본 연구의 목적은 AI 알고리즘 중의 하나인 cascade convolutional neural network(CNN)를 활용하여 후전방 두부계측방사선사진(Posteroanterior cephalogram, PA) 상의 계측점과 계측치를 구하고 이를 사람이 식별한 값과 비교하여 AI의 정확도를 평가하는 것이다.
9개의 기관에서 획득한 2,903개의 후전방 두부계측방사선사진 중 2,526개를 계측점 자동 식별을 위한 CNN 알고리즘 훈련에 사용하였다. 나머지 377장의 영상을 AI 알고리즘의 자동 식별 정확도 평가를 위해 인간이 계측한 수동 식별과 계측점과 계측치를 비교하였다. 계측은 V-Ceph 8.0(Ostem, Seoul, Korea)을 이용하였다. AI와 2명의 연구자 간의 point-to-point error와 x,y축 좌표 상의 오차 및 계측치 오차 비교를 위해 분산분석 시행 후 사후검정으로 Tukey 검정을 실시하였다.
AI는 임상적으로 허용가능한 수준의 point-to-point error(평균 1.26mm)를 보였고, x좌표 상에서 4개의 계측점(양측 FZP점, 양측 Lo점)에서, y좌표 상에서는 7개의 계측점(Cg점, ANS점, LDM점, 양측 FZP점, 양측 Lo점)에서 유의하게 높은 정확도를 보였다. 또한 2mm 이내 평균 83.2%의 SDR을 보였으며, 정중시상선을 기준으로 측정한 계측치에서도 Me점을 제외한 나머지에서 1mm 미만의 차이를 보였다.
AI를 이용하여 후전방 두부계측방사선사진에서 9개의 계측점을 자동 식별하도록 하였을 때, 사람보다 비교적 높은 수준의 정확도를 보였고, 계측치에 대해서도 높은 수준의 정확도를 보였다.