[Research & Insight]녹내장 OCT 판독을 AI가 자동 리포트로 써줄 수 있을까? — 검사 품질 선별·진단·부위별 신경섬유층 분석을 한 번에 (Ophthalmology Science 2026)
녹내장 OCT 판독을 AI가 자동 리포트로 써줄 수 있을까? — 검사 품질 선별·진단·부위별 신경섬유층 분석을 한 번에 (Ophthalmology Science 2026) — 핵심 요약검사 품질 선별부터 진단·부위별 신경섬유층 분석까지 한 번에 하는 멀티모달 인공지능 (*Ophthalmology Science* 2026)
녹내장은 시신경이 서서히 상하면서 시야가 좁아지는 병이라, 눈 안쪽의 신경 다발이 얇아졌는지를 정밀하게 보는 OCT(빛으로 망막 단면을 찍는 검사)가 진단·추적의 핵심입니다. 그런데 OCT는 영상의 질이 나쁘면 판독이 어긋날 수 있고, 결과를 사람이 하나하나 읽어 리포트로 정리하는 데 시간과 숙련이 듭니다. 이번에 소개하는 연구는 OCT 영상을 읽어 (1) 검사 품질이 판독에 쓸 만한지 먼저 걸러내고, (2) 녹내장이 의심되는지 판단하며, (3) 어느 부위의 망막신경섬유층(눈 안쪽 시신경 다발이 지나가는 얇은 층)이 얇아졌는지를 문장으로 설명하는 리포트를, 한 번에 자동으로 만들어 주는 멀티모달 인공지능(글과 이미지를 함께 다루는 대규모언어모델, MM-LLM)을 개발한 것입니다. 미국의 두 연구 코호트(DIGS·ADAGES) 자료에서 시신경유두 중심 B-scan 43,849장(1,310명)으로 후향적으로 훈련·검증했습니다. 결과부터 담담히 말하면 — 검사 품질을 걸러내는 정확도가 90%(특이도 98%), 녹내장을 잡아내는 정확도가 86%(민감도 93%)로 높았고, 부위별 신경섬유층 얇아짐 기술도 83~94% 정확했으며, AI가 만든 리포트의 표현이 사람이 쓴 참조 리포트와 매우 비슷했습니다(BERTScore 0.99). 다만 정상을 정상으로 맞히는 특이도가 65%로 낮아 정상 눈을 녹내장으로 잘못 표시할 여지가 있고, 후향적 연구이며 외부·전향 검증이 남아 있고, 무엇보다 이 도구는 의사를 대체하는 것이 아니라 판독을 보조하는 것임을 함께 읽어야 합니다.
🔎 이 글의 성격 (소개·정보 고지): 본 글은 AfterNOON이 공개된 학술 문헌을 소개·정리한 정보성 리뷰입니다. 필자는 인용 연구의 저자가 아니며 이해관계가 없고, 특정 인공지능·제품의 사용 권유나 광고가 아닙니다. 여기 소개된 AI는 의료진의 판독을 보조하기 위한 연구 단계의 도구입니다. 녹내장 등 눈 질환의 진단·검사는 담당 안과 의료진이 판단합니다.
서지정보 · Jalili J, et al. Image-Quality-Aware Multimodal Artificial Intelligence for Automated Structured OCT Report Generation in Glaucoma Evaluation. *Ophthalmology Science* 2026;6(8):101254 · DOI 10.1016/j.xops.2026.101254 · PMID 42421754 · PMCID PMC13343140 · (후향 코호트 DIGS·ADAGES; 저자 소속·재정 이해관계는 원문 disclosure 참조)
핵심 요약
- 무엇을 한 연구인가: OCT(빛으로 망막 단면을 찍는 검사) 영상을 읽어 검사 품질 선별 → 녹내장 진단 → 부위별 망막신경섬유층 얇아짐 설명까지, 사람이 쓰는 것 같은 구조화된 리포트를 한 번에 자동 생성하는 멀티모달 인공지능(MM-LLM)을 개발·검증했습니다.
- 어떻게 만들었나: 이미지와 글을 함께 다루는 공개 대규모언어모델(Llama 3.2 Vision-Instruct)을 안과 데이터로 미세조정(특정 과제에 맞게 추가 학습) 했습니다. 미국 두 코호트(DIGS·ADAGES)의 시신경유두 중심 B-scan 43,849장(1,310명; 녹내장 1,331안·건강 867안) 을 썼습니다.
- ★검사 품질 선별은 얼마나 정확했나: 판독에 쓰기 어려운 저품질 영상을 걸러내는 정확도가 0.90(90%), 특이도가 0.98(98%) 로, 쓸 만한 영상을 걸러내지 않고 잘 통과시켰습니다.
- ★녹내장 검출은 얼마나 정확했나: 전체 정확도 0.86(86%), 민감도 0.93(실제 녹내장을 녹내장으로 맞히는 비율 93%) 으로 놓치는 경우가 적었습니다. 다만 특이도는 0.65(정상을 정상으로 맞히는 비율 65%) 로 낮아, 정상 눈을 녹내장으로 표시하는 위양성 여지가 있었습니다(F1 0.91).
- ★부위별 신경섬유층 설명: 어느 방향(부위)의 신경섬유층이 얇아졌는지를 기술하는 정확도가 0.83~0.94(83~94%) 였습니다.
- ★리포트 표현의 일치: AI가 만든 리포트가 사람이 쓴 참조 리포트와 표현상 매우 비슷했습니다(BLEU 0.82, BERTScore-F1 0.99). 다만 이는 '문장이 닮았다'는 뜻이지 '임상 판단이 항상 정답'이라는 뜻은 아닙니다.
- 의미와 한계: 검사 품질을 스스로 점검하고 판독 초안을 자동으로 만든다는 점에서 판독 표준화·확장의 가능성을 보였습니다. 다만 후향적 연구이고 외부·전향 검증이 남아 있으며, 의사를 대체하는 것이 아니라 보조하는 도구입니다.
왜 이 주제가 중요한가?
[먼저, 쉽게] 녹내장은 초기에 별 증상이 없이 시신경이 서서히 상하는 병이라, 눈 안쪽 신경 다발이 얇아졌는지를 정밀하게 보는 OCT가 조기 발견과 경과 추적에 매우 중요합니다. 그런데 OCT는 영상의 질이 좋지 않으면 판독이 어긋날 수 있고, 결과를 사람이 읽어 리포트로 정리하는 데 시간과 숙련이 듭니다. 검진 인원이 많아지고 판독 인력이 부족한 상황에서는, 검사 품질을 스스로 점검하고 판독 초안을 자동으로 만들어 주는 도구가 있다면 현장의 부담을 덜 수 있습니다.
[조금 더 깊이] 이 연구가 특별한 점은 세 가지 일을 하나의 인공지능이 이어서 한다는 데 있습니다. 먼저 (1) 들어온 OCT 영상이 판독에 쓸 만한지 품질을 선별하고(나쁜 영상으로 잘못 판단하는 것을 줄이려는 안전장치), 통과한 영상에 대해 (2) 녹내장 여부를 판단하며, (3) 단순히 '녹내장/정상'만 말하는 것이 아니라 어느 부위의 신경섬유층이 얼마나 얇아졌는지를 문장으로 설명합니다. 이렇게 판단의 근거를 말로 풀어 주는 방식은, 결과만 툭 던지는 기존 인공지능보다 의료진이 검토·수용하기 쉽다(설명가능성) 는 장점이 있습니다. 다만 이 모든 것은 의료진의 판독을 대신하는 것이 아니라 초안을 보조하는 방향입니다.
근거는? — 무엇을 보였나
- 검사 품질 선별: 판독에 부적합한 저품질 영상을 걸러내는 정확도가 0.90(90%)이었고, 특이도가 0.98(98%)이었습니다. 즉 쓸 만한 영상을 불필요하게 탈락시키는 일이 적었습니다.
- 녹내장 검출: 전체 정확도 0.86(86%), 민감도 0.93(93%)으로 실제 녹내장을 놓치는 경우가 적었습니다. 그러나 특이도는 0.65(65%)로 낮아, 정상 눈을 녹내장으로 표시하는 위양성이 상대적으로 많을 수 있음을 시사합니다(F1 0.91). 민감도는 높지만 특이도가 낮다는 이 균형은 해석에서 반드시 함께 봐야 합니다.
- 부위별 신경섬유층 기술: 신경섬유층이 얇아진 부위(섹터)를 기술하는 정확도가 0.83~0.94(83~94%)로, 부위에 따라 편차가 있었습니다.
- 리포트 표현의 일치(텍스트 지표): AI가 생성한 리포트가 사람이 쓴 참조 리포트와 표현상 강하게 일치했습니다(BLEU 0.82, BERTScore-F1 0.99). 다만 이 지표는 문장이 얼마나 닮았는지를 재는 것이지, 임상적 결론이 항상 정확하다는 보증은 아닙니다.
- 주의: 이 모든 수치는 개발·검증 단계의 진단 정확도·표현 유사도에 대한 것이지, '이 AI를 쓰면 녹내장 진료 결과가 좋아진다'는 임상 결과(outcome) 를 보인 것은 아닙니다.
이 연구의 중요성 — 4가지 관점
① 분야 흐름에서의 위치 — '분류만 하는 AI'에서 '설명하는 AI'로. 그동안 안과 인공지능은 '녹내장/정상'처럼 결과를 분류하는 데 집중했습니다. 이 연구는 여기서 한 걸음 나아가, 검사 품질을 먼저 점검하고, 판단 근거를 문장으로 설명하는 구조화 리포트를 자동으로 만든다는 점에서, 이미지와 글을 함께 다루는 멀티모달 대규모언어모델을 임상 판독 흐름에 접목하려는 최신 시도의 하나입니다.
② 근거의 무게 — 데이터는 크지만, 후향적·특정 학습셋. 4만 장이 넘는 B-scan으로 개발한 점은 강점입니다. 다만 후향적(이미 모은 자료로 되돌아본) 설계이고, 특정 장비·두 코호트 자료에 맞춰 학습·검증했기 때문에, 다른 병원·다른 장비·전향적 환경에서도 같은 성능이 나올지는 아직 확인되지 않았습니다. '유망한 개발·검증'으로 읽는 것이 맞습니다.
③ 임상 현장에서의 의미 — 판독 보조·표준화 도구. 실용적 함의는 분명합니다. 검사 품질을 스스로 점검하고 판독 초안을 자동으로 만들면, 판독 인력이 부족한 검진 현장에서 표준화된 초안을 빠르게 얻을 수 있습니다. 다만 특이도가 낮아 정상을 녹내장으로 표시하는 위양성이 나올 수 있으므로, 최종 판독과 확진은 반드시 안과 의료진이 확인해야 합니다. 이 AI는 의사를 대체하는 것이 아니라 보조하는 도구입니다.
④ 한국·AfterNOON 관점. 한국에서도 녹내장 조기 발견과 OCT 판독 수요는 계속 늘고 있습니다. AI 자동판독과 구조화 리포트는 검진·판독을 표준화하고 접근성을 넓힐 수 있다는 점에서 디지털 안과검사 흐름과 맞닿습니다. 다만 도입 시에는 후향·특정 학습셋이라는 검증 범위, 위양성 여지, 의료진 판독의 보조 역할을 함께 고려해야 합니다.
그래서 무엇을 시사하나?
메시지는 균형이 핵심입니다. OCT 영상을 읽어 검사 품질 선별·녹내장 진단·부위별 신경섬유층 설명 리포트를 한 번에 자동으로 만드는 인공지능이, 개발·검증 단계에서 높은 정확도를 보였다는 것이 이 연구의 성과입니다 — 검사 품질을 스스로 점검하고 판단 근거를 문장으로 설명한다는 점은 실용적으로 의미가 큽니다. 동시에 이는 후향적·특정 학습셋의 개발 연구이고, 정상을 정상으로 맞히는 특이도가 65%로 낮아 위양성 여지가 있으며, 외부·전향 검증과 임상 결과 확인이 남아 있습니다. 따라서 '사람 판독을 대체하는 완성품'이 아니라 '판독을 표준화·확장해 의료진을 보조하는 유망한 도구' 로 보는 것이 정확합니다. 실제 도입·판독·확진은 안과 의료진이 판단합니다.
짚어둘 한계는?
- 후향적 설계: 이미 모아 둔 자료로 되돌아본 연구여서, 전향적(앞으로 모으며 확인하는) 검증이 남아 있습니다.
- ★특이도가 낮음(위양성 여지): 녹내장을 놓치지 않는 민감도는 93%로 높지만, 정상을 정상으로 맞히는 특이도는 65%로 낮아 정상 눈을 녹내장으로 표시할 여지가 있습니다. 걸러진 결과는 반드시 의료진이 확인해야 합니다.
- 외부 검증 미완·특정 학습셋: 특정 장비와 두 코호트 자료로 학습·검증했기 때문에, 다른 병원·장비·인구집단에서 같은 성능이 나올지는 아직 확인되지 않았습니다.
- 텍스트 지표의 의미 한계: 리포트가 사람 리포트와 표현상 닮았다(BLEU·BERTScore)는 것이지, 임상 결론이 항상 정확하다는 보증은 아닙니다.
- 보조 도구의 성격: 이 AI는 의료진의 판독을 대체하는 것이 아니라 보조하는 임상의사결정지원 도구입니다.
- 소개의 성격: 본 글은 원 논문을 소개·정리한 것으로, 개별 진단을 대체하지 않습니다.
자주 묻는 질문 (FAQ)
Q1. 이 AI가 안과 의사의 판독을 대체하나요?
아닙니다. 이 연구의 AI는 OCT 판독을 보조하는 임상의사결정지원 도구입니다. 검사 품질을 점검하고 판독 초안을 자동으로 만들어 주지만, 최종 판단과 확진은 안과 의료진이 합니다. 특히 정상을 녹내장으로 표시하는 위양성 여지가 있어, 사람의 확인이 반드시 필요합니다.
Q2. 얼마나 정확했나요?
검사 품질 선별은 정확도 90%(특이도 98%), 녹내장 검출은 정확도 86%·민감도 93%였습니다. 다만 특이도는 65%로 낮아, 정상 눈을 녹내장으로 잘못 표시할 여지가 있습니다. 부위별 신경섬유층 얇아짐 기술은 83~94% 정확했습니다.
Q3. '멀티모달 AI'가 무슨 뜻인가요?
글과 이미지를 함께 이해·생성하는 인공지능이라는 뜻입니다. 이 연구는 공개 모델(Llama 3.2 Vision-Instruct)을 안과 데이터로 추가 학습(미세조정)해, OCT 이미지를 읽고 사람이 쓰는 것 같은 판독 리포트를 문장으로 만들도록 했습니다.
Q4. 한계가 있나요?
있습니다. 후향적 연구이고, 특정 장비·두 코호트 자료로 학습·검증해 외부·전향 검증이 남아 있습니다. 특이도가 낮아 위양성 여지가 있고, 리포트가 사람 글과 표현상 닮았다는 지표(BLEU·BERTScore)가 임상 정확성을 보증하지는 않습니다. 아직 연구 단계의 보조 도구입니다.
Q5. 저는 무엇을 하면 되나요?
녹내장은 초기에 증상이 뚜렷하지 않을 수 있어, 정기적인 안과 검진과 OCT 등 필요한 검사로 확인하는 것이 중요합니다. AI 판독 여부와 관계없이, 본인에게 어떤 검사와 관리가 필요한지는 담당 안과 의료진과 상의하세요. 본 글은 학술 정보 제공이 목적이며 특정 제품을 권유하지 않습니다.
더 알아보기
녹내장·OCT·AI 안과검사에 대한 더 많은 연구 리뷰·정보는 AfterNOON Insights에서 확인하실 수 있습니다 → afternoon.clop.ai
본 글은 학술·정보 제공이 목적이며 특정 인공지능·제품의 사용 권유가 아닙니다. 녹내장 등 눈 질환의 진단·검사·치료는 담당 안과 전문의와 상의하세요.
출처 (Sources)
- Jalili J, et al. Image-Quality-Aware Multimodal Artificial Intelligence for Automated Structured OCT Report Generation in Glaucoma Evaluation. *Ophthalmology Science*. 2026;6(8):101254. doi:10.1016/j.xops.2026.101254 (PMID 42421754; PMCID PMC13343140; 후향 코호트 DIGS·ADAGES).
저자 소속·재정 이해관계는 원문 disclosure를 확인하시기 바랍니다.
함께 보면 좋은 글
참고 자료
이 글은 안과 전문의 박상준(분당서울대학교병원 안과)의 감수를 받았습니다.
본 콘텐츠는 일반 건강정보이며, 진단과 치료는 담당 안과 전문의와 상담하세요.
