치근단전문의가 평가하는 모든 문제 중에서, 치아 수직파절은 확신을 갖고 진단하기가 가장 어려운 문제 중 하나입니다. 치아의 치근에서 시작하여 길이 방향으로 진행되는 균열로, 흔히 실 같이 가는 선으로 나타나고, 잇몸 아래에 숨어 있는 경우가 많으며, 일반 X선 검사에서 발견되지 않기로 악명이 높습니다. 이를 발견하는 것이 중요한 이유는, 수직파절이 확인되면 대개 전체 치료 계획이 바뀌고, 치아를 살릴 수 있는지 없는지를 결정짓는 분기점이 될 수 있기 때문입니다.

2026년 Journal of Endodontics에 발표된 체계적 문헌고찰은 시의적절한 질문을 던졌습니다. 인공지능이 이러한 파절을 발견하는 데 도움이 될 수 있을까요? 간략히 말씀드리면, AI는 고품질 3D 스캔에서 실질적인 가능성을 보여 주지만, 아직 치과전문의의 판단을 대체할 수준에는 이르지 못했습니다.¹

수직파절을 발견하기 어려운 이유

이 파절을 특히 까다롭게 만드는 요인이 두 가지 있습니다. 첫째, 증상이 모호합니다. 씹을 때 지속되는 불편감, 깊은 둔통, 반복되는 부종 등이 나타나는데, 이는 다른 여러 질환과 겹칩니다. 둘째, 균열 자체가 표준 평면 X선 사진에서 보이지 않는 경우가 많습니다. 일반 치근단 방사선 사진은 X선 빔이 파절 면과 거의 완벽하게 일치하지 않는 한, 수직파절 세 건 중 하나도 채 발견하지 못합니다.¹

이것은 드문 문제도 아닙니다. 보고된 유병률은 이환된 치아의 약 4%에서 32%에 달하며, 전 세계 성인의 약 7.5%–10%가 신경치료를 받은 치아를 하나 이상 가지고 있는 것으로 추정되기 때문에, 평생을 기준으로 보면 수억 개의 치아가 잠재적 위험에 노출되어 있습니다.¹ 흔하고, 결과가 중대하며, 발견하기 어렵다는 이 조합이 바로 더 나은 진단 도구가 필요한 이유입니다.

2026년 문헌고찰의 연구 내용

Roseman University of Health Sciences와 Harvard School of Dental Medicine의 연구진은 파절 탐지를 위한 AI에 관한 기존 근거를 종합했습니다. 주요 의학·치과학 데이터베이스를 검색하고, 1,500편 이상의 연구를 검토한 뒤, 엄격한 질 기준을 충족하는 7편으로 범위를 좁혔습니다. 각 연구는 QUADAS-2 도구를 사용하여 비뚤림 위험을 평가했으며, 전체 근거의 강도는 GRADE 방식으로 등급을 매겼습니다.¹

연구된 AI 시스템의 대부분은 합성곱 신경망으로, 치과 영상에서 충치를 표시하거나 복잡한 치근 해부 구조를 판독하는 데 이미 사용되고 있는 이미지 인식 모델과 같은 계열입니다.

연구 결과: 3D 스캔에서 가능성을 보인 AI

포함된 연구들 전반에 걸쳐, AI 모델은 약 75%에서 최대 97.8%에 이르는 정확도로 수직파절을 탐지했으며, 민감도와 특이도도 비슷하게 넓은 범위에 걸쳐 나타났습니다. 단일 최고 결과인 97.8%의 정확도는 정밀하게 준비된 콘빔 CT(CBCT) 슬라이스에 적용된 모델에서 나왔습니다.¹

가장 일관된 주제는 3D 영상이 2D 영상을 능가한다는 것이었습니다. CBCT 데이터로 훈련된 모델은 평면 파노라마 사진이나 치근단 X선 사진을 판독하는 모델보다 우수한 성능을 보였으며, 영상 해상도가 낮거나 소프트웨어가 임상의가 선별한 영상이 아닌 자동으로 관심 영역을 선택할 때 정확도가 눈에 띄게 떨어졌습니다.¹ 다시 말해, AI는 치과전문의가 의존하는 것과 같은 종류의 고품질 3D 정보를 갖추고, 사람이 여전히 설정 과정에 관여할 때 가장 잘 작동했습니다.

중요한 주의 사항: 근거는 아직 초기 단계

가장 중요한 부분이 있으며, 저자들도 이 점을 신중하게 강조했습니다. 이 근거의 전반적인 확실성은 낮음으로 평가되었습니다. 연구들은 규모가 작았고, 실제 임상 현장이 아닌 실험실에서 구성된 데이터셋을 사용했으며, 복수의 독립적인 기관에서 검증된 경우도 드물었습니다. 정제된 연구용 데이터셋에서 높은 정확도를 보였다고 해서, 실제 진료실에 앉아 있는 실제 환자에게도 그대로 적용된다는 보장은 없습니다.¹

연구자들의 결론은 신중했습니다. 현재로서 AI는 보조 판독자 또는 분류 보조 도구로 이해하는 것이 가장 적절합니다 — 판독 시간을 단축하고, 임상의가 재확인해야 할 미세한 골절을 강조 표시하며, 정밀한 외과적 평가가 필요한 증례를 선별하는 데 도움을 줄 수 있는 도구입니다. AI는 독립적인 진단 수단이 아닙니다. 이러한 도구들이 단독으로 신뢰받기 위해서는 실제 임상 영상을 활용한 대규모 다기관 연구가 아직 더 필요합니다.¹

이것이 당신의 치아에 의미하는 바

씹을 때 통증이 있는데 아무도 그 원인을 명확히 설명하지 못하는 상황이라면, 이번 연구는 희망적인 신호입니다 — 하지만 핵심 메시지는 “AI를 기다리라”는 것이 아닙니다. 핵심은, 이러한 AI 도구들이 의존하는 기반이 오늘날 세심한 치수 치료 평가에서 이미 사용하고 있는 기반과 동일하다는 것입니다. 바로 고해상도 3D 영상과 치과전문의의 숙련된 시각의 결합입니다.

Silicon Valley Endodontics & Microsurgery에서는 골절이 의심되는 증례야말로 평면 X선 단독이 아닌 CBCT 3D 영상과 고배율 현미경 검사를 함께 활용하는 경우입니다.² 골절이 확인되면 해당 치아에 대한 현실적인 치료 선택지를 함께 검토하고, 골절이 아닌 경우에는 3D 영상의 명확성을 통해 실제 원인을 찾아 치아를 살릴 수 있는 치료를 진행합니다. AI 보조 판독 도구가 발전함에 따라, 이 과정에 하나의 신뢰 층을 더하는 역할을 하게 될 것입니다 — 그 과정을 우회하는 지름길이 아니라.

2026년 현재 솔직한 결론은 이렇습니다. 인공지능은 치과에서 가장 어려운 진단 문제 중 하나에 있어 진정으로 유용한 보조 수단으로 자리잡아 가고 있습니다. 하지만 지금 이 순간, 균열되거나 파절된 치아를 위한 최선의 보호는 여전히 치수과 치과전문의가 적절한 영상 장비를 활용하여 조기에 철저하게 시행하는 검진입니다.