딥러닝 기반 AI 보철 디자인 소프트웨어의 자동 변연 탐지 성능 평가 = Evaluation of Automatic Margin Detection Performance of Deep Learning-based AI Dental Prosthesis Software: In Vitro Study

국문 초록 (Abstract)

연구 목적: 디지털 기술의 발전은 보철 진료 과정의 정밀성과 효율성을 크게 향상시켰으며, CAD/CAM 기반 보철물 제작에서도 변연 탐지는 변연 적합성과 변연 누출, 임상적 수명에 결정적인 영향을 미치는 핵심 단계이다. 기존 수작업 방식과 반자동 소프트웨어는 작업자의 숙련도와 주관적 판단에 따라 결과가 달라지는 한계를 지니고 있다. 최근 딥러닝 기반 인공지능(artificial intelligence, AI) 소프트웨어는 복잡한 데이터를 학습하여 자동화된 변연 탐지를 가능하게 하며, 보다 일관되고 정밀한 결과를 제공할 잠재력을 보이고 있다. 그러나 변연 형태에 따른 AI 성능 차이에 대한 체계적으로 비교한 연구는 여전히 제한적이다. 이에 본 연구는 다양한 변연 형태에 따른 딥러닝 기반 AI 소프트웨어의 자동 변연 탐지 정확도를 비교·분석하는 것을 목적으로 하였다.

실험 방법: 하악 제1대구치 레진 인공치아에 knife-edge (K), shallow chamfer (SC), chamfer (C), rounded shoulder (RS), shoulder (S)의 5가지 형태로 치아 삭제를 시행하고, 각 군당 16회씩 구강스캐너 (i700, Medit)로 스캔하여 총 80개의 데이터를 획득하였다. 숙련된 치과기공사가 수동으로 설정한 변연을 대조군으로, 딥러닝 기반 AI 소프트웨어 (DentBird Crown, Imagoworks Co.)가 자동 탐지한 변연을 실험군으로 하였다. 전반적인 차이는 자체 개발 프로그램을 통해 변연 라인 간 최근접 거리(nearest distance)를 산출하여 평가하였으며, AI 변연과 수동으로 설정한 변연 간 양방향 유사성을 보완적으로 평가하기 위해 Chamfer distance와 Hausdorff distance를 추가로 활용하였다. 부위별 정확도는 CAD 소프트웨어(Rhino 8, Rhino)를 이용해 협·설·근심·원심 및 근심협·근심설·원심협·원심설의 8개 영역에서 분석하였다. 통계 분석은 one-way ANOVA와 binomial test를 적용하고, Tukey’s HSD 사후 검정을 시행하였다.

결과: AI 기반 자동 변연 탐지는 K군을 제외한 모든 변연 형태에서 대조군과의 오차가 임상적 허용 기준인 120 μm 이하로 나타났다. 가장 높은 정확도는 RS군(51 ± 14 μm)에서 확인되었으며, K군은 454 ± 586 μm로 가장 낮은 정확도를 보여 다른군과 비교하여 통계적으로 유의한 차이를 보였다(p < .001). Chamfer distance와 Hausdorff distance 결과 또한 동일한 경향이 관찰되었다.
부위별 분석에서는 K군을 제외한 모든 변연 형태에서 협·설면이 근·원심면보다 유의하게 높은 정확도를 보였으며(p < .001), AI가 자동으로 탐지한 변연이 수동 방법보다 더 긴 경향을 보인 경우가 전체의 약 70%로, 이 역시 통계적으로 유의하였다(p < .001).

결론: 딥러닝 기반 AI 소프트웨어는 변연 탐지를 자동화하고 작업자 의존성을 줄이는 데 유용한 잠재력을 지니고 있으며, 임상 허용 범위 내에서 임상적으로 수용 가능한 정확도를 보였다. 그러나 knife-edge 변연에서의 낮은 정확도와 인접면에서의 상대적 오차 증가는 임상 적용 시 주의가 필요함을 시사한다. 따라서 향후 다양한 치아 형태와 실제 임상 데이터를 포함한 추가 검증 연구가 필요할 것으로 판단된다.

목차 (Table of Contents)

• 서 론 1
• 연구재료 및 방법 3
• 결 과 6
• 고 찰 8
• 결 론 12
• 참 고 문 헌 13
• Tables 16
• Figures 19
• 국 문 초 록 21