PhotoScan이 BMI를 넘어 체지방 분포를 읽는 방법
BMI는 키와 체중만으로 계산하기 때문에 지방량과 제지방량을 구분하지 못한다. 지방이 몸의 어느 부위에 쌓였는지도 보여주지 않는다. 따라서 BMI가 같더라도 체성분과 건강 위험은 다를 수 있다.1
이 한계를 이해하려면 심대사 건강을 체중만의 문제로 봐서는 안 된다. 심대사 건강은 심장·혈관의 상태와 몸이 에너지를 처리하는 대사 기능을 함께 포괄하며, 체지방뿐 아니라 혈압, 혈당, 콜레스테롤, 중성지방 등과도 관련된다.1
PhotoScan은 무엇을 측정하는가
PhotoScan은 일반 스마트폰으로 촬영한 2D 전신 사진을 이용해 세 가지 체성분 지표를 추정하는 딥러닝 프레임워크다.1
체지방률: 전체 체중에서 지방이 차지하는 비율
A/G 비율: 안드로이드형 지방과 여성형 지방의 비율
V/S 비율: 내장지방과 피하지방 면적의 비율
이러한 지표는 체지방의 양뿐 아니라 분포까지 보여준다는 점에서 BMI와 다르다. 즉, PhotoScan의 가치는 체중이나 BMI만으로 드러나지 않는 체성분 차이를 파악하는 데 있다.
성능은 어떻게 검증됐나
PhotoScan은 UK Biobank 참가자 35,323명의 데이터로 사전 학습된 뒤, 성인 677명의 PhotoBIA 데이터로 미세 조정됐다. 독립 검증에는 샌프란시스코에서 진행된 30주 종단 연구의 MetabolicMosaic 참가자 132명 데이터가 사용됐다.1
MetabolicMosaic 검증에서 평균절대오차는 다음과 같았다.
체지방률: 2.13%포인트
A/G 비율: 0.085
V/S 비율: 0.085
인슐린 저항성 분류에서도 체성분 정보의 추가 효과가 확인됐다. 기본 인구통계 모델의 AUROC는 0.692였지만, 인구통계 정보에 PhotoScan 지표를 결합하면 0.760으로 높아졌다. 인구통계 정보와 DXA 데이터를 결합한 모델의 AUROC는 0.773이었다.1
AUROC는 위험군과 비위험군을 구분하는 성능을 나타내며, 1에 가까울수록 구분력이 높다. 이 결과는 PhotoScan 지표가 기본 정보만 사용한 모델보다 인슐린 저항성 위험을 선별하는 데 더 많은 정보를 제공할 수 있음을 시사한다.
진단 도구가 아니라 위험 선별 수단으로 봐야 한다
이 결과가 PhotoScan이 DXA나 임상 검사를 대체한다는 뜻은 아니다. 독립 검증 규모가 제한적이므로 성능 수치는 연구 대상과 조건 안에서 해석해야 한다. 실제 활용 시에는 촬영 조건에 따른 오차와 민감한 신체 이미지의 저장·처리 방식도 확인할 필요가 있다.
따라서 PhotoScan의 실용적 가치는 스마트폰 사진만으로 질환을 진단하는 데 있지 않다. BMI보다 세밀한 체지방 정보를 간편하게 파악해 추가 검사나 생활 습관 점검이 필요한 사람을 선별하는 보조 수단으로 이해하는 것이 적절하다.
한줄 요약: PhotoScan은 스마트폰 사진에서 체지방의 양과 분포를 추정해, BMI만으로 놓칠 수 있는 심대사 위험 신호를 선별하는 기술이다.
1Beyond BMI: Smartphone Body Composition Phenotyping for Cardiometabolic Risk Assessment
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.