산정이나 치료 결정이 여전히 BMI나 허리 둘레에 의존하지만, BMI는 실제 체성분을 신뢰성 있게 반영하지 못한다”는 독일 대학 병원 영상의학과 전문의 야코프 바이스(Jakob Weiss) 박사의 지적은 이러한 문제를 명확히 짚어줍니다.

또한, 건강한 사람들의 연령별 체성분 변화나 성별 차이에 대한 표준화된 기준이 부족했던 점도 극복해야 할 과제였습니다.

AI 기반 전신 MRI 분석의 혁신

이번 연구는 2014년 4월부터 2022년 5월까지 영국 바이오뱅크(UK Biobank) 및 독일 국가 코호트(German National Cohort) 참여자 66,608명(평균 연령 57.7세, 남성 34,443명, 평균 BMI 26.2)의 전신 MRI 데이터를 활용한 후향적 연구입니다.

연구진은 이 MRI 스캔을 완전히 자동화된 오픈소스 딥러닝 프레임워크를 사용하여 연령, 성별, 키에 따른 체성분 지표를 계산했습니다.

여기에는 피하 지방, 내장 지방, 골격근, 골격근 지방 비율, 근육 내 지방 등이 포함되었으며, 이는 각 개인이 연령, 성별, 키 조정 표준에서 얼마나 벗어나는지를 나타내는 z-점수로 표현되었습니다.

근육의 질, 질병 예측의 새로운 열쇠

연구진은 z-점수 범주(낮음: z<-1, 중간: z=-1~1, 높음: z>1)를 통해 당뇨병, 주요 심혈관 사건, 모든 원인으로 인한 사망률 발생을 예측하는 통계 분석을 수행했습니다.

그 결과, 내장 지방이 높을수록 미래 당뇨병 발생 위험이 2.26배 증가했으며, 근육 내 지방이 많을수록 미래 주요 심혈관 사건 발생 위험이 1.54배 증가했습니다.

특히, 골격근량이 낮을 경우 심혈관 대사 위험 요인을 넘어선 모든 원인 사망률이 1.44배 높았는데, 이는 단순히 근육의 양뿐만 아니라 근육의 질이 질병 예측에 매우 중요함을 시사합니다.

마티아스 융(Matthias Jung) 박사는 “근육 내 지방량을 아는 것은 BMI, 생체 전기 저항 분석(BIA), DEXA와 같은 다른 방법으로는 쉽게 얻을 수 없는 근육의 질을 파악할 수 있는 창을 제공한다”고 강조했습니다.

예측 정확도 향상 및 임상 적용 가능성

연구진은 주요 체성분 측정치에 대한 연령, 성별, 키 보정 참조 곡선을 생성했습니다.

이는 “교란 요인을 조정하는 것이 검진 정확도를 높이고 치료 결정을 맞춤화하는 데 매우 중요하다”는 바이스 박사의 설명처럼, 개인의 체성분이 또래 집단 대비 대사 질환 위험을 얼마나 높이는지 식별하는 데 도움을 줄 수 있습니다.

이를 통해 개별화된 건강 관리 및 질병 예방의 새로운 지평이 열릴 것으로 기대됩니다.

AI 기반 체성분 분석 도구의 미래

연구진은 향후 연구를 지원하고 임상 적용을 가속화하기 위해 오픈소스 웹 기반 연령, 성별, 키 조정 체성분 z-점수 계산기를 공개했습니다.

이 도구를 통해 연구자와 임상의는 자신의 데이터를 보정하여 비교 가능성과 일반화 가능성을 높일 수 있습니다.

바이스 박사는 “이 도구를 통해 임상의는 일상적인 영상 검사를 기회적으로 활용할 수 있다”며, “별도의 전신 MRI 촬영이 반드시 필요한 것은 아니며, 복부나 흉부 CT 또는 MRI 스캔에서 이미 얻어진 정보를 활용할 수 있다”고 덧붙였습니다.

또한, AI 도구는 종양학 분야에서 위험 계층화를 개선하거나, GLP-1 작용제와 같은 체중 감량 약물을 복용하는 환자에게서 원치 않는 근육 손실과 바람직한 지방 손실을 구별하는 데도 기여할 수 있습니다.

“우리는 매일 환자들의 영상을 촬영하고 있다.

복부나 흉부 스캔에는 이미 정보가 담겨 있지만, 우리가 정기적으로 측정하거나 보고하지 않을 뿐이다.

AI는 이제 이 숨겨진 데이터 계층에 정량적이고 재현 가능한 방식으로 접근할 수 있게 해준다”고 그는 강조했습니다.

다음 단계로 연구진은 임상 집단에서의 참조 곡선 검증, 특히 암 환자의 치료 독성, 생존율 및 재발 예측, 그리고 다른 환자 그룹에 대한 질병별 참조 값 개발에 집중할 계획입니다.

자주 묻는 질문 (FAQ)

Q: AI가 분석한 체성분 정보가 기존 BMI보다 더 정확한가요?

A: 네, AI는 전신 MRI 스캔을 분석하여 근육량, 근육 내 지방, 내장 지방 등 훨씬 더 상세한 체성분 정보를 제공합니다.

이는 BMI가 단순히 키와 몸무게만을 기반으로 하는 것보다 개인의 건강 위험을 더 정확하게 예측할 수 있게 합니다.

Q: 이 AI 분석 도구는 언제쯤 임상 현장에서 사용될 수 있나요?

A: 이 연구에서 개발된 AI 기반 체성분 분석 도구와 참조 곡선은 이미 오픈소스로 공개되어 연구에 활용될 수 있습니다.

향후 임상 검증을 거쳐 점진적으로 의료 현장에서의 활용이 확대될 것으로 예상됩니다.

일상적인 CT 또는 MRI 영상에서도 정보를 추출할 수 있다는 점에서 빠른 적용이 가능합니다.

Q: 근육 내 지방이 많으면 정말 건강에 해로운가요?

A: 네, 연구 결과에 따르면 근육 내 지방 비율이 높을수록 주요 심혈관 사건 발생 위험이 증가하는 것으로 나타났습니다.

이는 근육의 ‘질’이 건강에 미치는 중요성을 시사하며, 단순히 근육량이 많은 것만으로는 충분하지 않다는 것을 의미합니다.

Q: 이 기술이 암 환자의 치료에도 도움이 될 수 있나요?

A: 네, 연구진은 AI 도구가 종양학 분야에서 위험 계층화를 개선하고, 암 환자의 치료 독성, 생존율 및 재발을 예측하는 데 도움이 될 수 있다고 언급했습니다.

또한, 체중 감량 약물 복용 환자의 근육 손실과 지방 손실을 구별하는 데도 활용될 수 있습니다.

출처: https://www.prnewswire.com/news-releases/ai-model-analyses-body-composition-to-predict-health-risks-302762361.html