1. 모든 것을 바꾼 환자
2025년 4월 어느 화요일 오전, 후난성 도장현 인민병원——농촌 인구에게 서비스를 제공하는 2차 의료기관——에서 62세 농부가 “시력에 문제가 있다”며 내원했습니다. 개발도상국의 대부분 농촌 진료소에서 이런 모호한 호소는 먼 도시 병원으로의 단순한 진료 의뢰서 한 장으로 끝날 것입니다.
하지만 이번 오전은 달랐습니다. 당직 안과의사 류 의사는 병원에 새로 설치된 Multi-Glau 시스템을 컴퓨터에서 열었습니다. 그녀는 다섯 가지 단순한 숫자를 입력했습니다: 환자의 나이(62세), 성별(남성), 안압(24 mmHg), 시력(0.5), 그리고 유두함몰비(0.7). 비싼 영상 장비가 필요 없습니다. OCT 스캔도 시야 검사도 필요 없습니다——이런 장비들은 수만 달러가 들고 전문 기술자가 필요합니다.
시스템은 2초 이내에 결과를 반환했습니다: “녹내장 의심——긴급 의뢰 권장”
3주 후, 80킬로미터 떨어진 중남대학교 샹야병원——3차 의료기관——에서 같은 환자가 확진을 받았습니다: 초기 원발 개방각 녹내장. 치료가 즉시 시작되었고, 그의 잔존 시력이 구해졌습니다.
“Multi-Glau가 없었다면,” 류 의사는 나중에 연구진에게 말했습니다, “이 환자는 도시 병원 예약을 몇 달 기다렸을 수 있습니다. 그때면 손상이 되돌릴 수 없었을 것입니다.”
2. 시력의 침묵하는 도둑: 왜 녹내장이 중요한가
녹내장은 전 세계에서 되돌릴 수 없는 실명의 주요 원인입니다. 중국만 해도 약 2,100만 명이 이 병을 앓고 있으며, 2050년에는 2,500만 명에 달할 것으로 예상됩니다. 수술로 되돌릴 수 있는 백내장과 달리, 녹내장으로 잃은 시력은 결코 돌아오지 않습니다.
이 병은 일반적으로 안압 상승으로 인해 시신경을 손상시킵니다. 서서히 그리고 통증 없이 진행되어, 상당한 시력 상실까지 증상이 없는 경우가 많습니다. 환자가 주변 시야 결손을 알아챌 때쯤이면 손상은 이미 진행된 경우가 많습니다.
이것이 조기 발견이 중요한 이유입니다. 녹내장을 더 일찍 발견할수록 더 많은 시력을 보존할 수 있습니다. 하지만 여기에 문제가 있습니다: 정확한 녹내장 진단에는 정교한 장비가 필요합니다——빛간섭단층촬영(OCT) 스캐너, 시야 분석기, 그리고 결과를 해석할 수 있는 훈련된 안과의사입니다.
중국의 광대한 농촌 지역에서 이런 자원은 희귀합니다. 2020년 란셋 연구에서 중국 의료 자원의 80%가 도시에 집중되어 있고, 인구의 60%가 농촌에 거주한다는 것이 밝혀졌습니다. 녹내장의 경우 이 격차가 특히 심각합니다. 대부분의 농촌 진료소에는 OCT 기기가 없습니다. 많은 곳에 안과의사조차 없습니다.
3. 의료 격차: 중국의 불평등한 안과 의료 환경
2015년, 중국은 바로 이런 격차에 대응하기 위해 3단계 의료체계를 수립했습니다. 이 체계는 1차, 2차, 3차 병원을 의뢰 네트워크로 연결합니다: 환자는 지역 1차 기관에서 스크리닝을 받고, 2차 병원에서 예비 진단을 위해 의뢰되며, 3차 병원에서 확정 치료를 받습니다.
이론적으로 이 체계는 작동해야 합니다. 실제로는 안과 같은 전문 분야에서 어려움을 겪고 있습니다. 1차 병원은 장비와 전문 지식이 모두 부족하여 녹내장을 신뢰성 있게 스크리닝할 수 없는 경우가 많습니다. 2차 병원은 일부 장비를 가지고 있을 수 있지만 정확한 진단에 필요한 완전한 세트는 없습니다. 환자가 의뢰되더라도 하위 단계의 진단 불확실성 때문에 불필요한 의뢰로 3차 의료기관이 넘치고, 의뢰되어야 할 환자가 누락됩니다.
인공지능은 오랫동안 해결책으로 제안되어 왔습니다. AI 시스템은 초인간적 정확도로 의료 영상을 분석할 수 있습니다. 하지만 기존 대부분의 녹내장 AI 모델에는 치명적 결함이 있습니다: 완전하고 고품질의 데이터를 필요로 합니다——OCT 스캔, 안저 사진, 시야 검사——자원 제약 병원이 제공할 수 없는 데이터입니다.
“잔인한 아이러니입니다,” Multi-Glau 연구의 교신 저자이자 샹야병원의 녹내장 전문가인 송웨이타오 박사가 말했습니다. “AI 지원이 가장 필요한 병원이 필요한 장비가 없어 기존 AI 모델을 사용할 수 없습니다.”
4. Multi-Glau: 3단계 AI 솔루션
2025년 7월 3일, 중남대학교 샹야병원 팀이 Nature Portfolio 저널 npj Digital Medicine에 논문을 발표하며 Multi-Glau를 소개했습니다——중국의 3단계 의료체계 전체에서 작동하도록 특별히 설계된 최초의 AI 시스템입니다.
시스템은 세 가지 독립적인 모듈로 구성되며, 각각 다른 병원 계층의 자원과 필요에 맞게 조정됩니다:
- 스크리닝 모듈(1차 병원): 다섯 가지 단순한 임상 매개변수만 사용——나이, 성별, 안압, 시력, 유두함몰비. 영상 장비 불필요. AUC(곡선 아래 면적) 0.9254를 달성하여 92% 이상의 정확도로 녹내장 의심자를 식별합니다.
- 예비 진단 모듈(2차 병원): 불완전 데이터 시나리오를 처리. OCT나 시야 검사를 사용할 수 없을 때, 시스템은 새로운 “Freeze-Missing” 아키텍처를 사용하여 사용 가능한 데이터로 최선의 예측을 합니다. 결손 데이터가 최대 40%여도 AUC 0.8650을 달성.
- 확정 진단 모듈(3차 병원): 완전한 다중 모달 데이터 사용——안저 사진, OCT 스캔, 임상 매개변수——녹내장 중증도를 4단계로 분류: 초기, 중등도, 진행, 중증. AUC 0.9516을 달성하여 기존 최첨단 모델을 능가합니다.
“핵심 혁신은 정확도뿐만이 아닙니다,” 제1저자 저우 이가 말했습니다. “적응성입니다. Multi-Glau는 각 병원이 가진 자원에서 병원을 만납니다.”
5. 각 모듈의 작동 방식
스크리닝 모듈: 다섯 숫자, 기계 불필요
1차 병원——지역 보건소, 농촌 진료소, 마을 의료소——을 위해, 스크리닝 모듈은 샹야병원의 3,545건 환자 기록으로 훈련된 XGBoost 분류기를 사용합니다. 다섯 입력 매개변수는 기본 장비로 얻을 수 있습니다: 단순 안압계로 안압, 스넬렌 시력표로 시력, 직접 검안경으로 유두함몰비입니다.
모듈은 확률 점수를 출력합니다. 점수가 임계값(지역 필요에 따라 조정 가능)을 초과하면 시스템이 의뢰를 권장합니다. 도장현 인민병원에서의 검증 시험에서 모듈은 민감도 0.9750을 달성——실제 녹내장 사례의 97.5%를 포착했습니다.
예비 진단 모듈: 결손 데이터 이해하기
2차 병원은 진단 장비를 일부 가지고 있지만 완전한 세트는 아닌 경우가 많습니다. 어떤 병원은 안저 카메라는 있지만 OCT 스캐너는 없을 수 있습니다. 또는 OCT는 있지만 시야 분석기는 없을 수 있습니다. 기존 AI 모델은 이런 시나리오에서 실패합니다.
Multi-Glau의 Freeze-Missing 모듈은 새로운 아키텍처를 사용하여 결손 모달리티와 관련된 가중치를 “동결”하여 예측 열화를 방지합니다. 시스템은 5%에서 40%의 결손 데이터율로 테스트되어 일관되게 신뢰할 수 있는 성능을 유지했습니다.
“이것은 녹내장 진단에서 불완전한 다중 모달 데이터를 체계적으로 다루는 최초의 AI 시스템입니다,” 저자들이 논문에서 지적합니다. “이상화된 연구 데이터셋과 현실 세계 임상 제약 사이의 간극을 메웁니다.”
확정 진단 모듈: 최상위에서의 정밀도
3차 병원에서 완전한 진단 워크업을 사용할 수 있을 때, Multi-Glau의 M³-VF 모듈(다중 관점, 다중 모달, 다중 단계 시야)이 정밀한 4단계 분류를 제공합니다. 이것은 치료 계획에 중요합니다: 초기 환자는 모니터링만 필요할 수 있지만, 진행 사례는 즉각적인 수술 개입이 필요합니다.
이 모듈은 Transformer 기반 아키텍처를 사용하여 여러 소스의 정보를 융합합니다: 시신경 유두를 보여주는 안저 사진, 망막 신경 섬유층 두께를 측정하는 OCT 스캔, 그리고 임상 매개변수입니다. 중증도 분류에서 95.16%의 정확도를 달성하여 DAFT와 HoFN 같은 기존 모델을 유의하게 능가했습니다.
6. 임상 성능: 중요한 숫자들
Multi-Glau 시스템은 샹야병원의 27,255명 녹내장 환자 데이터를 사용하여 개발되었으며, 고도 근시와 당뇨망막병증 같은 교란 조건을 제외한 후 3,545례가 최종 분석에 포함되었습니다. 시스템은 그 후 두 외부 병원에서 검증되었습니다: 이양시 중심병원(99례)과 도장현 인민병원(45례)입니다.
주요 성능 지표:
| 모듈 | 작업 | AUC | 민감도 | 특이도 |
|---|---|---|---|---|
| XGBoost 스크리닝 | 녹내장vs건강 | 0.9254 | 0.8857 | 0.8812 |
| Freeze-Missing | 초기vs중증 | 0.8650 | 0.8419 | 0.7193 |
| M³-VF | 4단계 분류 | 0.9516 | 0.7454 | 0.8733 |
마찬가지로 중요한 것은 시스템이 인간 성능을 향상시켰다는 점입니다. 다양한 경험 수준의 아홉 안과의사를 포함한 연구에서, 의사들이 Multi-Glau의 해석 가능성 기능을 사용할 때 진단 정확도가 유의하게 향상되었습니다. 이 향상은 하급 의사와 중증 사례에서 가장 두드러졌습니다——바로 가장 필요한 곳입니다.
7. 이미 작동 중: 중국 전역의 병원들
Multi-Glau는 배포를 기다리는 이론 모델이 아닙니다. 이미 작동 중입니다. 시스템은 로컬 소프트웨어 도구와 웹 기반 플랫폼 모두로 배포되어 후난성 여러 병원에 서비스를 제공합니다:
- 중남대학교 샹야병원(창사): 시스템이 개발된 3차 병원. 세 모듈 모두 사용하며 치료 계획을 위해 확정 진단 모듈을 중점 사용.
- 이양시 중심병원: 2차 병원. 예비 진단 모듈을 사용하여 환자를 분류하고 의뢰 긴급도를 결정.
- 도장현 인민병원: 농촌 인구에게 서비스를 제공하는 2차 병원. 스크리닝 모듈을 사용하여 주변 농촌에서 녹내장 의심자를 식별.
시스템의 해석 가능성 기능——진단에 영향을 준 영상 영역을 보여주는 GradCAM++ 시각화——는 의사 교육에 특히 가치가 있습니다. 하급 의사들은 시스템이 놓칠 수 있는 녹내장 특징을 인식하는 데 도움이 된다고 보고합니다.
“Multi-Glau는 의사를 대체하지 않습니다,” 송 박사가 말했습니다. “의사를 더 좋게 만듭니다. 그리고 전문의 감독이 제한된 농촌 지역에서 그 차이가 환자에게 인생을 바꿀 수 있습니다.”
8. 이것이 환자에게 의미하는 것
2,100만 명의 중국 녹내장 환자——그리고 수백만 명의 위험군——에게 Multi-Glau는 의료 접근성의 근본적 전환을 의미합니다. 한때 먼 도시 병원으로의 이동이 필요했던 병이 이제 지역 진료소에서 발견될 수 있습니다. 조용히 시력을 훔치는 병이 손상이 일어나기 전에 포착될 수 있습니다.
그 영향은 중국을 넘어섭니다. 계층형 의료체계와 불균형 자원 분포를 가진 어떤 나라도 유사한 도전에 직면합니다. Multi-Glau 아키텍처——적응성, 계층 인식, 결손 데이터에 견고——는 다른 질병과 다른 의료체계에 적용될 수 있는 템플릿을 제공합니다.
도장현의 농부에게 영향은 더 단순합니다. 그는 여전히 시력을 가지고 있습니다. 여전히 밭을 갈 수 있습니다. 여전히 손주들이 자라는 것을 지켜볼 수 있습니다.
그리고 그 같은 수백만 환자들에게 그것이 전부입니다.
출처 및 참고문헌
이 기사는 정보 제공만을 목적으로 하며 의료 조언을 구성하지 않습니다. 환자는 자격 있는 의료 전문가에게 개별화된 의료 지도를 상담해야 합니다.