AI 사진 분석, 스마트워치보다 더 정확하게 체지방 측정
- 기술 / 문광주 기자 / 2026-08-22 22:35:27
5분 읽기
- 체질량지수(BMI)는 계산하기 쉽지만, 개인의 체지방량과 분포에 대해서는 거의 알지 못해
- 스마트폰 사진에서 이러한 신체 특징을 추정하고, 체지방률을 스마트워치보다 더 정확하게 측정하는 것으로 나타나
- 아직 스마트폰 건강 검진 도구는 아니다
체질량지수(BMI)는 체중과 키의 관계를 나타내는 지표로, 과체중을 대략적으로 판단하는 데 적합하다. 그러나 BMI는 지방과 근육량을 구분하지 못하고, 지방 분포 또한 구별하지 못한다. 기존 연구에 따르면 체중이 정상으로 보이더라도 체지방 분포는 대사 질환 위험과 관련이 있을 수 있다.
멍리안 저우(Menglian Zhou)가 이끄는 구글 리서치 연구팀은 스마트폰 사진을 활용하여 체지방률뿐만 아니라 지방 분포까지 파악함으로써 이러한 한계를 극복할 수 있는지 연구했다. 연구팀은 PhotoScan 시스템을 통해 정면과 측면 사진에서 세 가지 체성분 측정값을 도출하도록 설계했지만, 현재 결과는 사전 공개 논문 형태로만 제공되며 아직 동료 평가를 거치지 않았다.
3만5000개 이상의 데이터셋을 활용한 학습
사전 학습을 위해 연구팀은 영국 바이오뱅크(UK Biobank)에 참여한 3만5323명의 데이터를 사용했다. 이들은 모두 자기공명영상(MRI)과 이중에너지 X선 흡수측정법(DXA)을 통해 체성분 분석을 받았다. 연구진은 3차원 MRI 데이터에서 정면 및 측면 투영 이미지를 생성했으며, DXA 값은 실제 체지방률과 분포에 대한 기준값으로 사용되었다.
그 후, 연구진은 DXA 기준값이 있는 PhotoBIA 코호트의 성인 677명의 스마트폰 이미지를 사용하여 모델을 조정했다. PhotoScan은 연구 기간 Pixel 스마트폰을 비롯한 다양한 기기를 사용하여 촬영한 정면 및 측면 신체 이미지를 처리하고, 이미지 정보를 성별, 키, 몸무게 등의 데이터와 결합한다. MetabolicMosaic 코호트에 참여한 성인 132명을 대상으로 독립적인 검토를 수행했으며, 이들로부터 DXA, PhotoScan, 생체 전기 임피던스 분석(BIA)을 이용한 총 195회의 완전한 검사 방문 데이터를 평가할 수 있었다.
독립적인 검토에서는 방문당 두 가지 카메라 높이와 두 가지 자세에서 촬영한 여러 이미지를 분석하고, 좌우 측면 이미지의 평균값을 사용했다. PhotoScan은 연구 환경에서 다양한 기기를 사용하여 촬영한 정면 및 측면 신체 이미지를 처리하고, 좌우 측면 이미지 데이터를 결합한다.
BIA보다 오차가 적음
PhotoBIA 코호트에서 PhotoScan의 체지방률 추정치는 DXA 값과 평균 2.15%포인트 차이를 보인 반면, BIA 기반 비교 모델은 평균 2.91%포인트의 오차를 나타냈다. 나이, 성별, 키, 몸무게와 같은 인구통계학적 데이터만 사용한 모델은 오차가 더욱 커서 평균 3.44%포인트에 달했다. 연구진이 PhotoScan과 BIA를 결합했을 때, 평균 오차는 1.98%포인트로 감소했다.
독립적인 MetabolicMosaic 코호트에서도 사진 분석의 정확도는 평균 2.13%포인트로 유사하게 유지되었습다. 또한 PhotoScan은 체질량지수(BMI)로는 측정할 수 없는 체간 지방과 엉덩이 및 허벅지 지방의 비율, 그리고 내장 지방과 피하지방의 비율까지 추정할 수 있었다.
독립적인 MetabolicMosaic 코호트 연구에서도 사진 분석은 평균 오차 2.13%포인트로 유사한 정확도를 보였다. 이는 DXA 데이터와 거의 비슷한 수준이다.
연구진은 또한 공복 혈당 및 공복 인슐린 수치를 기반으로 계산한 인슐린 저항성 항상성 모델 평가(HOMA-IR) 값을 기준으로 이러한 신체 특성이 인슐린 저항성 감지에 도움이 되는지를 검증했다. 연령, 성별, BMI를 기반으로 한 기본 모델은 수신자 작동 특성 곡선 아래 면적(AUROC)이 0.692를 기록했는데, 이는 특정 특성을 가진 사람과 그렇지 않은 사람을 얼마나 잘 구분하는지를 나타내는 지표다.
PhotoScan으로 추정한 신체 특성을 사용했을 때 AUROC는 0.760으로 증가하여 실제 DXA 신체 데이터를 사용한 모델의 0.773에 근접했다. 반면, BIA 체지방률과 인구 통계학적 정보를 결합한 모델은 AUROC가 0.689에 그쳐 기본 모델을 개선하지 못했다. BMI 외에도 PhotoScan이 이미지에서 추정하는 체간 대 엉덩이 지방 비율이 분류에 특히 중요한 요소였다.
구글 리서치의 캐시 저우(Cassie Zhou)와 아흐메드 메트왈리는 "포토스캔(PhotoScan) 방식은 일반적인 스마트폰 이미지에서 DXA에 가까운 정확도로 상세한 체성분을 추정함으로써 유망한 대안을 제시한다"고 밝혔다.
또한, 멍리안 저우와 공동 교신 저자인 아흐메드 A. 메트왈리(Ahmed Metwally)는 "생체전기 임피던스 분석(BIA)으로 도출한 체지방률은 인슐린 저항성 예측에 유의미한 추가 이점을 제공하지 않는다"고 지적했다.
아직 스마트폰 건강 검진 도구는 아니다
초기 연구 결과는 표준화된 스마트폰 이미지가 통제된 연구 조건에서 체성분 및 대사 위험에 대한 정보를 제공할 수 있음을 보여주지만, 의학적 검사를 대체할 수는 없다. 구글에 따르면 포토스캔은 연구용 프로토타입이며, 인슐린 저항성 분석에 사용된 코호트는 단 132명으로 구성되었다. 이러한 적은 표본 크기는 더 넓은 인구 집단에 적용하는 데 한계를 초래한다. 또한, 이 코호트 참가자들은 캘리포니아 거주자였다.
"본 연구 설계는 자발적으로 참여한, 통제되지 않은, 외부 유료 생활습관 개선 프로그램에 기반을 두고 있다"고 멍리안 저우(Menglian Zhou)와 공동 저자들은 지적했다.
연구진은 또한 유의미한 체중 변화 사례가 적고 실험실 측정 횟수가 제한적이라는 점을 한계로 꼽으며, 이러한 점이 해당 방법이 일상생활 및 장기간에 걸친 변화를 얼마나 잘 포착하는지에 대한 의문을 제기한다.
장기적으로 연구진은 PhotoScan 데이터를 웨어러블 기기, 연속 혈당 측정, 혈액 검사 등의 추가 데이터와 결합하여 심대사 건강에 대한 보다 포괄적인 디지털 정보를 얻으려고 한다. 현재 이 연구는 주로 두 개의 스마트폰 화면 이미지가 BMI를 넘어 체지방률 및 분포에 대한 정보를 담을 수 있음을 보여준다. 본 연구에서는 이러한 특징들이 인슐린 저항성 평가에도 유용하게 활용되었다.
출처:
· Preprint auf arXiv, doi: 10.48550/arXiv.2603.27017
· Fach- oder Projektinformation der Google Research
- 체질량지수(BMI)는 계산하기 쉽지만, 개인의 체지방량과 분포에 대해서는 거의 알지 못해
- 스마트폰 사진에서 이러한 신체 특징을 추정하고, 체지방률을 스마트워치보다 더 정확하게 측정하는 것으로 나타나
- 아직 스마트폰 건강 검진 도구는 아니다
AI 사진 분석, 스마트워치보다 더 정확하게 체지방 측정
포토스캔, 지방 분포까지 파악
체질량지수(BMI)는 계산하기 쉽지만, 개인의 체지방량과 분포에 대해서는 거의 알려주지 않는다. 구글의 한 모델은 스마트폰 사진에서 이러한 신체 특징을 추정하고, 체지방률을 스마트워치보다 더 정확하게 측정하는 것으로 나타났다. 또한, 이 사진 분석 기술은 임상 DXA 데이터만큼이나 인슐린 저항성 감지 정확도를 향상시켰지만, 아직 동료 검토를 거치지 않은 연구 프로토타입 단계다.
 |
| ▲ PhotoScan은 체지방을 더욱 정확하게 측정할 수 있다. © eleaner / depositphotos.com |
체질량지수(BMI)는 체중과 키의 관계를 나타내는 지표로, 과체중을 대략적으로 판단하는 데 적합하다. 그러나 BMI는 지방과 근육량을 구분하지 못하고, 지방 분포 또한 구별하지 못한다. 기존 연구에 따르면 체중이 정상으로 보이더라도 체지방 분포는 대사 질환 위험과 관련이 있을 수 있다.
멍리안 저우(Menglian Zhou)가 이끄는 구글 리서치 연구팀은 스마트폰 사진을 활용하여 체지방률뿐만 아니라 지방 분포까지 파악함으로써 이러한 한계를 극복할 수 있는지 연구했다. 연구팀은 PhotoScan 시스템을 통해 정면과 측면 사진에서 세 가지 체성분 측정값을 도출하도록 설계했지만, 현재 결과는 사전 공개 논문 형태로만 제공되며 아직 동료 평가를 거치지 않았다.
3만5000개 이상의 데이터셋을 활용한 학습
사전 학습을 위해 연구팀은 영국 바이오뱅크(UK Biobank)에 참여한 3만5323명의 데이터를 사용했다. 이들은 모두 자기공명영상(MRI)과 이중에너지 X선 흡수측정법(DXA)을 통해 체성분 분석을 받았다. 연구진은 3차원 MRI 데이터에서 정면 및 측면 투영 이미지를 생성했으며, DXA 값은 실제 체지방률과 분포에 대한 기준값으로 사용되었다.
그 후, 연구진은 DXA 기준값이 있는 PhotoBIA 코호트의 성인 677명의 스마트폰 이미지를 사용하여 모델을 조정했다. PhotoScan은 연구 기간 Pixel 스마트폰을 비롯한 다양한 기기를 사용하여 촬영한 정면 및 측면 신체 이미지를 처리하고, 이미지 정보를 성별, 키, 몸무게 등의 데이터와 결합한다. MetabolicMosaic 코호트에 참여한 성인 132명을 대상으로 독립적인 검토를 수행했으며, 이들로부터 DXA, PhotoScan, 생체 전기 임피던스 분석(BIA)을 이용한 총 195회의 완전한 검사 방문 데이터를 평가할 수 있었다.
독립적인 검토에서는 방문당 두 가지 카메라 높이와 두 가지 자세에서 촬영한 여러 이미지를 분석하고, 좌우 측면 이미지의 평균값을 사용했다. PhotoScan은 연구 환경에서 다양한 기기를 사용하여 촬영한 정면 및 측면 신체 이미지를 처리하고, 좌우 측면 이미지 데이터를 결합한다.
 |
| ▲ PhotoScan은 체성분을 측정하고 인슐린 저항성을 감지한다. © Cassie Zhou / Google Research |
BIA보다 오차가 적음
PhotoBIA 코호트에서 PhotoScan의 체지방률 추정치는 DXA 값과 평균 2.15%포인트 차이를 보인 반면, BIA 기반 비교 모델은 평균 2.91%포인트의 오차를 나타냈다. 나이, 성별, 키, 몸무게와 같은 인구통계학적 데이터만 사용한 모델은 오차가 더욱 커서 평균 3.44%포인트에 달했다. 연구진이 PhotoScan과 BIA를 결합했을 때, 평균 오차는 1.98%포인트로 감소했다.
독립적인 MetabolicMosaic 코호트에서도 사진 분석의 정확도는 평균 2.13%포인트로 유사하게 유지되었습다. 또한 PhotoScan은 체질량지수(BMI)로는 측정할 수 없는 체간 지방과 엉덩이 및 허벅지 지방의 비율, 그리고 내장 지방과 피하지방의 비율까지 추정할 수 있었다.
독립적인 MetabolicMosaic 코호트 연구에서도 사진 분석은 평균 오차 2.13%포인트로 유사한 정확도를 보였다. 이는 DXA 데이터와 거의 비슷한 수준이다.
연구진은 또한 공복 혈당 및 공복 인슐린 수치를 기반으로 계산한 인슐린 저항성 항상성 모델 평가(HOMA-IR) 값을 기준으로 이러한 신체 특성이 인슐린 저항성 감지에 도움이 되는지를 검증했다. 연령, 성별, BMI를 기반으로 한 기본 모델은 수신자 작동 특성 곡선 아래 면적(AUROC)이 0.692를 기록했는데, 이는 특정 특성을 가진 사람과 그렇지 않은 사람을 얼마나 잘 구분하는지를 나타내는 지표다.
PhotoScan으로 추정한 신체 특성을 사용했을 때 AUROC는 0.760으로 증가하여 실제 DXA 신체 데이터를 사용한 모델의 0.773에 근접했다. 반면, BIA 체지방률과 인구 통계학적 정보를 결합한 모델은 AUROC가 0.689에 그쳐 기본 모델을 개선하지 못했다. BMI 외에도 PhotoScan이 이미지에서 추정하는 체간 대 엉덩이 지방 비율이 분류에 특히 중요한 요소였다.
구글 리서치의 캐시 저우(Cassie Zhou)와 아흐메드 메트왈리는 "포토스캔(PhotoScan) 방식은 일반적인 스마트폰 이미지에서 DXA에 가까운 정확도로 상세한 체성분을 추정함으로써 유망한 대안을 제시한다"고 밝혔다.
또한, 멍리안 저우와 공동 교신 저자인 아흐메드 A. 메트왈리(Ahmed Metwally)는 "생체전기 임피던스 분석(BIA)으로 도출한 체지방률은 인슐린 저항성 예측에 유의미한 추가 이점을 제공하지 않는다"고 지적했다.
아직 스마트폰 건강 검진 도구는 아니다
초기 연구 결과는 표준화된 스마트폰 이미지가 통제된 연구 조건에서 체성분 및 대사 위험에 대한 정보를 제공할 수 있음을 보여주지만, 의학적 검사를 대체할 수는 없다. 구글에 따르면 포토스캔은 연구용 프로토타입이며, 인슐린 저항성 분석에 사용된 코호트는 단 132명으로 구성되었다. 이러한 적은 표본 크기는 더 넓은 인구 집단에 적용하는 데 한계를 초래한다. 또한, 이 코호트 참가자들은 캘리포니아 거주자였다.
"본 연구 설계는 자발적으로 참여한, 통제되지 않은, 외부 유료 생활습관 개선 프로그램에 기반을 두고 있다"고 멍리안 저우(Menglian Zhou)와 공동 저자들은 지적했다.
연구진은 또한 유의미한 체중 변화 사례가 적고 실험실 측정 횟수가 제한적이라는 점을 한계로 꼽으며, 이러한 점이 해당 방법이 일상생활 및 장기간에 걸친 변화를 얼마나 잘 포착하는지에 대한 의문을 제기한다.
장기적으로 연구진은 PhotoScan 데이터를 웨어러블 기기, 연속 혈당 측정, 혈액 검사 등의 추가 데이터와 결합하여 심대사 건강에 대한 보다 포괄적인 디지털 정보를 얻으려고 한다. 현재 이 연구는 주로 두 개의 스마트폰 화면 이미지가 BMI를 넘어 체지방률 및 분포에 대한 정보를 담을 수 있음을 보여준다. 본 연구에서는 이러한 특징들이 인슐린 저항성 평가에도 유용하게 활용되었다.
출처:
· Preprint auf arXiv, doi: 10.48550/arXiv.2603.27017
· Fach- oder Projektinformation der Google Research
[더사이언스플러스=문광주 기자]
[ⓒ the SCIENCE plus. 무단전재-재배포 금지]
