최근 치과시장은 디지털 덴티스트리가 개원가 임상에 자리잡으며 스캔 데이터와 CT 촬영 데이터를 활용한 데이터 업로드 플랫폼을 기반으로 다양한 소프트웨어와 디지털 기반 기술 기업들의 활약이 주목받고 있다.
특히 치과 시장에서 디지털화는 단기적으로는 임플란트와 교정 분야에서 출발하고 있으며 향후 확장성은 그 어느 의학 분야보다도 새로운 변화를 받아들이고, 꾸준한 연구 개발을 통해 변화가 빠르게 이뤄질 것으로 예상된다.
최근 수많은 임상 데이터를 바탕으로 인공지능을 접목해 치료 방법과 예상되는 결과를 사전에 파악하며 더 나은 진료 시스템 환경을 조성하는 데도 AI 기반 기술이 속속들이 소개되고 있다. 덴포라인은 이달의 주제로 AI가 치과의 어디쯤 다가왔는지를 살펴본다.
덴포라인 취재팀 denfoline@denfoline.co.kr, 참조 jcda.ca
인공지능(AI, Artificial Intelligence)은 ‘인간이 가진 지적 능력을 컴퓨터를 통해 구현하는 기술’이다. 컴퓨터의 발전, 로봇의 등장 등 산업의 고도화로 우리가 알고 있는 ‘생각한다’는 행위는 인간이 아닌 다른 ‘물체’에게도 적용되고 있다. 2016년 3월 구글 딥마인드가 개발한 인공지능 바둑 프로그램 알파고(AlphaGo)와 한국의 바둑 이세돌 9단과의 4:1 승부는 인공지능 시대가 멀지 않음을 알린 바 있다.
AI 기반 덴탈 소프트웨어의 중심, ‘교정’과 ‘임플란트’
AI 기반 덴탈 소프트웨어 시장의 점점 커지고 있는 주된 원인의 핵심은 ‘디지털 덴티스트리’에 있다. 현재 전체 디지털화를 보면 덴처, PFM, 메탈과 크라운 등을 선호하는 의사들을 포함하면 디지털이 6, 아날로그가 4 정도로 말할 수 있으며, 일반적으로는 디지털이 8, 아날로그가 2 정도의 비율로 유지되고 있다고 말하고 있다.
전 세계 시장으로 봤을 때 아직 디지털 덴티스트리라는 변화의 물결에 보수적인 미국도 디지털과 아날로그의 비율은 5:5로 차츰 디지털화에 힘이 실리고 있으며, 향후 5년 안에는 아무리 기술이 발전해도 디지털로 대체할 수 없는 특정한 파트를 제외하고는 디지털로 넘어갈 것이라고 극단적으로 이야기하기도 한다. 특히 구강 스캐너와 인터오랄 스캐너의 보급률이 급상승하는 치과분야의 디지털화는 다른 의료업종보다 더 가속화할 것이며, 이에 발맞춰 치과의료기기 업체들의 AI 기반 디지털 기기의 출시 속도와 함께 전체 시장의 대혁신이 일어날 것으로 예상되고 있다.
한 치과계 관계자는 이러한 덴탈 소프트웨어 시장의 인공지능화를 두고 “외국의 치과시장은 인력수급과 고용비용의 문제가 가장 심각하다”라며 “숙련된 치과위생사(또는 스태프)를 두는 것이 필요하지만 그게 불가피하다면 고용 대신 디지털 기기 및 소프트웨어로의 대체와 함께 AI 기능이 강화돼 효율성을 높이는 측면이 낫다”라는 생각이 강해 해외 시장에서의 덴탈 소프트웨어 시장이 더욱 빨리 확산됐으며, AI를 적용하는 사례도 늘고 있다고 밝혔다.
AI-ML 기반 SaMD의 지속적인 혁신 과정
치의학이 주목하는 AI 알고리즘 CNN
의학, 그중에서도 치과에서 ANN(Artificial Neural Network, 인공신경망)의 가장 일반적으로 사용되는 하위 클래스 중 하나는 CNN(Convolutional Neural Network, 콘볼루션 신경망)이다. CNN은 특수 뉴런 연결 아키텍처와 수학적 연산인 콘볼루션을 사용해 사운드, 이미지 및 비디오와 같은 디지털 신호를 처리한다. CNN은 슬라이딩 윈도우를 사용해 왼쪽에서 오른쪽으로, 위에서 아래로 한 번에 작은 입력 이웃을 스캔해 더 넓은 이미지나 신호를 분석한다. 이미지 분류 작업에 매우 적합하며 이미지 인식에 가장 많이 사용되는 알고리즘이다.
치과에서 AI 임상 적용 사례
치열교정, 치주학, 방사선과, 근관치료, 구강병리학
치과에서 AI를 활용한 임상 및 진료 효율성 향상 사례는 교정, 치주, 방사선, 근관치료, 구강병리학 등에서 대표적으로 나타나고 있다고 한다.
교정치료…부정교합 치료 판단 정확성 높아
ANN은 임상에서 의사 결정 과정을 도울 수 있는 잠재력이 뛰어나다. 교정치료에서는 환자로부터 예측 가능한 최상의 결과를 얻어내기 위해 신중하게 치료 계획을 세우는 것이 중요하다. 하지만 현재 부정교합 등 교정치료에서 발치는 생각보다 잦게 진행된다. 따라서 돌이킬 수 없는 치료를 진행하기 전에는 이 방법이 최선인지, 대체할 치료 방법은 없는지 신중하게 판단하고 환자의 의견도 들어 최선의 임상적 결정을 내리는 것이 필요하다. ANN은 부정교합 환자의 교정치료 전에 발치의 필요성을 결정하는 데 사용되고 있으며 평균 80~93%의 정확도를 보였다.
치주학…공격성 및 만성 구분 98% 일치
1999년 발표된 미국치주학회(American Academy of Periodontology, AAP)의 치주질환 분류에 따르면 치주염의 임상적 유형은 공격성 및 만성 형태로 인식된다고 한다. 이 질병의 복잡한 병의 원인으로 단일 임상적, 미생물학적, 조직병리학적 또는 유전자 검사 또는 이들의 조합은 공격성 환자와 만성 환자를 구별할 수 있다. 임상가들은 ANN을 활용해 이 두 부류의 화자를 구별했으며, 90~98%의 높은 정확성을 보였다고 밝혔다. 이 연구에 따르면 ANN이 말초혈액의 백혈구 수와 같은 비교적 간단하고 편리하게 얻은 매개변수를 사용해 두 부류를 분리하는 정확한 진단에 사용될 수 있다고 결론지었다.
방사선과…치아우식 감지 최대 93.3% 정확도
치과에서 CNN 알고리즘의 사용은 치아의 해부학적 구조를 자동으로 감지하고 식별할 수 있음을 증명했다. AI를 활용한 CNN 알고리즘의 일부는 치근단 방사선 사진에서 치아를 식별하고 레이블을 지정하도록 훈련됐다. 정확도 측면에서 CNN은 치아를 감지하고 식별하는 데 95.8~99.45%의 정확도를 보여 경험이 많은 임상 전문가의 정확도가 99.98%과 거의 비슷한 수준의 실력을 보여줬다.
CNN은 치아우식의 감지와 유의미한 진단에도 사용되고 있다. 구치부의 3,000개 치근단 방사선 사진에서 deep CNN 알고리즘은 75.5~93.3%의 정확도와 74.5~97.1%의 감도로 우식 병변을 탐지할 수 있었다. 이것은 치과 임상의가 다양한 감도로 방사선 사진만을 사용해 19~94%까지 진단하는 효과와 비교해 놀라울 정도의 정확도다. Deep CNN은 치아우식 진단의 감도를 향상시킬 수 있는 큰 잠재력을 갖고 있으며 속도와 결합하면 최고의 효과를 발휘할 수 있을 것이다.
근관치료…비정형적 변이 유무 가능성 파악
하악 대구치는 근관 구성이 유사한 경향이 있지만 몇 가지 비정형적 변이가 발생할 수 있다. 형태적 차이와 관련된 치료 실패를 최소화하고 근관 치료의 임상 결과를 최적화하기 위해 CBCT가 표준으로 자리잡았다. 그러나 CBCT는 기존의 방사선 사진과 비교해 방사선량이 높아 잘 사용되지 않는다. 이러한 문제를 극복하기 위해 AI가 도입, CNN을 사용해 주어진 데이터를 분류하고 첫 번째 하악 대구치의 치근에 1개 이상의 추가 근관이 있는지 여부를 파악해서 알려준다. 치과용 CBCT로 촬영한 하악 제1대구치 760개의 방사선 사진을 분석했다. 비전형의 유무가 결정되면 해당 파노라마 방사선 사진에서 얻은 뿌리의 이미지 패치를 딥러닝 알고리즘으로 처리해 형태를 분류할 수 있다.
구강 병리학…종양 조기발견율 매우 높아
치과 진료에서 구강 병변의 발견과 진단은 조기발견이 예후를 크게 향상시키기 때문에 치과 진료에서 매우 중요하다. 일부 구강 병변은 본질적으로 암이 되기 쉽거나 이미 암이 발생된 것일 수 있으므로 정확한 진단을 내리고 환자에게 적절한 치료를 처방하는 것이 중요하다. CNN은 두경부암 병변의 진단 과정 전반에 걸쳐 유망한 도움이 되는 것으로 나타났다. CNN은 특이도와 정확도가 각각 78~81.8%, 80~83.3%로 조직 샘플이나 방사선 사진에서 종양 조직을 검출할 수 있는 잠재력이 크다.
AI 기반 덴탈 소프트웨어 선택 기준은
그렇다면, 과연 AI 기반 덴탈 소프트웨어를 도입할 때 선택의 기준은 무엇일까. 선택의 기준을 언급하기에 앞서, 현재 AI 기반 덴탈 소프트웨어의 도입률이 가장 높은 진료 과목은 보철 분야다. 보철은 다른 진료과에 비해 상대적으로 기술 장벽이 낮다. 실제로 원내에서 AI를 활용해 크라운 제작하고 3D 스캐너와 3D 밀링기를 도입하는 접근 방식은 지금으로부터 10년 정도 앞서 독일에서 먼저 솔루션을 출시했으며, 유럽을 중심으로 많이 퍼져나갔다.
최근에는 교정과 임플란트 분야에서 AI 기술이 적용된 덴탈 소프트웨어를 도입하는 사례가 늘고 있다. 임플란트를 예로 들면 치과에서 임플란트를 식립해야 하는데, 치과에 CBCT 장비가 없이 치과의사가 프리핸드로 진단하고 식립을 진행한다고 하면 과연 어떨까. CBCT는 임플란트를 식립할 위치를 미세한 단위까지 정확하게 측정하고, 신경 터널을 피하며, 앞·뒤 치아의 정확한 간격을 유지해서 식립할 수 있도록, 말 그대로 휴먼에러를 줄이는 데 가장 보편화된 장비가 된다.
AI 기반 덴탈 소프트웨어를 도입할 때 가장 많이 궁금해하는 것 중 하나가 바로 제품, 소프트웨어의 검증성이다. 그 이유는 결국 의료기기 관련 솔루션은 최대한 많은 케이스를 통해 정확성이 얼마나 높은지, 치료가 잘못되거나 수술 예후가 좋지 않은 등의 안전성이 환자의 건강, 더 크게 말해서 생명과도 직결되는 문제이기 때문이다.
아직까지는 AI 기반 덴탈 소프트웨어의 동향은 한국보다는 해외 시장이 뛰어난 자본과 기술력으로 앞서 나가고 있다. 따라서 AI 기반 덴탈 소프트웨어를 원내 도입한다면 수입을 통해 국내에서 사용했을 때 얼마나 국내에서 제대로 활용할 수 있는지, A/S와 소프트웨어 업그레이드 등 구매 후 관리가 제대로 되는지, 제조사의 경쟁력 등을 파악해 꾸준히 사업을 해 나가며 판매한 제품을 유지·관리할 수 있는지 등 여러 가지를 고려해서 구매하는 것이 필요하다.
덴탈 시장에서 AI와 접목된 소프트웨어를 출시하는 것은 향후 더욱 빠르게 확산될 것이며, 진단과 치료가 가능한 진료 과목도 더욱 늘어날 것이다. 디바이스를 판매하기 위해서는 그 디바이스를 유용하게 녹여낼 수 있는, 해당 디바이스에 최적화된 소프트웨어를 함께 만들어 제공하는 것이 중요하며, 각 제조사들도 저마다의 독립적인 소프트웨어를 갖춰야겠다는 인식은 퍼지고 있다. 그리고 복잡한 것보다는 심플하게 그리고 웹 기반으로 가볍고 시공간을 초월해서 사용할 수 있는 활용성도 빼놓지 않고 있다.
미래 디지털 덴티스트리의 핵심은 ‘ABCD’다. A는 AI, B는 Big Data, C는 Cloud, D는 Digital의 효율적인 조화만이 전체 치과계의 장밋빛 전망을 가져올 수 있다. 이를 위해 더욱 많은 기업들이 체질 개선에 나설 것이고, 유의미한 결과를 지켜보며 트렌드를 따라가는 것이 중요할 것이다. 다음은 치과분야에서 AI 등 기술기반의 기업들의 인터뷰를 통해 치의학 분야에서 활용되고 있는 AI와 디지털 기반 기술 현황을 살펴본다.
