[Original Article] Association between atherogenic lipid markers and metabolic syndrome with AI-derived retinal image based cardiovascular risk scoring in Korean

• 발행기관: 대한기능의학회
• 저자명: Miso Jang Dongjin Nam Tyler Hyungtaek Rim Beom-Hee Choi
• 간행물 정보: 『Journal of Korean Institute for Functional Medicine』Vol.8 No. 2, 79~89쪽, 전체 11쪽
• 주제분류: 의약학 > 의학일반
• 파일형태: PDF
• 발행일자: 2025.11.30

국문 초록

배경: 인공지능(artificial intelligence, AI) 기반 심혈관질환(cardiovascular disease, CVD) 위험 점수(닥터눈 CVD®, 메디웨일㈜, 한국)를 망막 영상에 적용한 것이 최근 심혈관 질환 위험 계층화에 유망한 도구로 부상하였다. 한편, 심혈관 질환의 무증상(subclinical) 단계에서는 low density lipoprotein (LDL) 콜레스테롤 관리 뿐만 아니라 잔여 심혈관 위험 요인을 파악하는 것이 조기 예방에 매우 중요하다. Non-high density lipoprotein (HDL)콜레스테롤, 중성지방/HDL-콜레스테롤 비율, 잔여 콜레스테롤(remnant cholesterol)과 같은 동맥경화성 지질 표지자와 대사 이상은 잔여 심혈관 위험의 중요한 요인으로 제시되어 왔다. 따라서 본 연구에서는 닥터눈 CVD®를 이용하여 심혈관 질환 위험도와 동맥경화성 지질 표지자, 대사증후군 등의 연관성을 보고자 하였다. 방법: 서울 소재 두 곳의 건강검진센터에서 건강 검진과 망막 영상 검사를 받은 58,905명의 데이터를 분석하였다. 심혈관 위험도 지표는 망막 영상을 이용하여 주요심혈관 질환 발생(major adverse cardiovascular events, MACE)의 5년 위험도를 추정하는 닥터눈 CVD®를 사용하여 평가하였다. 로지스틱 회귀 분석을 통해 세 가지 동맥경화성 지질 프로파일(구체적 항목 제시)과 대사증후군이 닥터눈 CVD® 점수 중등도 이상 고위험과 연관성을 평가하였다. 이 분석은 연령, 성별 및 관련 임상적 요인을 보정하였다. 결과: 연구 대상군의 평균 연령은 46.16±14.67세였고, 49.48%가 남성이었다. 닥터눈 CVD® 점수에 따르면 참가자의 36.6%가 중등도 이상 그룹(점수 ≥ 30)으로 분류되었다. 지질 지표 중 잔여 콜레스테롤(OR=1.12, 95% CI: 1.02–1.22)은 다변량 회귀 모형에서 Dr.Noon CVD 위험 증가와 독립적으로 연관성이 있었다. 대사 증후군(OR = 1.29, 95% CI: 1.17–1.42), 연령(OR = 1.30, 95% CI: 1.29–1.30), 남성(OR = 6.21, 95% CI: 5.60–6.88)은 다변량 회귀 모형에 포함되었고 지질 지표 변화와 통계적으로 유의미하였다. 결론: 이 연구에서 닥터눈 CVD® 점수는 이러한 지질지표와 대사 증후군과 유의미한 연관성을 보였다. 이러한 결과는 심혈관 질환 초기 단계에서 대사 건강 및 잔여지질 위험 관리가 중요하다.

영문 초록

Background: The artificial intelligence (AI)-based cardiovascular disease (CVD) risk scoring applied to retinal imaging has recently emerged as a promising tool for medical check-up and CVD prevention. In the subclinical stage of CVD, identifying residual risk factors is crucial for early prevention. In addition, atherogenic lipid markers such as non-high-density lipoprotein cholesterol (HDL-C) cholesterol, triglyceride-to-HDL-C ratio, and remnant cholesterol, have been proposed as important factors of residual risk. But there is no data about association between AI-derived retinal image based cardiovascular (CV) risk scoring and atherogenic lipid markers. Methods: We analyzed data from 58,905 participants who underwent routine health examinations and retinal imagine at two health screening centers. Retinal photographs were assessed using the AI-based CVD risk, which estimates 5-year risk of major adverse cardiovascular events. Logistic regression was performed to evaluate the association of lipidemia profiles and metabolic syndrome with moderate-to-high CVD risk group, adjusting for age, sex, and related clinical factors Results: The mean age was 46.16±14.67 years, and 49.48% were men. According to the AI-based CVD risk score, 36.6% of participants were categorized as having a moderate-to-high risk (score ≥30). Remnant cholesterol (odds ratio [OR]=1.12, 95% confidence interval [CI]: 1.02-1.22) were independently associated with higher AI-based CVD risk in multivariate regression model. Metabolic syndrome (OR=1.29, 95% CI: 1.17-1.42), age (OR=1.30, 95% CI: 1.29-1.30) and male sex (OR=6.21, 95% CI: 5.60-6.88) were significant with atherogenic lipid markers and AI-based CVD risk score in multivariate regression model. Conclusion: In this subclinical population, AI-based CVD risk scores were significantly associated with atherogenic lipid markers, especially remnant cholesterol. These findings highlight the clinical usefulness of AI-derived retinal image-based CV risk scoring in early stages of CVD risk detection.

목차

Introduction

Methods

Results

Discussion

Conflicts of Interest

Author Contributions

Korean abstract and keywords

References

키워드

심혈관 질환 망막 지질 대사 인공지능 망막검사 Cardiovascular disease Retina Lipid metabolism Artificial intelligence Retinoscopy