Development and Clinical Validation of Deep Learning-based Self-Diagnosis System for Tongue Coating

본 연구는 구강 위생 상태 및 전신 건강과 밀접하게 관련된 설면 세균막(설태)을 딥러닝 기반으로 정량 진단할 수 있는 인공지능 시스템을 개발하고, 그 임상적 유효성을 평가하고자 하였다. 20대부터 80대까지 성인 458명을 대상으로 총 15,000장의 고해상도 혀 이미지를 수집하였으며, AI 보조 기반 반자동 라벨링과 전문가 검증을 통해 WTCI(Winkel Tongue Coating Index) 기준의 정답 데이터셋을 구축하였다. 혀 영역 검출에는 U-Net 기반 모델을 적용하였고, 세균막 분류에는 MobileNetV3 기반 모델을 사용하였다. 독립 테스트셋 평가 결과, 혀 영역 검출 정확도와 mIoU는 각각 99.0%를 기록하였으며, 세균막 분류는 정확도와 F1-score 모두 98.0%를 달성하여 데이터 불균형에 관계없는 안정적인 판독 성능을 입증하였다. 모바일 환경에서 평균 4.48 FPS의 실시간 처리 속도를 보였으며, 사용성 평가에서는 평균 98.2점으로 높은 만족도를 나타냈다. 본 시스템은 임상 전문가 수준의 진단 정확도와 실시간성을 확보하였으며, 시공간의 제약 없이 활용 가능한 자가 구강 건강 관리 도구로서의 임상적 적용 가능성을 확인하였다.