한국 청소년 및 청년의 치아 연령 추정을 위한 기존 방법과 비교하여 데이터 마이닝 모델의 검증

Scientific Reports 13권, 기사 번호: 726(2023) 이 기사 인용

1018 액세스

3 알트메트릭

측정항목 세부정보

치아는 인체의 가장 정확한 연령 지표로 알려져 있으며 법의학 연령 추정에 자주 적용됩니다. 우리는 18세 임계값의 추정 정확도와 분류 성능을 기존 방법 및 데이터 마이닝 기반 연령 추정과 비교하여 데이터 마이닝 기반 치과 연령 추정의 유효성을 검증하는 것을 목표로 했습니다. 15세에서 23세 사이의 한국인과 일본인 인구로부터 총 2657장의 파노라마 방사선 사진을 수집했습니다. 그들은 한국인의 각각 900개의 방사선 사진으로 구성된 훈련 및 내부 테스트 세트와 일본인의 857개의 방사선 사진으로 구성된 외부 테스트 세트로 세분화되었습니다. 우리는 기존 방법의 테스트 세트의 정확도와 분류 성능을 데이터 마이닝 모델의 테스트 세트와 비교했습니다. 내부 테스트 세트를 사용한 기존 방법의 정확도는 약간의 차이(평균 절대 오차 < 0.21년, 제곱 평균 제곱 오차 < 0.24년)를 제외하고 데이터 마이닝 모델의 정확도보다 약간 높았습니다. 18년 임계값의 분류 성능도 기존 방법과 데이터 마이닝 모델 간에 유사했습니다. 따라서 한국 청소년과 청년의 제2대구치 및 제3대구치 성숙도를 이용한 법의학적 연령 추정에서 기존 방법을 데이터 마이닝 모델로 대체할 수 있습니다.

치아 연령 추정은 법의학 및 소아 치과 분야에서 널리 사용됩니다. 특히, 치아의 발달 단계를 이용한 연령 추정은 생활 연령과 치아 발달 사이의 높은 상관관계로 인해 어린이와 청소년의 연령을 추정하는 중요한 기준이 됩니다1,2,3. 그러나 젊은 성인의 경우, 제3대구치를 제외하면 치아의 성장이 거의 완료되어 치아 성숙도를 이용한 치아연령 추정에는 한계가 있다. 청년·청소년의 연령 추정의 법적 목적은 이들이 성년이 되었는지 여부에 대한 정확한 추정과 과학적 증거를 제공하는 것입니다. 한국의 청소년 및 청소년 법의학 실무에서는 Lee의 방법을 사용하여 연령을 추정하였고, Oh et al.5가 제안한 자료를 사용하여 법정 18세 기준을 예측하였다.

인공지능(AI)의 일종인 머신러닝은 대량의 데이터를 반복적으로 학습해 분류하고 스스로 문제를 해결하며 데이터 프로그래밍을 유도한다. 기계 학습은 대량의 데이터6에서 유용한 숨겨진 패턴을 발견할 수 있습니다. 대조적으로, 노동 집약적이고 시간이 많이 걸리는 기존 방법은 수동으로 처리하기 어려운 대량의 복잡한 데이터를 처리하는 데 한계가 있을 수 있습니다7. 따라서 최근 최신 컴퓨터 기술을 이용하여 인적 오류를 최소화하고 다차원 데이터를 효율적으로 처리하기 위한 많은 연구가 진행되고 있다8,9,10,11,12. 특히, 의료영상 분석에는 딥러닝이 널리 활용되고 있으며, 연령 추정의 정확성과 효율성을 높이기 위해 방사선 사진을 자동으로 분석하여 연령을 추정하는 다양한 방법이 보고되고 있다13,14,15,16,17,18,19,20. 예를 들어, Halabi et al.13은 뼈의 나이를 추정하기 위해 소아 손 방사선 사진을 사용하는 CNN(컨볼루션 신경망) 기반 기계 학습 알고리즘을 개발했습니다. 본 연구에서는 의료 영상에 머신러닝을 적용한 모델을 제시하고, 이러한 기술이 진단 정확도에 도움이 될 수 있음을 보여주었습니다. Li 등14은 딥러닝 CNN을 적용하여 골반뼈 X선 영상으로부터 연령을 추정하고, 골화단계 평가를 이용한 회귀분석 결과와 비교하였다. 그들은 딥러닝 CNN 모델이 기존 회귀 모델과 동일한 연령 추정 성능을 보이는 것을 발견했습니다. Guo et al.15의 연구에서는 치과 Orthopantomogram을 기반으로 CNN 기술을 적용하여 법적 연령 임계값의 분류 성능을 평가했으며, CNN 모델의 결과는 인간이 연령 분류 성능을 능가한다는 것을 입증했습니다.