1. 소개 논문의 간략한 내용 요약(관련 연구분야 동향 포함)

본 연구는 딥러닝 기술을 활용한 평발의 자동진단화에 관한 연구입니다. 평발의 진단은 기본적으로 족부의 X-ray에서 각도측정으로 진단합니다. 각도를 기준으로 정상, 경도, 중등도, 고도로 분류합니다. 대한민국 모든 19세 남성들은 병무청에서 병역판정 신체검사를 받고, 최종적으로 현역, 보충역 또는 전시근로역 판정을 받습니다. 중등도 이상의 평발이 있는 수검자는 보충역 또는 전시근로역 판정을 받습니다. 병무청 통계에 따르면, 2017년부터 5년간 전체 인원 중 평발로 인해 보충역을 받은 비율이 평균 0.68%였고, 정형외과 질환으로 보충역을 받은 인원 중에서 평발로 인해 보충역을 받은 비율은 평균 27.6%였습니다.^[1] 지방병무청 별로 평발로 인한 보충역 판정비율을 비교해보았을 때, 최고인 지역의 판정비율을 최저인 지역의 판정비율로 나누어 보면 약 3배에서 7배로 나타났습니다. 지역별 편차가 큽니다.

병무청 병역판정전담의사로 복무한 경험으로, 지방병무청 간 평발의 판정비율이 차이의 원인은 실제 지방마다 평발의 유병률이 차이 때문이 아니라 판정의사 간 관찰자 일치도 문제라고 생각하였습니다. 그래서 관찰자간 일치도 문제를 과학적인 방법론으로 해결해보고자 평발의 각도 측정을 인공지능 자동화를 구현해보고 싶었습니다. 1200개의 X-ray를 대상으로 총 22개의 랜드마크를 정의하여 학습을 시켰습니다. 점이 3개가 모이면 각도가 하나 만들어집니다. 결론적으로 각도를 측정하도록 도와주는 점을 정확하게 예측하는 모델을 만드는 것이 목표였습니다. 이전 선행 연구결과를 토대로 학습된 딥러닝 모델 신경망을 적용하였습니다.^[2] 딥러닝 모델에 새로운 X-ray를 투입하면 랜드마크를 추출할 수 있도록 신경망을 만들었고, 랜드마크를 통해 각도를 계산하였습니다. 딥러닝 모델이 만들어낸 결과치는 각도 오차가 평균 0.84도로 나타났고, 다른 임상의사들 보다 더 오차가 적게 나타났습니다. 다시 말해서, 딥러닝 모델은 정답을 만든 전문가와 유사하게 랜드마크를 추출해 냈습니다. 

2. 연구과정에서 나누고 싶은 내용

(국제 연구, 혹은 공동 연구 시 경험  : 자부심, 보람, 어려움, 고려사항 등)

저는 골대체 물질에 대해 연구하여 정형외과 의학박사 학위를 취득하였습니다. 이후, 병무청에서 군대체복무를 하는 동안 느꼈던 임상적인 Unmet needs를 꼭 해결해보고 싶어서, 복무기간동안 연세대학교 야간대학원에 입학하여 컴퓨터공학전공 석사과정을 졸업하였습니다. 이후, 의료영상을 전문적으로 연구하는 울산대학교 의과대학 MI2RL 연구실에 공학박사과정으로 입학하여 풀타임 연구원으로 근무하였습니다. Unmet needs를 해결하겠다는 목표가 있었기 때문에, 흔들리지 않고 지속적으로 연구에 매진할 수 있었습니다. 평발의 진단 자동화에 관련된 시리즈 연구를 SCI급 저널에 4편 발표를 했었고,^[3],[4] 그 것이 제 공학박사 논문의 주 요지였습니다.

저는 정형외과 전문의이고, 공학적 지식이 부족한 사람이기에 중개연구를 하기 위해서는 협업이 꼭 필요하였습니다. 여러 배경의 사람들과 조화롭게 연구를 하기 위해서 신경 쓴 부분이 논문의 Authorship (저자)입니다. 연구팀을 꾸리고 제일 처음 정한 것이 주저자 (제1저자 또는 교신저자)를 어떻게 할 것인가 였습니다. 제가 생각하는 주저자의 요건은 저자들 전체가 해당 연구에 쏟은 총 시간의 양을 봤을 때, 한 저자가 쏟은 시간이 1/3이상 되거나, 가장 중요한 아이디어를 낸 사람이 주저자의 요건이 된다고 생각합니다. 이런 역할분배를 먼저 하고 연구를 시작하였습니다. 

정형의과 전문의로서 수술을 배우지 않고 풀타임 연구를 하는 것에 대한 두려움이 늘 존재하였지만, 저는 제가 아직 젊다고 생각하였고, 이 때가 아니면 새로운 학문을 공부하기 힘들다고 생각하였습니다. 젊은 나이에 새로운 것을 배운다는 것이 신나는 일이라고 생각하였습니다. 군복무를 하면서 소속기관의 시스템을 바꾸어 보겠다고 생각하는 사람은 거의 없다고 생각합니다. 저는 3년간 평발 각도를 측정하면서 관찰자간 일치도의 문제를 경험했고, 결국 그 시스템을 바꾸어보고자 젊은 나이의 수년을 투자하여 연구들을 완료하였습니다. 이 논문들이 제 박사과정의 보람이자 자부심이었습니다. 추후에 병무청에서 실제 이 모델이 채택이 되길 소망합니다.

3. 앞으로의 연구활동 계획 

울산대학교에서 공학박사학위를 취득 후에 저는 서울아산병원 정형외과에서 1년간의 풀타임 임상강사 직을 수료하고 나서, 현재 서울특별시 서울의료원 정형외과에서 근무하고 있습니다. 실제 의료 현장에서 만나게 될 Unmet needs를 지속적으로 해결해보고자 합니다. 

4. 끝으로 후배 연구자들에게 하시고 싶은 말씀

대학 졸업 후 임상의사로서 보낸 시간이 더 많기에 후배 임상의사 연구자들께 말씀드리겠습니다. 진료 현장에서 환자의 진료를 보고 치료를 하는데 있어서, 그렇게 까지 중요하지는 않지만 공학적으로 해결해볼 수 있겠다는 아이디어가 떠오를 때가 있을 것 입니다. 저의 경우는 외래진료시에 제가 말로 하는 것이 깔끔하게 정리되어 외래기록지에 저장되었으면 좋겠다고 생각한 적이 있었습니다. 진료를 보면서 타자를 치는 것이 그리 어렵지는 않습니다. 하지만, 저는 이런 것을 컴퓨터를 이용하여 자동화할 수 없을지 이런 관점에서 연구주제를 찾습니다. 

환자 진료로 늘 바쁜 일상을 보내시겠지만, 그 일상에 연구를 통해 해결해볼 수 있는 것들은 어떤 것이 있을지 고민하시고, 거기서 더 나아가 어떻게 구체적으로 해결해볼지 고민하시다 보면 재미있는 아이디어가 많이 떠오를 것입니다. 문제를 혼자서 해결하지 못할 가능성이 높지만, 여러 학회활동 하시면서 다른 학문들의 전문가들과 교류를 하시면서 인연을 만들다 보면 서로가 윈윈하는 연구를 하실 수 있을 거라 생각합니다. 결국 연구도 인간관계에서 출발합니다. 

^[1] Ryu SM, Lee, TK, Lee SH. Prevalence of flatfoot among young Korean males and the correlation among flatfoot angles measured in weight-bearing lateral radiographs. Medicine 101(30):p e29720, July 29, 2022.

^[2] Ryu SM and Shin KW et al. "Automated landmark identification for diagnosis of the deformity using a cascade convolutional neural network (FlatNet) on weight-bearing lateral radiographs of the foot." Computers in Biology and Medicine 148 (2022): 105914.

^[3] Ryu, SM and Shin KW et al. "Enhancement of evaluating flatfoot on a weight-bearing lateral radiograph of the foot with U-Net based semantic segmentation on the long axis of tarsal and metatarsal bones in an active learning manner." Computers in Biology and Medicine 145 (2022):

^[4] Ryu, Seung Min, et al. "Automated diagnosis of flatfoot using cascaded convolutional neural network for angle measurements in weight-bearing lateral radiographs." European Radiology 33.7 (2023): 4822-4832.