불과 몇 년 전까지만 해도 영상의학은 '보이는 병을 찾는 학문'이었습니다. 폐렴은 폐렴대로, 골절은 골절대로, 종양은 종양대로 이미 생긴 이상을 확인하는 역할이 중심이었죠. 하지만 지금, 영상의학은 다른 질문을 받기 시작했습니다. “아직 병이 생기기 전인데, 그 징후를 미리 볼 수는 없을까?” 이 질문에 가장 먼저 반응한 것이 바로 AI입니다.

영상은 생각보다 많은 정보를 담고 있다

우리가 매일 보는 X-ray, CT, MRI는 사실 ‘한 장의 사진’이 아닙니다. 그 안에는 수많은 픽셀, 밀도와 질감의 미세한 차이 구조적 비대칭, 시간에 따른 변화가 모두 담겨 있습니다. 인간의 눈은 이 중 극히 일부만 인식합니다. 반면 AI는 우리가 의식하지 못하는 패턴까지 함께 읽어냅니다. 이 차이가 영상의학의 역할을 바꾸고 있습니다.

진단에서 예측으로 - 영상의 역할 변화

전통적인 영상 판독의 질문은 이랬습니다. “이 영상에 병이 있는가?” “이상 소견이 보이는가?” AI가 들어오면서 질문은 이렇게 바뀝니다. “이 사람은 앞으로 어떤 위험을 가질 가능성이 높은가?” “아직 정상처럼 보이지만, 방향이 바뀌고 있지는 않은가?” 즉, 영상은 더 이상 결과를 확인하는 도구가 아니라 '미래를 예측하는 단서'가 되고 있습니다. 골다공증 선별 AI는 이 변화가 가장 먼저 나타난 영역 중 하나입니다.

왜 골다공증은 AI 예방의학의 출발점이 되었을까?

골다공증은 AI 기반 예방의학에 매우 적합한 질환입니다. 증상이 거의 없고, 진행이 느리며, 골절이라는 명확한 ‘결과’가 있고, 영상 속에 구조적 변화가 축적됩니다. 즉, 조기에 발견하면 결과를 바꿀 수 있는 질환이면서 영상 기반 신호가 충분히 존재하는 질환입니다. 그래서 흉부 X-ray, CT 같은 이미 많이 촬영되는 영상에서 골다공증 위험을 선별하려는 시도가 자연스럽게 확산되고 있습니다.

AI는 무엇을 ‘대체’하지 않는다

AI 이야기가 나오면 자주 등장하는 오해가 하나 있습니다. “AI가 의사를 대신하는 것 아니냐?” 현실은 전혀 다릅니다. AI는 진단을 내리지 않고 치료를 결정하지 않으며 환자와 대화하지 않습니다. AI가 하는 일은 단 하나입니다. “의사가 더 일찍 생각해볼 수 있게 만든다.” 골다공증 선별 AI 역시 “이 환자는 위험하다”라고 단정하지 않습니다. “한 번 더 확인해볼 필요가 있다”는 신호를 제공할 뿐입니다. 판단은 언제나 사람의 몫입니다.

예방의학의 중심축이 이동하고 있다

과거의 예방의학은 검진 항목을 늘리는 방식으로 발전해왔습니다. 검사 종류를 늘리고, 주기를 앞당기고, 더 많은 사람에게 적용하는 방식이었죠. 하지만 이제는 한계가 분명합니다. 의료 자원은 제한돼 있고, 고령 인구는 급증하며, 만성질환은 늘어나고 있습니다. 그래서 예방의학의 방향이 바뀌고 있습니다. 더 많은 검사를 하는 쪽에서 더 잘 선별하는 쪽으로. AI 기반 영상 분석은 이 변화에 가장 잘 맞는 도구입니다.

영상의학 + AI + 예방의학 = 새로운 조합

앞으로 영상의학은 단독으로 움직이지 않을 가능성이 큽니다. 영상의학, 임상 정보, 생활습관 데이터, AI 분석 이 네 가지가 함께 작동하는 구조가 됩니다. 예를 들어, 흉부 X-ray에서 뼈와 근육 상태를 읽고 환자의 나이, 성별, 질환 이력을 결합해 향후 골절이나 기능 저하 위험을 예측하고 필요한 사람에게만 추가 검사를 연결하는 방식입니다. 이것은 과잉 검사도 아니고, 검사를 줄이는 것도 아닙니다. 검사의 ‘순서’를 바꾸는 것입니다.

의사에게 무엇이 달라질까?

AI 기반 예방의학이 확산되면 의사의 역할은 오히려 더 중요해집니다. 수치가 아닌 맥락을 해석하고 위험을 환자에게 설명하며 선택지를 함께 고민하는 역할이 커집니다. “검사 결과가 이렇습니다”에서 “지금 이 시점에서 무엇을 하는 게 좋을까요?”로 진료의 초점이 이동합니다. 이는 더 많은 설명과 더 깊은 의사결정을 필요로 합니다.

환자는 무엇을 얻게 될까?

환자에게 가장 큰 변화는 ‘예측 가능한 건강 관리’입니다. 갑자기 골절을 겪는 대신 미리 위험을 알고 준비할 시간을 갖게 됩니다. 이는 단순히 의학적 결과만의 문제가 아닙니다. 삶의 계획, 일상 유지, 독립성 모두에 영향을 미치는 변화입니다. 골다공증을 넘어, 더 넓은 가능성으로 골다공증 선별 AI는 하나의 시작점에 불과합니다. 같은 방식으로 근감소증, 체성분 변화, 대사 위험, 노화 지표까지 영상에서 함께 읽어낼 수 있는 시대가 점점 가까워지고 있습니다. 예방의학은 앞으로 점점 더 영상 중심, AI 보조, 선별 기반으로 진화할 것입니다.

미래는 이미 시작됐다

AI와 영상의학의 결합은 미래의 이야기가 아닙니다. 이미 진료 현장에 조용히 들어와 있습니다. 아직은 ‘진단의 주인공’이 아니라 ‘예방의 조력자’이지만, 그 역할은 앞으로 더 커질 것입니다. 골다공증은 이 변화가 가장 먼저 나타난 분야 중 하나입니다. 그리고 이 작은 변화는 결국 우리의 의료가 치료 중심에서 예방 중심으로 이동하고 있다는 신호이기도 합니다.

참고문헌

Chen KC, Chang SY, Chao YP, Tsai DJ, Chang WC, Weng YS, Lin C, Fang WH. Deep learning meets chest X-rays: a promising approach for predicting future compression fracture risk. Ther Adv Musculoskelet Dis. 2025 Jul 27;17:1759720X251357157.

Seletkov, D., Starck, S., Mueller, T.T. et al. AI-driven preclinical disease risk assessment using imaging in UK biobank. npj Digit. Med. 8, 480 (2025).

Tomi Nissinen, Sanna Suoranta, Taavi Saavalainen, Reijo Sund, Ossi Hurskainen, Toni Rikkonen, Heikki Kröger, Timo Lähivaara, Sami P. Väänänen,

Detecting pathological features and predicting fracture risk from dual-energy X-ray absorptiometry images using deep learning,

Bone Reports, Volume 14, 2021, 101070, ISSN 2352-1872,

Jang, R., Choi, J.H., Kim, N. et al. Prediction of osteoporosis from simple hip radiography using deep learning algorithm. Sci Rep 11, 19997 (2021).

Tang J, Yin X, Lai J, Luo K, Wu D. Automatic opportunistic osteoporosis screening using chest X-ray images via deep neural networks. Bone. 2025 Dec;201:117618.

Yang Z, Xu Y, Wang J, Li W, Zhang X, Pan H. Application of artificial intelligence in medical risk prediction: Bibliometric analysis. Digit Health. 2025 Sep 18;11:20552076251380652.