서론

녹내장은 시신경을 손상시키고 되돌릴 수 없는 실명을 초래할 수 있는 일련의 안과 질환입니다. 종종 “시력의 조용한 도둑”이라고 불리는 녹내장은 전 세계 수백만 명에게 영향을 미칩니다. 실제로, 2040년까지 약 1억 1,180만 명이 녹내장을 앓게 될 것으로 추정됩니다 (medicalxpress.com). 시력 손실은 완전히 회복될 수 없으므로 조기 발견 및 치료가 중요합니다. 바로 이 지점에서 **인공지능(AI)**이 중요한 역할을 하고 있습니다. AI는 안구 이미지와 검사 데이터를 분석하여 녹내장을 보다 효율적으로 검진, 진단 및 모니터링하는 데 도움을 줄 수 있습니다. 이 글에서는 현재 녹내장 치료에 AI가 어떻게 적용되고 있는지(실제 도구 및 연구 사례를 인용하여), 그리고 특히 시력 회복 연구 분야에서 떠오르는 기회들을 살펴보겠습니다. 우리는 AI 도구의 민감도 및 특이도와 같은 입증된 결과와 구체적인 미래 응용 분야에 중점을 두어 환자와 연구자 모두에게 실질적인 지침을 제공할 것입니다.

현재 녹내장 검진 및 진단 분야의 AI

스마트폰 및 안저 영상 분석

오늘날 AI의 주요 활용 분야 중 하나는 녹내장 검진을 위한 안저 사진(망막 이미지)의 자동 분석입니다. 연구팀은 휴대용 안저 카메라 또는 스마트폰 부착 장치와 AI 분류기를 결합하여 녹내성 시신경유두를 식별하고 있습니다. 예를 들어, 인도의 최근 전향적 연구에서는 스마트폰 안저 카메라(Remidio의 FOP NM-10 기기에 내장된 Medios AI-Glaucoma)에 내장된 오프라인 AI 모델을 테스트했습니다. 이 시스템은 완전한 임상 검진과 비교하여 의뢰가 필요한 환자(“의뢰성 녹내장”)를 약 94%의 민감도와 86%의 특이도로 감지했습니다 (pmc.ncbi.nlm.nih.gov). 수치상으로, AI는 실제 녹내장 사례의 93.7%를 정확하게 식별했으며, 비녹내장 사례의 85.6%를 정확하게 배제했습니다 (pmc.ncbi.nlm.nih.gov). 이러한 높은 정확도는 스마트폰 기반 AI 검진이 시신경유두에 녹내장 변화가 있는 환자를 안정적으로 찾아낼 수 있음을 보여줍니다.

또 다른 연구에서는 녹내장의 모든 중증도에 걸쳐 유사한 AI 카메라 설정을 사용했습니다. 이 연구에서 AI는 녹내장 또는 의심 사례를 감지하는 데 91.4%의 민감도와 94.1%의 특이도를 달성했습니다 (pmc.ncbi.nlm.nih.gov). 매우 초기 질환의 경우 성능이 약간 낮았고(약 87% 민감도), 진행된 사례에서는 가장 높았습니다(96% 민감도) (pmc.ncbi.nlm.nih.gov). 이 결과들은 외래 진료소에서 나왔으며, AI 도구가 의심스러운 눈을 식별하는 데 전문가 검사와 일치할 수 있음을 보여줍니다. 또한 AI는 경증 또는 의심 사례를 식별함으로써 종종 신중한 입장을 취한다는 점을 강조합니다. 한 연구에서는 대부분의 위양성이 전문가들에 의해 “시신경유두 의심”으로 분류된 눈이었습니다 (pmc.ncbi.nlm.nih.gov). 이러한 보수적인 접근 방식은 추가 의뢰 비용을 감수하더라도 실제 질병을 놓치는 것을 방지하는 데 도움이 됩니다.

상업 및 연구 그룹은 이미 이러한 시스템을 개발하고 있습니다. 예를 들어, Medios AI-Glaucoma 시스템(Remidio, 인도/싱가포르)은 스마트폰 안저 카메라에 통합되어 위에 언급된 결과를 보였습니다 (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). 다른 AI 플랫폼(예: BegIA)은 스마트폰 이미지를 사용하여 컵-디스크 비율을 추정하거나 심지어 안면 이미지를 분석하여 눈의 이상을 감지합니다 (glaucoma.org). 한 임상 평가에서 스마트폰 앱은 녹내장 감지에 대해 0.966의 곡선 아래 면적(AUC)을 보고했으며, 95.4%의 민감도와 87.3%의 특이도를 보였습니다 (glaucoma.org).

원격 의료 및 원격 검진

AI 기반 앱은 녹내장 원격 의료에도 사용됩니다. 예를 들어, iPredict 클라우드 플랫폼은 업로드된 안저 이미지에 AI를 적용합니다. 실제 임상 시험에서 이 원격 의료 도구는 망막 사진에서 녹내장 의심 환자를 식별하는 데 약 89.7%의 정확도 (민감도 83.3%, 특이도 93.9%)를 달성했습니다 (pmc.ncbi.nlm.nih.gov). AI는 수직 컵/디스크 비율을 측정하여 시신경유두를 “녹내장 의심”과 “정상”으로 분류했으며, 전문가 판독자와 93.9% 일치했습니다 (pmc.ncbi.nlm.nih.gov). 이 시스템은 테스트 세트에 대해 대면 및 AI 처리 원격 등급 간에 100% 일치를 보였습니다 (pmc.ncbi.nlm.nih.gov). 이는 농촌 지역의 진료소 환자가 AI를 통해 실시간 검진 결과를 받고, 필요한 경우 즉시 의뢰 조언을 받을 수 있음을 의미합니다. 이러한 플랫폼은 특히 의료 서비스가 부족한 지역에서 검진을 더 접근 가능하고 일관성 있게 만듭니다 (glaucoma.org) (pmc.ncbi.nlm.nih.gov).

OCT, 시야 검사 및 데이터 통합

사진 외에도 AI는 다른 녹내장 검사에 적용됩니다. 딥러닝 모델은 광학 코히어런스 단층 촬영(OCT) 스캔을 분할하여 망막 신경 섬유층(RNFL) 두께 또는 시신경 유두 특징을 측정할 수 있습니다. 또한 **시야 검사(VF)**를 분석하여 미묘한 진행을 파악할 수 있습니다. 예를 들어, 컨볼루션 신경망은 시야 지도에서 녹내장 패턴을 구별하도록 훈련되었습니다. 다른 AI 도구는 압력 측정, OCT, 시야 검사, 환자 병력 등 여러 데이터 소스를 결합하여 녹내장 위험 점수를 계산합니다. 이러한 많은 도구는 개발 중이거나 초기 임상 시험 단계에 있지만, 질병이 악화되어 더 면밀한 관리가 필요한 환자를 식별함으로써 임상의를 지원할 것을 약속합니다. 한 보고서는 과거 시야 검사 시리즈를 학습하여 미래 시야 손실을 최대 수년 앞서 성공적으로 예측하는 딥러닝 시스템을 언급합니다 (pmc.ncbi.nlm.nih.gov). 이러한 최첨단 방법들은 지금까지 후향적 데이터로 테스트되어 AI가 질병 진행을 예측하는 것의 실현 가능성을 보여주었지만, 아직 일상적인 진료에 적용되지는 않았습니다.

실제 측정 가능한 영향 및 성능

여러 연구에서 임상과 유사한 환경에서 AI 도구의 실질적인 성능이 입증되었습니다. 앞서 언급했듯이, 스마트폰 안저 AI는 대규모 환자 코호트에서 약 91-94%의 민감도와 약 86-94%의 특이도를 달성했습니다 (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). 원격 의료 AI 프로젝트는 약 89.7%의 전체 정확도를 보고했습니다 (pmc.ncbi.nlm.nih.gov). 이 수치들은 인상적입니다. 연구 환경에서 AI는 이미 선별 검사 선정에서 숙련된 안과 의사와 동등한 수준에 있습니다. 중요한 점은 일부 위음성은 경증의 초기 녹내장이었으며, 위양성은 명확한 정상이 아닌 “시신경유두 의심”으로 분류되는 경향이 있었다는 것입니다 (pmc.ncbi.nlm.nih.gov).

마찬가지로 중요한 것은 채택입니다. Medios 및 iPredict 모델과 같은 시스템은 인도 및 기타 지역에서 인구 검진을 위해 도입되고 있습니다. 상세한 채택 데이터가 나오고 있지만, 초기 보고서(예: Remidio의 아웃리치 프로그램)에 따르면 수백 개의 진료소에서 AI 기반 카메라 장치를 사용하고 있습니다. AI는 또한 병원 워크스테이션에도 도입되고 있습니다. 여러 OCT 장치 제조업체는 RNFL 얇아짐을 표시하거나 RNFL 손실을 예측하기 위해 AI 분할 및 분석 기능을 통합하고 있습니다. 학계에서는 많은 진료소에서 진단을 개선하기 위해 기존 데이터에 AI 모델을 시범 적용하고 있습니다.

그렇지만 서구 임상 진료에서의 채택은 규제 승인 및 워크플로 통합에 의해 여전히 제한적입니다. FDA 승인을 받은 AI는 아직 녹내장 검진의 표준이 아닙니다(IDx와 같은 AI 시스템이 존재하는 당뇨병성 망막병증과는 다릅니다). 그러나 유망한 현장 시험 및 동료 검토를 통한 검증은 빠른 발전을 시사합니다. 녹내장 검진 분야의 AI는 명확한 공중 보건상의 이점(시력 손실 전에 질병을 발견)을 가지므로, 향후 몇 년 내에 이러한 도구 중 일부가 규제 승인을 받기 위해 노력할 것으로 예상할 수 있습니다.

떠오르는 AI 응용 분야: 다음은 무엇인가?

예측 분석 및 맞춤형 치료

녹내장 분야의 다음 AI 물결은 예측과 개인화에 초점을 맞출 것입니다. 머신러닝 모델은 임상, 영상 및 유전적 데이터를 결합하여 개인의 시력 손실 위험 또는 안압 상승에서 녹내장으로의 전환 위험을 예측할 수 있습니다 (pmc.ncbi.nlm.nih.gov). 예를 들어, 환자 기록으로 훈련된 신경망은 질병이 가장 진행될 가능성이 있는 사람을 식별한다고 알려져 있습니다. 향후 몇 년 안에 이러한 시스템은 의사가 치료의 강도를 조절하는 데 도움을 줄 수 있습니다. IOP(안압), 각막 두께, 민족성, 가족력 등을 고려하여 “실명까지 남은 시간”을 추정하는 AI 점수를 상상해 보십시오. 이는 치료 우선순위를 정하는 데 도움이 될 것입니다. 이제 생체 은행 및 안과 병원에서 대규모 데이터 세트가 존재하므로 AI는 단순한 위험 요소를 넘어 복잡한 패턴을 학습할 수 있습니다.

녹내장 모니터링 및 자가 검사

AI는 모니터링 또한 혁신할 수 있습니다. 착용형 안압(IOP) 센서 또는 스마트 콘택트렌즈가 개발 중이며, AI는 이러한 장치의 연속 데이터를 분석하여 위험한 안압 급상승을 환자에게 알릴 수 있습니다. 유사하게, 스마트폰 기반 시야 검사 앱(예: 휴대폰에 시야 측정 차트를 투영하는 앱)이 개선되고 있습니다. AI와 결합될 때, 이들은 가정용 녹내장 검사 도구가 될 수 있습니다. 환자는 언젠가 병원을 방문하는 대신, 앱이 AI를 사용하여 새로운 변화를 감지하고 의사에게 알리는 방식으로 집에서 신속한 안과 검사를 스스로 할 수 있을 것입니다. 가정용 안압 측정 및 시력 검사 초기 프로토타입이 존재하지만, AI 기반 분석은 신뢰성을 보장하고 실제 악화를 감지하여 이를 임상적으로 유용하게 만들 것입니다.

수술 계획 및 결과 예측

수술적 개입(섬유주 절제술, 션트, 최소 침습 녹내장 수술)은 또 다른 개척 분야입니다. AI는 수천 건의 과거 사례를 분석하여 어떤 환자가 어떤 수술에 가장 잘 반응할지 예측하는 데 도움을 줄 수 있습니다. 예를 들어, 머신러닝 도구는 영상에서 X 패턴을 보이고 Y 유전자를 가진 환자가 배액 임플란트에 잘 반응하고, 다른 환자는 레이저 섬유주 성형술에 더 잘 반응한다는 것을 학습할 수 있습니다. 이러한 의사 결정 지원 도구는 많은 분야에서 연구 중이며, 녹내장 수술도 유사한 혜택을 받을 수 있습니다. 또한, AI는 미래에 로봇 안과 수술을 안내할 수도 있지만, 이는 장기적인 관점입니다.

시력 회복 및 재생 – 미개척 기회

가장 흥미로운 개척 분야 중 하나는 녹내장 손상 후 시력 회복입니다. 현재 시신경을 재생하거나 손실된 망막 신경절 세포(RGC)를 대체할 치료법은 없습니다. 그러나 연구자들은 신경 보호, 유전자 치료, 줄기세포 이식 및 보철물에 집중적으로 노력하고 있습니다. AI는 아직 이러한 분야에 영향을 미치기 시작했을 뿐이지만, 기회는 실재합니다:

• AI 기반 신약 개발: 주목할 만한 예는 2024년 연구에서 AI 스크리너가 녹내장과 유사한 스트레스 조건에서 RGC를 보호하는 작은 분자들을 식별한 사례입니다. 연구자들은 대규모 언어 모델과 그래프 신경망을 사용하여 RIPK3(세포 사멸 키나아제)의 후보 억제제를 예측했습니다. 실험실 테스트 후, 한 화합물(HG9-91-01)이 급성 녹내장 모델에서 RGC 구조를 보존하는 것으로 밝혀졌습니다 (pmc.ncbi.nlm.nih.gov). 실제로 해당 연구에서 AI가 추천한 5가지 분자 모두 저산소 스트레스 조건에서 RGC 생존에 도움이 되었으며, HG9-91-01이 최고의 보호 효과를 보였습니다. 이러한 AI 기반 신경 보호 신약 개발은 계산 방법이 전임상 녹내장 치료법 개발을 어떻게 가속화할 수 있는지 보여줍니다 (pmc.ncbi.nlm.nih.gov). (일반 과학 보고서는 이를 AI가 “잠재적인 녹내장 약물 후보 발견을 돕는다”고 설명했습니다 (medicalxpress.com).)

• 신경 보철물 설계: 이미 시력을 잃은 환자의 경우 망막 또는 시신경 임플란트와 같은 기술이 어느 정도 시력을 되찾는 방법을 제공할 수 있습니다. 이러한 장치를 설계하는 것은 매우 복잡합니다. 여기에도 AI와 모델링이 역할을 합니다. 예를 들어, 2024년 논문은 “시신경 자극” 보철물을 평가하기 위해 시신경과 시각 뇌의 상세한 계산 모델을 개발했습니다. 연구팀은 머신러닝 시뮬레이션 이미지를 사용하여 시신경에 있는 전극 배열이 어떻게 넓은 시야를 복원할 수 있는지 테스트했습니다 (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). 그들의 발견은 시신경 임플란트가 현재 망막 보철물보다 더 넓은 시야를 잠재적으로 생성할 수 있음을 시사하며, 중요하게는 전극 배치 및 자극 전략을 최적화하기 위한 모델링 프레임워크를 제공했습니다 (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). 이러한 종류의 작업은 in silico 도구와 AI 기반 이미지 처리가 다음 세대의 시력 회복 임플란트를 어떻게 안내할 수 있는지 보여줍니다.

• 미래 유전자/세포 치료: 뮬러 세포를 RGC로 재프로그래밍하거나, RGC를 이식하거나, 유전자 편집을 사용하여 성장을 재활성화하는 것과 같은 재생 접근법은 집중적인 기초 연구 단계에 있습니다. AI는 대규모 유전 및 분자 데이터 세트를 분석하여 이러한 과정을 궁극적으로 가속화할 수 있습니다. 예를 들어, 2024년 Development 논문은 RGC 재생을 제어하는 유전자를 발견하기 위해 대규모 CRISPR 스크리닝을 수행했습니다【65†】. 머신러닝 방법은 이러한 복잡한 결과를 분석하여 우선순위 표적을 정하는 데 도움이 될 수 있습니다. 또한, AI 기반 단백질 설계(예: AlphaFold 또는 생성 모델)는 재생을 위한 새로운 치료 단백질 또는 유전자 구조를 생성할 수 있습니다. 녹내장 분야에서 이러한 AI 응용 사례는 아직 보고되지 않았지만, 유전체학 및 줄기세포 치료 분야는 AI에 적합합니다. 계산 도구는 어떤 유전자 조합이 축삭 재성장을 촉진하는지 예측하거나, 더 안전한 유전자 전달을 위해 바이러스 벡터를 최적화할 수 있습니다.

현재 RGC 재생 연구에 AI를 통합하는 것은 제한적이지만, 이는 높은 가치의 기회를 나타냅니다. 재생 치료법(나노 입자, 줄기세포, 광유전학)이 발전함에 따라 AI는 이러한 치료법의 설계 및 전달을 최적화하는 데 도움이 될 수 있습니다. 예를 들어, 컴퓨터 시뮬레이션은 새로운 RGC가 뇌에 어떻게 연결되는지, 또는 약물 방출 콘택트렌즈가 IOP에 어떻게 반응하는지 모델링할 수 있습니다. 요컨대, AI는 시신경을 복구하는 전략 자체에 정보를 제공할 수 있습니다. 이는 아직 임상적으로 달성되지 않은 목표입니다. “시력 회복”에 관심 있는 연구자들은 이러한 미개척 가능성을 탐색하기 위해 AI 전문가와 신경 생물학자 간의 협력을 고려해야 합니다.

현실적인 시간표

현실적일 필요가 있습니다. 검진 및 진단을 위한 AI 도구는 이미 존재하며, 여러 고성능 모델이 임상 사용으로 나아가고 있습니다. 성공적인 시험을 고려할 때, 향후 몇 년 안에 AI 녹내장 검진 도구에 대한 FDA 승인을 볼 수 있을 것입니다. 원격 의료 앱 또한 실용화에 근접했습니다. 그러나 시력 회복 치료법(신경의 진정한 재생)은 임상 현실에서 수년 또는 수십 년이 걸릴 가능성이 높습니다. AI가 과학을 가속화할 것이지만, RGC 재생과 같은 치료법은 생물학적 난관에 직면해 있습니다. 그 동안 AI의 실질적인 이점은 주로 조기 발견과 더 스마트한 관리에서 올 것입니다.

결론

AI는 더 빠르고 저렴한 검진과 더 정확한 진단을 가능하게 함으로써 오늘날 녹내장 치료를 이미 개선하고 있습니다. 수많은 연구가 높은 정확도를 확인했습니다. 예를 들어, 스마트폰 안저 AI는 약 94%의 민감도와 86%의 특이도를 달성했으며 (pmc.ncbi.nlm.nih.gov), 원격 의료 플랫폼은 약 89.7%의 전체 정확도에 도달했습니다 (pmc.ncbi.nlm.nih.gov). 이러한 도구는 환자를 분류하고 놓치는 사례를 줄일 수 있습니다. 환자에게는 곧 전문 클리닉 외부에서도, 심지어 휴대폰으로도 녹내장 검사를 받을 수 있다는 것을 의미합니다. AI 기반의 조기 발견은 시기적절한 치료를 통해 시력을 보존할 수 있습니다.

앞으로 AI의 가장 큰 영향은 아직 사용되지 않는 곳에 있을 수 있습니다. 개척 분야는 손상 후 시력을 보호하고 회복시키는 데 있습니다. AI 기반 신약 개발(RIPK3 억제제 등)과 임플란트의 전산 모델링이 그 길을 보여줍니다. 가치 있는 연구 방향에는 AI를 유전체학, 영상 및 조직 공학과 결합하여 신경 재생 문제를 해결하는 것이 포함됩니다.

요약하자면, AI는 향후 몇 년 안에 녹내장 검진 및 관리 분야에서 상당한 실제적 이점을 약속합니다. 과학자들에게는 AI와 생물학의 교차점에 큰 기회가 있습니다. 계산 모델과 대규모 데이터를 사용하여 신경 보호 및 재생 분야에서 혁신을 이끄는 것입니다. 기술과 의학이 융합됨에 따라 환자와 연구자 모두 정보를 잘 알아야 합니다. 증거 기반 AI 도구가 출시될 예정이며, 이는 전통적인 녹내장 치료를 보완할 것이지만 완전히 대체하지는 않을 것입니다. 부지런한 검증과 임상 실습으로의 신중한 통합은 AI의 약속이 더 나은 결과와 회복된 시력으로 이어지도록 보장할 것입니다.