본문으로 건너뛰기
녹내장

시신경 및 망막신경섬유층 영상검사

녹내장망막신경절세포(RGC)와 그 축삭의 진행성 소실을 특징으로 하는 시신경병증입니다. 시신경유두(ONH), 유두주위 RNFL황반부의 구조적 변화를 객관적으로 기록하고 정량화하는 영상 검사 기술은 임상 검사 및 시야 검사를 보완하는 중요한 도구입니다2)3).

구조적 변화는 종종 기능적 변화(시야 결손)보다 먼저 나타납니다3). OCT에 의한 구조적 변화 검출이 시야 결손 발생보다 약 2년 선행한다는 보고가 있습니다1). 영상 검사 기술에는 세 가지 유형이 있습니다2):

  • 공초 주사 레이저 검안경(CSLO): HRT
  • 광간섭단층촬영(OCT): SD-OCT 및 SS-OCT
  • 주사 레이저 편광계(SLP): GDx

체계적 문헌고찰에 따르면 이러한 기술들은 녹내장안과 정상안을 구별하는 능력이 유사했습니다2). 그러나 비정상 결과(정상 범위 밖)가 반드시 질환을 의미하는 것은 아닙니다2)3). 정상 데이터베이스 기준은 기기마다 다르며, 녹내장 이외의 이유로도 정상 범위를 벗어날 수 있습니다.

Q 영상 검사만으로 녹내장을 진단할 수 있나요?
A

아니요. 영상 검사는 임상 진단의 보조 도구이며, 단독으로 녹내장을 진단해서는 안 됩니다4)5). OCT의 “정상 범위 밖”은 위양성일 수 있습니다. 임상 소견 및 시야 검사를 포함한 모든 정보를 통합하여 판단해야 합니다. 자동 진단 프로그램의 민감도와 특이도는 약 80%로 보고됩니다.

스테레오 컬러 안저 사진시신경 유두 외형의 질적 기록 방법으로 확립되어 있습니다2)3). 적색 무투과 조명은 RNFL 결손 평가에 유용합니다. 연속 사진은 시신경 유두의 시간적 변화 검출에 사용될 수 있습니다5).

그러나 진행된 녹내장성 함몰에서는 평가해야 할 신경 조직이 거의 남아 있지 않기 때문에 스테레오 사진을 통한 진행성 변화 식별이 어렵습니다2). 디스크 형태가 그릇 모양이고 혈관이 부족한 경우 사진에서는 지형을 파악하기 어려워 세극등 스케치가 추가 기록으로 필요합니다.

공초점 주사 레이저 검안경 (CSLO/HRT)

섹션 제목: “공초점 주사 레이저 검안경 (CSLO/HRT)”

HRT(Heidelberg Retina Tomograph, Heidelberg Engineering社)는 다이오드 레이저(670 nm)를 주사하여 시신경 유두의 3차원 지형을 측정하는 장치입니다1). 유두 표면의 지형을 정량화하고 시간적 변화 검출에도 사용됩니다4).

Moorfields Regression Analysis(MRA)는 유두 면적에 기반한 림 면적의 통계적 판정을 수행합니다1). Glaucoma Probability Score(GPS)는 참조 평면이나 운영자에 의한 유두 가장자리 설정이 필요 없으며, 머신 러닝에 기반한 자동 분류입니다1).

HRT의 한계로는 안저면에서 유두 가장자리의 정의가 해부학적 참조에 기반하지 않는 이 있습니다. 이 문제는 OCT의 Bruch막 개구부(BMO)를 참조으로 하는 접근법으로 해결되었습니다1). HRT의 생산은 2020년대에 종료되었으며, 임상 현장에서는 OCT가 주류가 되었습니다1).

GDx(Carl Zeiss Meditec社)는 RNFL의 복굴절 특성을 이용하여 위상 지연을 측정하는 장치입니다1). RNFL 축삭 내 미세소관이 복굴절의 주된 원인이며, RNFL 두께와 상관관계가 있습니다1). Enhanced Corneal Compensation(ECC) 기술로 각막의 복굴절을 보정합니다.

그러나 녹내장의 종적 검출에서 SD-OCT에 열등한 것으로 나타났으며1), OCT의 보급과 함께 사용이 종료되었습니다.

OCT (광간섭 단층촬영)

원리: 저간섭 간섭법을 이용하여 망막의 단면 구조를 이미징합니다4)5)

TD-OCT: 초기 OCT. 한 축 방향의 A-스캔을 중첩하여 단면상을 얻는 방식으로, 검사 시간이 길고 분해능이 낮습니다. 현재는 거의 사용되지 않습니다.

SD-OCT: 스펙트럼 분석을 통해 고속·고해상도를 실현합니다. 초당 26,000 A-스캔 이상으로 시신경 유두, RNFL, 황반부의 고속 분석이 가능합니다. Cirrus OCT, Spectralis OCT 등 여러 기종이 있습니다.

SS-OCT: 파장 가변 광원을 사용합니다. 침투 깊이가 깊어 사상판맥락막 분석에도 응용됩니다. DRI OCT Triton(탑콘사) 등이 있습니다.

OCT 주요 분석 파라미터

RNFL 두께: 시신경 유두 주변 3.46 mm 원에서 망막 신경섬유층 두께를 측정합니다1). 가장 널리 사용되는 파라미터입니다.

BMO-MRW: Bruch막 개구부에서 최소 테두리 폭을 3차원적으로 측정합니다1). 해부학적으로 정확한 기준을 사용하며, 기존 테두리 면적 측정보다 우수한 진단 능력을 보입니다.

GCC/GC-IPL: 황반부의 신경절세포 복합체(GCC) 또는 신경절세포-내망상층(GC-IPL)의 두께를 측정합니다6). 진행기에서도 바닥 효과(floor effect)가 RNFL보다 늦게 발생합니다5).

편위 지도: 각 파라미터의 정상 데이터베이스와의 편위를 색상으로 표시합니다. 정량값과 편위 지도를 모두 평가하는 것이 권장됩니다5).

화질과 측정 정확도

화질의 중요성: 고품질의 기준 이미지가 필수적입니다4). 분할(segmentation) 오류 및 인공물은 특히 고도 근시안 및 경사 유두에서 빈번합니다5).

기종 간 호환성: 다른 OCT 기종 간 측정값은 호환되지 않습니다4)5). 경과 관찰에는 동일 기종 사용이 필수입니다.

정상 데이터베이스의 제한: 데이터베이스의 구성은 기종에 따라 다릅니다. 연령, 인종, 굴절 분포가 환자에 적합한지 평가가 필요합니다1).

특수 상황에서의 해석

근시: RNFL 두께는 근시 정도에 영향을 받습니다1). 근시에서는 유두 주변 위축 및 BMO 위치 변화가 OCT 측정에 영향을 미칩니다. 안축장에 의한 보정(Littmann 공식 등)이 바람직합니다.

유두 크기: 큰 유두에서는 C/D 비가 커도 정상일 수 있습니다. BMO-MRW는 유두 크기의 영향을 덜 받으며, 큰 유두와 작은 유두 모두에서 기존 방법보다 우수한 진단 능력을 보입니다1).

인종 차이: 대부분의 정상 데이터베이스는 특정 인종(주로 백인)으로 구성되어 있으며, 다른 인종에서는 위양성 및 위음성이 발생할 수 있습니다 1)

파라미터측정 부위한계
RNFL 두께시신경유두 주변광범위하게 검증됨조기 바닥 효과
BMO-MRW시신경유두 테두리유두 크기의 영향이 적음특정 기종으로 제한됨
GCC/GC-IPL황반부늦은 바닥 효과황반 질환의 영향 받음
Q OCT 기종 간 측정값에 호환성이 있습니까?
A

호환성이 없습니다. OCT 기종 간 기술 사양, 소프트웨어, 정상 데이터베이스 구성이 다르므로 측정값을 직접 비교할 수 없습니다4)5). 경과 관찰 시 동일 기종, 동일 프로토콜로 측정하는 것이 필수적입니다.

Q 근시안에서 OCT 결과를 어떻게 해석합니까?
A

근시안에서는 RNFL 두께가 영향을 받으므로 주의가 필요합니다1). 시신경유두주위 위축, 경사 유두, BMO 위치 편위가 분할 오류나 인공물의 원인이 됩니다. 안축장 보정 적용과 B-스캔 이미지에서 분할 확인이 권장됩니다.

6. 구조 매개변수의 임상적 의의

섹션 제목: “6. 구조 매개변수의 임상적 의의”

OCT에 의한 구조 변화 검출은 시야 장애 발생에 선행할 수 있습니다3). 연구에 따르면 OCT는 시야 손상 검출에 약 2년의 리드 타임을 가집니다1). 한편 구조 진행을 동반하지 않는 시야 변화, 시야 진행을 동반하지 않는 구조 변화도 존재하며, 둘 사이의 일치는 부분적이고 중등도입니다4).

구조 평가와 기능 평가는 모두 환자 관리에 필수적이며, 상호 보완적으로 사용해야 합니다2)3).

시판되는 많은 OCT 기기는 진행 분석 소프트웨어를 탑재하여 진행 속도의 정량화가 가능합니다4)5). 그러나 측정 변동성이나 비녹내장성 변화(노화 등)의 영향이 있으므로 신중한 해석이 필요합니다4). 많은 시판 소프트웨어는 노화 보정을 하지 않으므로 통계적으로 유의한 기울기가 반드시 녹내장성 진행을 의미하지는 않습니다4).

진행된 녹내장에서는 RNFL 두께가 ‘바닥값(Floor)‘에 도달하여 추가 진행이 두께 변화에 반영되지 않습니다5). 황반부 매개변수(GCC/GC-IPL)는 RNFL 두께보다 바닥 효과 발생이 늦으므로 진행기 평가에 유용합니다1)5). OCT-A의 혈관 밀도도 진행기에서 RNFL보다 바닥 효과가 늦을 가능성이 보고되었습니다1).

그린 디지즈(Green disease)와 레드 디지즈(Red disease)

섹션 제목: “그린 디지즈(Green disease)와 레드 디지즈(Red disease)”

그린 디지즈: OCT 정상 데이터베이스와 비교하여 ‘정상 범위(녹색)‘로 판정되지만 실제로는 녹내장성 변화가 있는 상태. 정상 데이터베이스의 커버 범위 밖(큰 유두, 고도 근시, 특정 인종 등)에서 발생하기 쉽습니다1).

레드 디지즈: OCT에서 ‘정상 범위 밖(적색)‘으로 판정되지만 실제로는 녹내장이 아닌 상태. 생리적인 개인차나 정상 데이터베이스에 포함되지 않은 특징(작은 유두, 특정 인종 차이 등)이 원인이 됩니다1).

이러한 현상들은 OCT 통계적 판정의 한계를 보여주며, 임상 소견 및 시야 검사와의 통합 판단이 필수적입니다4)5).

Q Green disease와 Red disease란 무엇인가요?
A

이는 OCT 정상 데이터베이스에 기반한 컬러 코드 판정의 한계를 보여주는 개념입니다. Green disease는 OCT가 ‘정상(녹색)‘으로 판정하지만 실제로는 녹내장이 있는 상태를, Red disease는 OCT가 ‘비정상(빨간색)‘으로 판정하지만 실제로는 정상인 상태를 말합니다1). 둘 다 OCT 결과를 임상 소견 및 시야 검사와 통합하여 해석해야 할 필요성을 보여줍니다.

OCT-A는 조영제를 사용하지 않고 망막시신경 유두의 미세혈관을 영상화하는 기술입니다1). 녹내장안에서는 유두 주변 및 황반부의 혈관 밀도 감소가 보고되었습니다. 재현성은 양호하지만1), 임상적 역할은 아직 확립되지 않았습니다4).

맥락막 미세혈관 소실(MvD)은 유두 출혈을 동반한 녹내장에서 진행성 RNFL 얇아짐과 관련이 있으며1), 정상안압녹내장의 발병 예측 인자가 될 수 있습니다1). 그러나 혈관 밀도의 변화는 녹내장에 특이적이지 않으며, 고혈압, 당뇨병, 알츠하이머병, 다발성 경화증에서도 보고되었습니다1).

PS-OCTRNFL의 복굴절 특성을 3차원적으로 측정하는 기술입니다1). 축삭 내 미세소관의 배열이 복굴절의 주된 원인이며, 미세소관의 파괴나 경미한 축삭 소실이 RNFL 두께 감소에 선행하여 복굴절 감소로 검출될 가능성이 있습니다1).

SD-OCT와 SS-OCT 모두에 추가 가능하며, 기존 OCT의 반사율 데이터와 병행하여 편광 매개변수를 3차원으로 획득할 수 있습니다1). 초기 녹내장에서의 진단 능력은 RNFL 두께와 동등하지만, 초초기 단계에서의 우월성은 현재까지 동물 실험에서만 입증되었습니다1).

가시광선 OCT (VL-OCT): 기존의 근적외선 대신 가시광선을 사용합니다. RNFL 반사율의 파장 의존적 변화를 RNFL 두께 변화에 선행하여 검출할 수 있을 가능성이 있습니다. 그러나 환자의 불편감이나 백내장에 의한 영향 등 임상 적용에 과제가 있습니다1).

RNFL 광학 텍스처 분석 (ROTA): RNFL 두께가 아닌 RNFL의 미세 구조 패턴을 분석하는 새로운 방법입니다. 특히 유두황반다발의 조기 손상 검출에 우수한 정확도를 보입니다. 실제 임상 데이터는 현재 부족합니다1).

사상판 영상화: SS-OCT와 EDI(심부 강조 영상)를 통해 사상판의 형태(깊이, 만곡, 두께, 결손)를 평가할 수 있습니다. 사상판의 후방 만곡은 시야 악화 속도와 관련이 있습니다1). 사상판 결손은 정상안압녹내장에서 빈번하게 관찰됩니다1).

적응 광학(AO): 광학 수차를 보정하여 개별 RGC사상판 구멍의 형태를 생체 내에서 고해상도로 관찰할 수 있는 기술입니다1). 녹내장 조기 진단에의 응용이 기대됩니다.

딥러닝(CNN)은 안저 사진이나 OCT 이미지에서 녹내장을 검출하는 데 높은 정확도를 보입니다1). 여러 데이터 모달리티(시야, OCT 체적 스캔, OCT-A)를 통합한 진행 예측 모델의 개발이 진행 중입니다1).

AI는 분할 정확도 향상에도 기여하며, 측정 재현성 향상이 기대됩니다. 그러나 데이터 프라이버시, 표준화, 알고리즘 검증의 과제가 남아 있습니다1). 블랙박스성에 대한 대책으로 설명 가능한 AI 모델의 개발이 요구됩니다.

  1. Lommatzsch C, van Oterendorp C. Current Status and Future Perspectives of Optic Nerve Imaging in Glaucoma. J Clin Med. 2024;13(7):1966.

  2. American Academy of Ophthalmology. Primary Open-Angle Glaucoma Preferred Practice Pattern®. 2020.

  3. American Academy of Ophthalmology. Primary Open-Angle Glaucoma Suspect Preferred Practice Pattern®. 2020.

  4. European Glaucoma Society. Terminology and Guidelines for Glaucoma, 5th Edition. 2020.

  5. European Glaucoma Society. Terminology and Guidelines for Glaucoma, 6th Edition. Br J Ophthalmol. 2025.

  6. Weinreb RN, Aung T, Medeiros FA. The pathophysiology and treatment of glaucoma: a review. JAMA. 2014;311(18):1901-1911.

글 전문을 복사해 원하는 AI 도우미에 붙여 넣고 질문할 수 있습니다.