망막 미세 순환 영상의 궤적: 혈관조영술에서 인공지능으로의 발전

요약

이 리뷰는 안구 미세순환 평가의 기술적·개념적 진화를 추적합니다. 침습적 염료 기반 혈관조영술에서 비침습적 정량적 영상 기법으로의 패러다임 전환을 분석합니다. 미래에 다중 모달 데이터와 인공지능을 통합하여 예측 가능하고 개인화된 진단 모델을 만드는 것이 다음 개척지로 부각됩니다.

초록

망막과 맥락막 미세순환은 시력에 필수적인 고도로 특수화된 혈관망으로, 전신 질환의 지표로 점점 더 인식되고 있습니다. 수십 년 동안 이 연구의 평가는 침습적 염료 기반 혈관조영술에 의존했으며, 이는 혈관 누출과 같은 2차 영향에서 병리를 추론하는 방식이었습니다. 비침습적 영상 기법이 미세혈관을 전례 없는 해상도로 직접 시각화하고 정량화하는 비침습적 영상 기법에 의해 패러다임 전환이 진행 중입니다. 그중 가장 중요한 것은 광학 코히어런스 단층촬영 혈관조영술로, 관류된 혈관의 깊이 분해 3차원 지도를 제공하여 혈관 완전성과 허혈에 대한 객관적 바이오마커를 생성할 수 있게 합니다. 보완 기법은 절대 혈류, 고주파 혈역학, 세포 수준의 관류를 추가로 탐구하여 풍부하고 다규모 데이터셋을 만듭니다. 이러한 기술 발전은 임상 실무를 혁신하고 있으며, 당뇨병성 망막병증의 전임상 발견을 용이하게 하고, 신생혈관 연령 관련 황반변성 치료 전략을 개선하며, 녹내장에 대한 혈관 기여에 대한 새로운 통찰을 제공하고 있습니다. 앞으로 이러한 다중 모달 데이터 스트림을 인공지능과 통합하면 방대한 정보를 질병 위험과 진행 예측 모델로 전환할 수 있을 것으로 기대됩니다. 이는 정밀 안과 안구학(전신 건강 평가 및 질병 위험을 예측하기 위한 대규모 데이터 기반 안구 영상 바이오마커 분석)의 새로운 시대를 알리며, 처리, 정량화, 접근성 측면에서 획기적인 발전을 이루고 있습니다.

서론

직경 150 μm 미만의 동맥, 모세혈관, 정맥으로 구성된 미세 순환^{은 조직 내} 산소와 영양 교환의 기본 인터페이스 역할을 합니다. 하지만 안구 영상에서는 기능적 확장이 필요합니다. 맥락모세혈관은 진정한 미세혈관 경계를 나타내지만, 그 혈역학적 상태는 아래에 있는 새틀러층과 할러층의 더 큰 혈관들과 연계되어 있습니다. 따라서 본 리뷰에서는 맥락막 혈관을 통합된 혈역학 단위로 간주하며, Sattler's와 Haller's의 대혈관층이 상류 조절자로서 모리모세혈관의 관류와 미세 순환 환경을 조절합니다. 눈의 네트워크는 복잡하며, 망막에 이중 공급이 이루어져 있고 대사적으로 활발한 맥락막이 있으며, 이 모든 것은 신경 및 광수용체 기능 보존에 필수적인 정교한 자가조절 메커니즘에 의해 조절됩니다. 따라서 망막-맥락막 미세순환의 이상은 국소 안과 병리를 의미할 뿐만 아니라 전신, 혈관, 대사^및 신경퇴행성 질환에 대한 강력한 바이오마커 역할을 합니다^. 눈을 전신 건강의 창으로 보는 개념은 질적 임상 평가에서 기술 혁신에 의해 추진되는 정량적 진단 현실로 진화하고 있습니다^.

역사적으로 (미세)혈관 평가는 안저 촬영을 통한 질적 형태학적 관찰에 한정^{되었습니다.} 형광 혈관조영술(FA)과 인도시아닌 그린 혈관조영술(ICGA)과 같은 염료 기반 혈관조영술의 등장은 관류 역학과 혈관 완전성을 영상화하는 기능적 차원을 도입하며 이 분야에 혁신을 가져왔습니다^. 그러나 이러한 기술들이 침습적인 성격과 염료 누출과 같은 2차 병리 현상에 개념적으로 의존하는 점이 상당한 한계를 가했습니다⁷. 지난 10년간 비침습적이고 고해상도이며 정량적인 영상 기술의 등장으로 두드러지는 두 번째, 더 깊은 패러다임 전환이 있었다. 광학 코히런스 단층촬영 혈관조영술(OCTA)을 주도한 이 방법들은 운동 대비를 통해 미세혈관을 직접 시각화하여 전례 없는 구조적 세부사항을 제공하고 혈관 밀도(VD)와 관류 면적 ^8,9,10과 같은 매개변수의 객관적 정량화를 가능하게 합니다. 본 리뷰는 기술 및 개념적 발전(표 1)을 분석하고, 기존 및 신흥 기술의 원리, 장점, 한계를 비교하며, 주요 질환 상태에서 임상적 유용성을 평가하고, 다중 모달 데이터 융합과 인공지능(AI)이 안구 및 전신 질환의 진단 및 예후 틀을 재정의할 미래 환경을 탐구하는 것을 목표로 합니다.

표 1: 후면 분절 미세순환 평가 기술 비교. 주요 영상 기법들은 운영 원리, 침습성, 주요 출력 매개변수, 공간 및 시간 해상도, 주요 임상 적용, 근본적인 장점과 한계 등 여러 주요 영역에서 비교됩니다. 약어: FA = 형광 혈관조영술; ICGA = 인도시아닌 그린 혈관조영술; OCTA = 광학 일관성 단층촬영 혈관조영술; DOCT = 도플러 광학 코히어런스 단층촬영; LSFG = 레이저 스펙클 플로우그래피; AOSLO = 적응형 광학 주사 레이저 안안경; VD = 혈관 밀도; FAZ = 중심와(중심와) 무혈관대; MBR = 평균 흐림 속도. 이 표를 다운로드하려면 여기를 클릭해 주세요.

프로토콜

염료 기반 혈관조영술이 기초적인 금본위제로서의 연구
수십 년 동안 염료 기반 혈관조영술은 망막 혈관 질환 진단의 초석이었습니다. 형광 혈관조영술(FA)은 혈액망막 장벽(BRB)이 손상된 혈관에서 누출되는 소분자인 나트륨 플루오레세인을 정맥 주사로 투여하여 활성 질환의 특징인 과다형광을 만듭니다. 누출을 시각화하는 능력은 독특하고 필수적인 강점으로, 현재 OCTA가 부족한 BRB 무결성과 질병 활성 평가의 금본위제입니다. 더 나아가, 초광시야(UWF) FA는 말초 망막의 파노라마 뷰를 제공하여 당뇨병성 망막병증(DR)과 망막 정맥 폐색(RVO)과 같은 질환 관리에 매우 중요합니다. 인도시아닌 그린 혈관조영술(ICGA)은 주로 맥모세포¹¹ 내에 머무르는 더 크고 단백질에 결합된 염료를 사용합니다. 근적외선 형광은 망막 색소 상피(RPE)와 같은 색소 구조를 관통하여 맥락막 순환을 시각화하고 다각체 맥락막 혈관병증(PCV) 및 오컬트와 같은 병리를 진단하는 데 결정적인^{도구입니다.}

두 기법의 주요 한계는 침습성으로, 부작용 위험이 있어 빈번한 모니터링 사용을 제한합니다. 하지만 그들의 제약은 개념적인 것입니다. 이 기술들은 1차 혈관 구조 자체를 시각화하는 것이 아니라 2차 효과인 누출(FA) 또는 충전 결함(ICGA)으로 병리를 정의합니다. 많은 경우, 심한 누출이 조사 및 치료 중인 신생혈관 복합체를 가릴 수 있습니다. 이러한 근본적인 한계는 혈관 구조의 기능 상태와 상관없이 직접 영상을 촬영할 수 있는 기술에 대한 명확한 임상적 필요성을 불러일으켰고, 이는 OCTA 혁명의 길을 열었습니다.

광학 코히어런스 단층촬영 혈관조영술로의 패러다임 전환
광학 코히어런스 단층촬영 혈관조영술(OCTA)은 구조적 광학 코히어런스 토모그래피(OCT)의 기능적 확장으로, 조영료 주입 없이 혈류의 3차원 지도를 생성합니다. 이 방법은 움직임 대비 원리에 따라 작동하며, 같은 위치에서 고속 반복 OCT B 스캔을 사용하여 적혈구 이동으로 인한 신호 불상관관계를 감지합니다. 이러한 상관성 없는 신호를 분리함으로써, OCTA는 관류된 혈관망을 탁월한 세부 묘사로 계산적으로 재구성합니다¹³.

이 기술의 혁신적인 영향은 여러 가지 주요 기술적 이점에서 비롯됩니다. 비침습적 특성 덕분에 빠르고 안전하며 빈번한 영상 촬영이 가능하며, 만성 질환 관리를 간헐적 개입에서^{지속적인 모니터링으로} 전환했습니다. 깊이 해상도 3차원 데이터를 제공하는 이 기술은 또한 서로 다른 혈관신경총(예: 표면 및 심부 망막 모세혈관총, 융모모세혈관)의 분할 및 독립 분석을 가능하게 하여, 2차원^FA15에서는 보이지 않는 깊이 특이적 병리를 밝혀냅니다. 아마도 가장 중요한 기여는 본질적으로 정량적인 성격입니다. OCTA는 관류된 혈관이 차지하는 조직 면적의 비율을 측정하는 VD를 포함하여 미세혈^{관 건강의} 객관적이고 반복 가능한 바이오마커를 생성합니다. 중심와무혈대(FAZ)의 매개변수, 생리적으로 무혈관 영역으로, 확대 또는 불규칙성이 중심와 부상 허혈의 민감한 지표로 작용합니다¹⁷; 그리고 관류 밀도(PD)¹⁸. 염료 대신 영상 흐름을 통해 OCTA는 누출에 방해받지 않으며, 습성 노화 황반변성(AMD)과 같은 조건에서 신생혈관 복합체를 정밀하게 구분할 수 있습니다¹⁹.

장점에도 불구하고 OCTA에는 한계가 있습니다. 시야는 일반적으로 UWF-FA보다 작지만, 몽타주와 스윕 소스 기술로 개선되고 있습니다. 환자 움직임에서 발생하는 움직임 아티팩트나 표면 혈관에서 나오는 신호가 더 깊은 층에 잘못 매핑되는 투사 아티팩트 등 아티팩트에 취약합니다. 더불어, OCTA 영상 품질은 신호 세기에 크게 의존하며, 백내장이나 유리체 출혈과 같은 매체 불투명성으로 인해 세그멘테이션 오류가 발생할 수 있습니다. 가장 중요한 점은, OCTA가 염증 활동과 BRB 붕괴의 주요 지표인 누출을 감지하지 못한다는 것입니다. 마지막으로, 이 기술은 탐지 임계값에 의해 제한됩니다; 매우 느리거나 낮은 유량을 가진 혈관을 시각화하지 못해 소상관류 소음 바닥 이하로 떨어져 FA에 비해 미세동맥류와 같은 병변의 유병률을 과소평가할 수 있습니다.

절대 흐름과 더 높은 해상도의 추구입니다
OCTA는 미세혈관 네트워크의 형태학적 시각화에 혁신을 가져왔지만, 절대 혈류 속도를 정량화할 수 없다는 점에서 근본적으로 제한을 받고 있습니다. 표준 OCTA는 이진 정보, 유량 vs 무유량 또는 상대적 강도 지표를 제공하지만, 적혈구 이동의 실제 속도를 결정할 수는 없습니다. 이 정량적 격차는 도플러 광학 코히어런스 단층촬영(DOCT)의 지속적인 중요성을 뒷받침합니다. 진폭 기반 OCTA와 달리, DOCT는 역산란 빛의 위상 이동을 이용해 절대 유속을 계산합니다. OCTA는 관류의 대체 지도를 제공하는 반면, 다른 기술들은 혈류를 보다 직접적이거나 더 높은 해상도로 측정하는 것을 목표로 합니다. DOCT는 이동하는 적혈구에 의해 후방산란된 빛의 도플러 주파수 이동을 측정하여 혈류 속도^20,21을 계산하는 OCT 기반 기법입니다. 속도와 혈관 단면적을 결합함으로써 DOCT는 개별 망막 혈관^내 혈류(μL/min)를 절대적으로 정량화할 수 있어 가장 직접적인 생리학적 데이터를 제공하지만, 영상 빔과 혈관 사이의 각도인 도플러 각도에 의존하기 때문에 임상적 유용성은 크게 제한되었습니다. 각도의 부정확한 추정은 유량 계산에서 상당한 오차를 초래하여 이 기법이 어렵고 널리 채택되는 데 제한을 줍니다. OCTA의 광범위한 임상 성공과 DOCT의 틈새 연구 역할 사이의 대조는 의료 기술 개발의 핵심 원리를 보여줍니다: 반복 가능하지만 간접적인 바이오마커(예: OCTA의 성병)는 직접적이지만 기술적으로 까다로운 측정(예: DOCT의 절대 유량)보다 임상적으로 더 가치 있는 경우가 많습니다.

두 가지 다른 광학 기술은 시간 해상도 또는 공간적 해상도의 한계를 확장합니다. 레이저 스펙클 플로우그래피(LSFG)는 레이저 스펙클 패턴^24,25의 블러링을 이용해 상대 혈류 속도의 실시간 2차원 지도를 생성합니다. LSFG의 주요 장점은 약 30Hz의 뛰어난 시간 해상도로, 심장 주기²⁶ 동안 혈류 맥박도를 포착할 수 있다는 점입니다. 이 능력은 LSFG를 혈관 자가조절과 혈류 역학 연구에 강력한 도구로 자리매김하게 하며, 특히 변화된 안구 관류압과 맥박²⁴에서 발병 기전과 관련이 있는 녹내장²⁴에서 그렇습니다. 주요 단점은 망막 및 맥락체 신호가 중첩되어 깊이 해상도가 부족하고, 절대 흐름²⁸ 대신 상대적 지표인 평균 블러 속도(MBR)가 제공된다는 점입니다. 반면 적응 광학 주사 레이저 안안경(AOSLO)은 파면 센서와 변형 가능한 거울을 결합하여 눈의 광학 수차를 교정하여 회절 제한 영상을 구현합니다²⁹. 탁월한 공간 해상도를 달성하여 개별 광수용체, 신경 섬유³⁰, 심지어 가장 미세한 모세^혈관을 흐르는 단일 혈액 세포까지 시각화할 수 있습니다. 기초 연구 도구로서 AOSLO는 미세순환 병태생리를 세포 수준에서 관람할 수 있게 합니다. 그러나 좁은 시야, 높은 비용, 복잡성으로 인해 AOSLO를 전문 연구 센터에 적용하는 데 제한이 있습니다. LSFG와 AOSLO의 대조는 시간 해상도와 공간 해상도 간의 근본적인 절충관계를 보여줍니다; 하나는 언제 어떻게 빠르게 흐름이 변하는지에 답하고, 다른 하나는 가장 훌륭한 구조가 무엇이고 어디에 있는지 답합니다.

미세혈관 분할 및 재건을 위한 AI 아키텍처
망막 미세순환의 분석 정밀도는 영상 기술의 물리적 한계에 근본적으로 제약을 받습니다. 조영 기반 혈관조영술과 OCTA가 시각적 데이터를 제공하는 반면, AI는 이러한 기법의 내재적 한계를 극복하기 위해 진화하여 상호 보완적인 진단 시스템을 만들어냈습니다. 컬러 안저 촬영(CFP)은 대규모 스크리닝의 주요 방식으로, AI 응용은 거시혈관 위상 구조 추출에 중점을 둡니다. CFP는 심부 모세혈관 신경총을 시각화할 수 있는 깊이 해상도는 부족하지만, AI 알고리즘은 동맥-정맥 비율(AVR), 혈관 구간, 전역 휘발과 같은 매개변수를 정량화할 수 있습니다. 반면 OCTA에서는 AI가 고차원적 문제를 해결합니다. 딥러닝 모델은 움직임 아티팩트를 제거하고, 흐름 신호를 강화하며, 자동화된 계층 분할을 수행하여 픽셀 수준 관찰에서 형태학적 정량화로 분석을 전환하는 데 사용됩니다.

정성적 영상에서 정량적 분석으로의 진화는 정밀한 혈관 분절에 의존합니다. 망막 혈관은 병리 상태에서는 구분하기 어려운 다중 규모 변이를 가진 나무 모양의 분기점 구조를 보입니다. 현재 표준은 U-Net 아키텍처와 그 변형을 활용하고 있습니다. 저대비 영역에서 작은 혈관의 손실을 해결하기 위해, 마이크로 순환 분석에서 중요한 한계인 구조가 개발되었습니다. 특징 집계 모듈과 적응 잔여 블록을 통합함으로써, 이 모델들은 장거리 의존성을 포착하며, 출혈과 혈관 교차에 대한 견고성을 입증하며, 표준 데이터셋에서 AUC 점수는 0.9932에 달합니다. 더불어, 주석이 달린 미세혈관 마스크의 희소성을 줄이기 위해 연구는 감독 없는 학습으로 전환되었습니다. BioVessel-Net과 같은 프레임워크는 혈관 생물통계학을 생성적 적대 네트워크(GAN)와 통합하고, 대규모 수동 주석 없이도 위상학적 일관성을 강제하기 위해 공간 식민화 알고리즘을 사용합니다.

질병 특이적 다중 모드 전략으로서의 임상 적용
최적의 진단 패러다임은 한 기술을 다른 것으로 전면적으로 대체하는 것이 아니라, 병태생리학에 기반한 정확한 임상 질문을 해결하기 위해 정교하고 질병에 특화된 기법들을 통합하는 것입니다. 이 전환은 보편적 도구에서 맞춤형 진단 무기로의 전환입니다(표 2).

표 2: 다중 모달 미세순환 영상에 의해 촉진된 임상 관리 패러다임 전환. 주요 망막 질환은 주요 병태생리학적 질문과 다양한 영상 기법의 상호 보완적 통찰과 일치하며, 이는 기술적이고 병변 기반 진단에서 정량적 평가로의 전환을 반영합니다. 여기에는 조기 위험 층화(DR), 해부학적 존재 및 기능 활동의 구분(nAMD), 허혈성 부담(RVO) 평가, 그리고 신경퇴행(녹내장)에 대한 혈관 기여 인식이 포함됩니다. 약어; AMD = 연령 관련 황반변성; DR = 당뇨병성 망막병증; ETDRS = 초기 치료 당뇨병 망막병증 연구; FA = 형광 혈관조영술; FAZ = 중심와(중심와) 무혈관대; ICGA = 인도시아닌 그린 혈관조영술; LSFG = 레이저 스펙클 플로우그래피; nAMD = 신생혈관 연령 관련 황반변성; OCTA = 광학 일관성 단층촬영 혈관조영술; PCV = 다종체 맥락막 혈관병증; RVO = 망막 정맥 폐색. 이 표를 다운로드하려면 여기를 클릭해 주세요.

당뇨병성 망막병증
DR에서 OCTA의 유용성은 단순한 조기 탐지를 훨씬 넘어섭니다; 이는 질병의 자연사를 재정의하는 강력한 과제입니다. OCTA는 안경으로 병변이 보이기 전에 미세혈관 손실, 모세혈관 비관류, FAZ 재형성을 밝혀내어, 허^{혈성 질환}의 임상적 전단계, 아형태학적 단계를 식별하여 전통적인 ETDRS 분류에 도전하고 가능한 한 이른 시점에 위험 층화를 위한 정량적 바이오마커를 제공합니다. 더 나아가, 특정 망막 신경총 내 미세혈관 이상을 정확히 위치시키는 능력은 단순한 해부학적 호기심이 아닙니다; 임상 소견의 잠재적 기전적 근거를 제공하며 치료 의사결정을 개선할 수 있습니다³³. 예를 들어, 심부 모세혈관군총(IRMA)과 초기 신생혈관형성을 구분하는 것은 항-VEGF^{치료 시작} 기준을 근본적으로 변화시킬 수 있습니다. 그러나 구조와 기능 간의 분리에서 중요한 임상적 도전 과제가 드러납니다. OCTA는 구조적 비관류를 효과적으로 정량화하여 허혈성 손상의 누적적이고 종종 과거의 발자국을 지도화합니다. 반면, FA는 혈액-망막 장벽의 기능적 붕괴를 나타내며, 이는 일반적으로 급성 또는 활성 질환 병리의 지표입니다. OCTA에서는 광범위한 모세혈관 손실이 나타나지만 FA에서는 최소 누출(만성적이고 되돌릴 수 없는 구조적 결손)을 나타낼 수 있으며, 그 반대도 그 반대일 수 있습니다. 이 구분은 영구적인 조직 손실과 치료 가능한 활성 분비를 구분하여 치료 의사결정에 매우 중요합니다. 따라서 가장 완전한 임상적 그림은 통합 평가, 미세혈관 구조의 완전성을 위한 OCTA, 장벽의 기능 상태를 위한 FA가 필요합니다.

노화 관련 황반변성(AMD)
신생혈관 AMD에서 OCTA는 맥락막 신생혈관형성(CNV)의 형태와 범위를 더 잘 명확히 구분함으로써 임상 의사결정을 재편했습니다. CNV의 형태와 범위에 대한 정확한 구분은 치료 지침과 모니터링에 중요합니다³⁵. 하지만 명확성은 새로운 임상적 질문을 제기합니다. OCTA는 혈관 구조를 시각화하며, 항 VEGF 치료가 누출을 해결한 후에도 해부학적으로 유지될 수 있습니다. 반면, FA는 직접적인 치료 표적인 활성 누출을 시각화합니다. 이는 핵심 임상 질문을 "CNV가 존재하는가?"에서 "CNV가 활성화되어 있는가?"로 재구성합니다. 이 구분은 현대의 치료 후 연장 요법에서 매우 중요하며, 재치료 결정은 종종 활동 증거에 달려 있습니다. 더불어, OCTA는 비출출성 또는 정지성 CNV를 규명하는 데 중요한 역할을 했으며, 신생혈관 복합체의 존재만으로 치료가 필수라는 오랜 패러다임에 도전하고, 미래 전환을 위한 위험 계층화에 초점을 전환시켰습니다. 복잡한 상황에서 ICGA의 역할은 다종체 맥락막 혈관병증(PCV)을 식별하는 데 있어 확고하고 필수적인 역할을 합니다. PCV는 ICG 염료³⁶의 독특한 특성으로 특징지어지는 독특한 혈관 특징(말단 용종)을 특징으로 하는 중요한 AMD 아형입니다.

망막 정맥 폐쇄(RVO)
OCTA의 층별 분석 능력은 이전에는 접근할 수 없었던 RVO의 병태생리학적 창을 제공합니다. 심부 모세혈관신경총이 표면 신경총보다 더 심각하고 우선적으로 손상된다는 일관된 발견은³⁷번 질환에서 흔히 나타나는 난항성 황반부종의 발생에 대한 강력한 기전적 설명을 제공합니다. 심부 신경총은 동맥 공급 영역 사이의 혈관 경계 부위에 위치해 허혈성 손상에 매우 취약^합니다. 이 발견은 질병의 병리생리학적 해석을 강화합니다. 더욱이, 황반 OCTA 매개변수(예: 혈관 밀도)와 초광시야 FA에서 말초 비관류 범위 간의 강한 상관관계가 입증된 것은 임상적으로 매우 중요한 발견입니다³⁹. 황반 미세혈관이 망막의 전반적 허혈 상태를 비침습적으로 대체할 수 있음을 시사합니다; 따라서 신생혈관 합병증에 대한 신생 혈관 합병증에 대한 위험 층화를 신속하고 비침습적 황반 스캔을 통해 환자 관리를 혁신할 수 있으며, 이는 일상 모니터링을 위한 보다 침습적인 초광시야 형광조영술(UWF-FA) 검사의 부담을 줄일 수 있습니다⁴⁰.

녹내장
녹내장에서 첨단 영상 적용은 중심 원인론적 논쟁, 즉 혈관 조절 장애가 신경퇴행의 주요 원인인가에 직접적으로 대응합니다. 아니면 혈관 감쇠가 위축된 축삭에 의한 대사 요구량 감소의 2차적인 결과일까요? ⁴¹ OCTA와 LSFG는 이 문제를 탐구하는 상호 보완적인 데이터를 제공합니다. OCTA는 시신경두와 유관 주변 영역의 혈관 밀도를 정량화하는 미세혈관 구조의 고해상도 정적 스냅샷을 제공합니다^42,43; 이러한 구조적 지표는 기존의 신경 조직 손실 및 기능적 시야 결함과 강한 상관관계를 보입니다. 이는 발생한 피해를 효과적으로 측정합니다. 반면, LSFG는 관류 및 혈류 맥박⁴⁴에 관한 동적 실시간 데이터를 제공합니다. 이 검사는 혈류의 생리적 과정을 포착하여, OCTA 또는 구조적 OCT에서 돌이킬 수 없는 구조적 손실이 나타나기 전에 병리적 자가조절 장애를 식별할 수 있습니다. 따라서 OCTA의 정적 구조 데이터와 LSFG의 동적 관류 데이터를 통합하는 것은 단순한 가^{산 과정이} 아닙니다. 이는 녹내장 질환 과정에서 원인과 결과를 분리하려는 전략적 노력을 나타냅니다. OCTA 구조가 보존되었음에도 LSFG에서 비정상적인 혈류 역학을 가진 환자를 식별하는 것은 빠른 진행 위험이 가장 높은 개인을 식별하는 강력한 패러다임이 될 수 있으며, 이는 혈관 구성 요소를 겨냥한 표적 신경 보호 치료의 길을 열 수 있습니다.

포도막염과 염증성 모세혈관염 평가
후방 포도막염과 염증성 맥모막막병증 평가는 다중 모행 영상의 최전선을 나타내며, 특히 접근이 어려운 모모세포 부분을 평가하는 데 있습니다. 역사적으로 ICGA는 맥락막 염증을 시각화할 수 있는 유일한 기법으로, 기질 염증이나 허혈을 나타내는 저형광 흑점을 드러냈습니다. 그러나 이러한 저형광 병변의 해석은 여전히 질적이었고 염료의 침습적 특성에 의해 제한되었다. OCTA의 도입으로 이 평가는 비침습적이고 깊이 분해된 모모세포 시각을 제공하여 모세혈관 비관류 또는 일과성 허혈에 해당하는 유동 공허 및 신호 손실 영역을 식별하고 정량화할 수 있게 하여 이 평가를 근본적으로 정교하게 만들었습니다.

Vogt-Koyanagi-Harada(VKH) 증후군과 화이트닷 증후군과 같은 염증성 융모망막 질환에서 OCTA는 이러한 흐름 공공이 ICGA의 저형광 영역과 상관관계를 보이지만 질병 활동 모니터링에 있어 우수한 해상도를 제공함을 보여주었습니다. 특히 종단 OCTA 영상 검사는 코르티코스테로이드 치료 후 이러한 혈류 공허의 가역적 특성을 밝혀내어 융모세혈관 재관류를 치료 반응을 위한 새롭고 객관적인 바이오마커로 확립했습니다. 더불어, 염증성 CNV는 염증성 누출과 망막 부종이라는 혼란스러운 존재로 인해 독특한 진단 과제를 제시합니다. 염료 투과성 대신 운동 대비에 의존함으로써 OCTA는 염증성 분출 신호를 효과적으로 억제하여 신생혈관 네트워크를 뚜렷하게 시각화할 수 있게 합니다. 이 능력은 활성 염증성 CNV와 염증성 병변을 구분하여 불필요한 면역억제나 항VEGF 치료를 방지하는 데 특히 중요합니다. 따라서 ICGA의 파노라마 질병 지도화와 OCTA의 융모모세혈관 관류 정량 모니터링 통합은 포도막염 정밀 관리의 현대적 표준이 되었습니다.

이미지를 넘어서, 방대한 데이터를 탐색하고 체계적 통합으로 가는 길
고해상도 영상에서 실행 가능한 인텔리전스로의 전환은 원시 데이터 수집과 임상 해석 간의 간극을 메우는 것이 필요합니다. 이 분야가 정량적 시대에 접어들면서, 방대한 데이터가 자동으로 임상 지혜로 이어지지 않는다는 역설에 직면해 있습니다(그림 1). 이는 의사결정에 영향을 미치는 데 도전이 됩니다^45,46. 특히 딥러닝(DL)을 포함한 AI는 단순한 분석 보조 수단이 아니라 영상 파이프라인의 근본적인 구성 요소로 등장하여 신호 재구성부터 체계적 예측에 이르기까지 다양한 과제를 해결하고 있습니다.

그림 1: 망막 및 맥락막 미세순환 평가의 역사적·개념적 진화, 정적인 형태학적 관찰에서 동적 예측 모델링으로의 경로를 그립니다. 이 타임라인은 이 분야의 네 가지 주요 패러다임 전환을 개념화합니다. 이 여정은 형태학 시대에 시작되며, 안저 사진은 혈관 구조를 기초적이지만 제한적이고 2차원적이며 정적인 시각으로 보여준다. 첫 번째 혁명은 기능적 혈관조영술 시대에 찾아왔는데, 침습 염료(FA/ICGA)를 사용해 관류와 혈관 완전성에 관한 질문에 답하는 역동적이고 생리적인 차원을 도입했으며, 종종 누출과 같은 부차적 효과를 관찰하는 방식으로 진행되었습니다. OCTA가 주도하는 비침습적 정량화 시대는 3차원 미세혈관 구조 자체를 직접 시각화하고 정량화하는 중대한 전환을 의미하며, 염료 누출이라는 교란 요인 없이 구조적 완전성을 평가하는 핵심 임상 질문으로 이동시켰습니다. 이 일정은 예측 모델링의 미래 시대로 절정에 달하며, 이때 초점은 진단을 넘어선다. 이 시대는 인공지능(AI) 엔진을 통한 다중 모달 데이터가 융합되어, 근본적인 임상 질문을 '병리학이 무엇인가'에서 '환자의 미래 위험이 무엇인가'로 전환하여, 선제적이고 예후적이며 진정으로 개인화된 질병 관리 접근법을 가능하게 할 것입니다. 약어; FA = 형광 혈관조영술; ICG = 인도시아닌 그린; OCTA = 광학 일관성 단층촬영 혈관조영술; AI = 인공지능. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

AI의 첫 번째 중요한 응용은 이미지 향상 및 아티팩트 완화에 있으며, 이는 서로 다른 스캐닝 프로토콜과 독점 알고리즘으로 인해 출력이^{비교 불가능한} 현상을 만드는 현 문제를 해결하기 위한 것입니다. OCTA 획득은 움직임 아티팩트, 투영 아티팩트, 낮은 신호 대 잡음비에 취약하여 미세혈관 세부 사항을 가릴 수 있습니다. 특히 GAN을 포함한 딥러닝 아키텍처는 현재 열화된 입력으로부터 미세혈관 토폴로지를 재구성하는 데 배포되고 있습니다. 고품질 평균화된 스캔을 학습함으로써 이 생성 모델은 단일 획득 이미지를 디노이즈하는 방법을 학습하여, 신호 드롭 영역에서 투영 아티팩트를 효과적으로 제거하고 장시간 획득 시간 없이 선기 연속성을 복원합니다. 알고리즘 재구성은 다양한 하드웨어 플랫폼 간 이미지 품질을 표준화하고 다센터 임상시험에 필요한 투명하고 재현 가능한 분석 방법을 확립하는 데 필수적입니다.

이미지 재구성 다음, AI 적용의 두 번째 단계는 의미 세분화를 통한 자동 정량화입니다. 모세관 비관류(CNP) 영역이나 FAZ의 불규칙한 경계와 같은 병리학적 특징의 수동 구분은 노동 집약적이며 등급 간 변동성이 크게 나타납니다. 특히 스킵 연결을 가진 U-Net 아키텍처를 사용하는 컨볼루션 신경망(CNN)은 이러한 특징을 분할하는 데 있어 인간 전문가와 동등한 성능을 보여주었습니다. 이 알고리즘들은 관류 밀도와 혈관 골격 밀도를 즉각적이고 재현 가능하게 정량화하여, 측정해야 할 사항을 명확히 답하는 데 필요한 검증 경로를 용이하게 합니다(보충 정보).

그러나 가장 혁신적인 분야는 안구 영상 내 전신 바이오마커를 식별하는 안구 학에 AI를 적용하는 것입니다. 망막 미세혈관은 전신 순환의 직접적인 연장 역할을 하지만, 전신 질환의 미묘한 혈관 징후는 인간의 눈에 종종 인지하기 어렵습니다. 대규모 인구 데이터셋(예: UK Biobank)을 기반으로 학습된 DL 모델은 망막 이미지만으로 연령, 성별, 흡연 상태, 수축기 혈압 등 전신 매개변수를 성공적으로 예측했습니다(표 3). 더 발전된 모델은 이제 주요 심혈관 부작용(MACE)을 예측하고 생물학적 연령 차이를 사망 위험 지표로 추정할 수 있게 되었습니다. 이러한 미세혈관 통찰을 유전체 및 임상 데이터와 통합함으로써, AI는 눈을 전통적인 관찰에서 임상 의사결정 지원 도구로 전환하고 있습니다 ^48,49 . 더 나아가, 이러한 검증된 바이오마커와 원격안과 플랫폼의 융합은 공정한 의료 서비스를 제공할 가능성을 지니고 있습니다. AI 기반 위험 예측을 대규모로 도입함으로써, 첨단 진단 기술은 지역사회 환경과 의료 서비스가 부족한 인구로 확장되어 예방적 심혈관 및 신경퇴행성 치료 접근성을 효과적으로 확대할 수 있습니다. 궁극적으로 이 능력은 망막 미세순환을 전신 질환 임상시험에서 치료 효능의 대리 평가변수로 자리매김하게 합니다. 예를 들어, 망막 모세혈관 밀도의 정량적 변화는 미세혈관 보호의 초기 지표가 되어 주요 부작용을 기다리는 것보다 약물 개발 기간을 단축할 수 있습니다. 이 비전을 실현하기 위해서는 안과 전문의, 심장 전문의, 신장학자, 내분비학자, 제약과학자 간의 전례 없는 학제간 협력이 필요합니다. 이 연구는 안과 영상의 임상적 전환을 의미하며, 치료의 전신적 효과를 직접 생체 내에서 볼 수 있는 창을 제공함으로써 현대 의학 전반에 힘을 실어줍니다.

표 3: 망막 미세혈관 응용 분야에서의 AI 알고리즘 및 성능 요약 혈관 분할부터 전신 질환 예측에 이르기까지 임상 작업에 적용된 대표적인 딥러닝 모델들, 핵심 신경망 아키텍처, 표적 미세혈관 특징, 임상 응용, 보고된 성과 지표를 요약했습니다. 약어; AD = 알츠하이머병; AI = 인공지능; AUC = 수신기 작동 특성 곡선 아래 면적; CNN = 합성곱 신경망; CVD = 심혈관 질환; FAZ = 중심와(중심와) 무혈관대; GNN = 그래프 신경망; LLM = 대형 언어 모델; PD = 파킨슨병; RNFL = 망막 신경 섬유층. 이 표를 다운로드하려면 여기를 클릭해 주세요.

결과

망막 및 맥락막 미세순환 평가 분야는 침습적이고 질적인 기술이 중심이었던 시대에서 비침습적, 정량적, 다중 모달 영상이 지배적인 시대로 전환하는 변혁적인 변화를 겪고 있습니다. 조영 조영술은 특히 혈관 누출 평가 등 특정 질문에서 중요한 역할을 유지하고 있지만, OCTA는 미세혈관 구조와 관류 평가의 새로운 핵심 모델이 되었습니다. 객관적이고 반복 가능한 지표를 제공하는 능력은 질병 관리를 근본적으로 변화시켜 조기 발견과 데이터 기반 모니터링을 가능하게 했습니다. 미래는 단일 우수한 기술에 있는 것이 아니라, 상호 보완적인 데이터 스트림의 지능적 융합에 달려 있습니다. 다음 단계는 다중 모달 데이터와 인공지능의 통합입니다. AI 알고리즘은 이미 아티팩트 제거, 정량적 분석 자동화, 연산자 의존성^50,51 제거를 통해 이미지 품질을 향상시키기 위해 개발되고 있습니다. 목표는 딥러닝을 활용해 단순한 설명을 넘어 예측⁵²로 나아가는 것입니다. 구조적 OCT, OCTA, LSFG, 임상 데이터, 유전체학을 포함한 방대한 데이터셋에서 모델을 훈련함으로써, AI는 미래 질병 발병 또는 진행을 예측하는 미묘하고 아임상적인 미세혈관 지문을 식별할 수 있습니다⁵³.

하지만 통합으로 가는 길은 여러 도전 과제로 가득합니다. 주요 한계는 딥러닝의 해석 가능성 부족으로, 이는 예측의 생물학적 근거를 가려 임상 신뢰를 복잡하게 만듭니다. 특히, 구조적 이상성과 기능적 이상의 구분은 여전히 중요한 장벽이다; 예측 AI 모델은 실제 생리적 흐름 결함과 겹치는 불투명성 또는 분할 오류로 인한 신호 감쇠를 구분하기 위해 검증되어야 합니다. 더욱이, 이러한 알고리즘의 일반화 가능성은 현재 다중 모달 데이터셋의 이질성과 알고리즘 편향 위험에 의해 제한되고 있습니다. 알고리즘의 잠재력과 임상 유용성 간의 간극을 메우려면 다양한 인구 집단에서 이러한 예측 도구들이 견고하도록 기술적 개선과 전향적 임상시험이 필요합니다. 예측 능력은 임상 실무를 명백한 피해에 반응하는 것에서 선제적 개입의 선제적 위험 기반 패러다임으로 전환할 것입니다 (그림 2). 눈의 전신 건강 인식 창문은 형태학적 검사에서 능동적이고 지능형 센서로 전환되어, 정밀하고 예측적이며 개인 맞춤형 의료의 잠재력을 최대한 실현할 것입니다.

그림 2: 원시 데이터 해석에서 예측적 임상 통찰로의 패러다임 전환을 보여주는 차세대 AI 기반 안과 진단의 개념적 프레임워크. 이 모델은 데이터 정제화 깔때기로 개념화된 변혁적 진단 과정을 시각화합니다. 이 과정은 고차원 이질적 데이터를 집계하는 것(레이어 1: 다중 모달 데이터 입력)으로 시작되며, 정적인 해부학적 정보(구조적 OCT), 상세 미세혈관 구조(OCTA), 동적 생리 기능(LSFG), 전신 환자 맥락(임상 및 유전체 데이터)을 결합하여 환자의 안구 상태를 총체적으로 디지털 표현합니다. 이러한 이질적인 데이터 스트림은 정교한 AI 엔진(레이어 2)에서 합성되며, 딥러닝 모델을 활용해 데이터 융합과 인간 관찰자가 종종 감지하지 못하는 복잡하고 다차원적인 바이오마커 추출을 수행합니다. 체계적 처리는 방대한 정보 복잡성을 간결하고 임상적으로 의미 있는 산출물로 통합하는 과정을 보여줍니다. 궁극적인 목표는 단순한 기술적 성과를 넘어 근본적으로 예측적이고 개인화된 실행 가능한 임상 산출물(레이어 3)을 생성하는 것입니다. 이러한 결과물은 임상의에게 예후 위험 점수, 미래 병리의 공간 예측(예: 병리 히트맵), 그리고 환자에 맞춘 최적화된 관리 권고안을 제공합니다. 이 프레임워크는 반응적이고 패턴 기반 의학에서 선제적이고 데이터 중심적이며 진정한 예측 의료 패러다임으로의 근본적인 전환을 의미합니다. 약어; AI = 인공지능; LSFG = 레이저 스펙클 플로우그래피; OCT = 광학 일관성 단층촬영; OCTA = 광학 일관성 단층촬영, 혈관조영술. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.