사진이 BMI에서 놓친 위험을 보완

스마트폰으로 촬영한 신체 사진이 임상용 이중에너지 X선 흡수계측법(DXA)에 가까운 수준으로 인슐린 저항성 위험을 구분했다. Google Research의 PhotoScan은 사진에서 체지방률과 지방 분포를 추정한 뒤 나이·성별·BMI와 결합한다. 연구 단계의 결과이지만, 값비싼 장비 없이 대사 위험을 선별할 수 있는 가능성을 수치로 보여줬다는 점이 중요하다.

“Today on the blog, we demonstrate the feasibility of a deep learning approach estimating body composition from smartphone photos, to predict insulin resistance with accuracy comparable to DXA scans in a clinical research setting.”

Google Research의 원문 트윗은 스마트폰 사진 기반 체성분 추정이 임상 연구 환경에서 DXA와 견줄 만한 정확도를 냈다고 설명했다. 이 계정은 알고리즘, 건강, 과학 전반의 동료 검토 전후 연구를 소개한다. 이번 게시물은 제품 출시가 아니라 연구 결과와 논문으로 직접 연결된다.

35,323명 사전학습, 677명 미세조정

연구 논문에 따르면 모델은 UK Biobank 참가자 35,323명으로 사전학습한 뒤, 인종·연령·지방 분포가 다양한 임상 코호트 677명으로 미세조정됐다. 전체 체지방률의 평균절대오차는 2.15%포인트였다. 별도의 132명 코호트에서도 체지방률 오차 2.13%포인트를 기록해 제한된 범위에서 일반화 가능성을 확인했다.

나이·성별·BMI만 사용한 기준 모델의 인슐린 저항성 분류 AUROC는 69.2%였다. 여기에 PhotoScan 체성분 지표를 넣자 76.0%로 상승했다. DXA 체성분 데이터를 넣은 경우는 77.3%였다. 사진 기반 모델이 DXA를 대체했다고 볼 수는 없지만, BMI가 포착하지 못한 지방 분포 신호를 저비용으로 추가했다는 의미가 있다.

다음 확인 지점

이 결과는 진단 도구가 아니라 임상 연구의 가능성 검증이다. 독립된 더 큰 집단에서 피부색, 의복, 카메라, 촬영 자세가 성능에 미치는 영향을 확인해야 한다. 의료진이 사용할 때의 임계값, 개인정보 보호, 사진 보관 방식도 검증 대상이다. 다음 단계는 전향적 임상시험에서 실제 선별 효용을 측정하고, 76.0% AUROC가 다양한 지역과 기기에서도 유지되는지 확인하는 것이다.

#insulin-resistance

스마트폰 사진의 인슐린 저항성 예측 AUROC 76.0%, DXA 검사 77.3%에 근접한 수준