치근단영상에서 치근단 병소의 크기 변화를 추적하는 목적은 근관치료 후 치유 과정을 평가하거나 병소가 악화되는지를 판단하기 위함입니다. 치근단 병소는 방사선영상에서 투과상(radiolucency)으로 나타나며, 시간에 따른 크기 감소는 치료 성공의 중요한 지표로 간주됩니다. 메타분석 연구에서도 치근단 병소의 크기가 근관치료, 재근관치료, 치근단수술의 성공률에 영향을 미치는 변수로 평가되었습니다
[1]. 따라서 병소의 실제 변화를 정확히 판독하려면 촬영 조건을 일정하게 유지하는 것이 필수적입니다.
치근단 병소 추적의 원리
치근단 병소의 크기를 비교하려면 동일한 치아를 여러 시점에 촬영한 영상에서 병소 경계를 일관되게 관찰해야 합니다.
투사각(projection angle)이 달라지면 해부학적 구조물의 중첩 정도와 병소의 형태가 다르게 보여, 실제 크기 변화가 없는데도 병소가 커지거나 작아진 것처럼 오인될 수 있습니다.
병소 크기 추적의 핵심은 재현 가능한 투사조건에서 반복 촬영하여 동일한 해부학적 기준점으로 비교하는 것입니다. 이는 치근단 방사선영상의 기하학적 왜곡을 최소화하고, 병소 경계의 미세한 변화를 신뢰성 있게 평가하기 위한 기본 원칙입니다.
촬영 조건과 확대율의 문제
치근단영상은
평행촬영법(paralleling technique)을 사용하더라도 필름 또는 센서와 치아 사이 거리, X선관의 각도에 따라 확대율이 달라질 수 있습니다. 확대율을 무시하면 병소의 실제 크기와 영상에서 보이는 크기가 달라져 추적 관찰의 정확도가 떨어집니다.
혼동 주의! 영상의 밝기나 대조도는 병소의 존재를 인지하는 데 도움을 줄 수 있으나, 밝기만으로 병소의 크기 변화를 정량적으로 비교할 수는 없습니다. 치관 색 기록은 치수 생활력 검사나 심미적 평가와 관련된 정보일 뿐, 치근단 병소의 방사선학적 추적과는 직접적인 관련이 없습니다.
임상 적용과 판독의 일관성
근관치료 후 경과 관찰에서는 일반적으로
6개월에서
1년 간격으로 치근단영상을 촬영하여 병소의 크기 변화를 평가합니다. 전향적 코호트 연구에서도 근관치료 후 치근단 병소의 방사선학적 결과를 추적 관찰하였으며, 이때 일관된 촬영 조건이 결과 해석의 전제가 됩니다
[3]. 최근에는 인공지능을 이용해 사람이 놓치기 쉬운 미세한 치근단 변화를 탐지하려는 시도가 있으나, 이러한 자동화된 분석에서도 동일한 투사 조건으로 촬영된 영상이 비교 가능성을 높이는 기본 조건으로 작용합니다
[2][4].
결국 병소 크기 추적은 촬영 기하학의 재현성을 확보한 상태에서 병소의 경계와 주변 구조물을 연속적으로 비교하는 과정입니다.참고 문헌 (논문 출처)
- [1]
The effect of periapical lesion size on the success rate of different endodontic treatments: a systematic review and meta-analysis.메타분석/체계고찰Baseri M, Radmand F, Milani AS, Gavgani LF, Salehnia F, Dianat O (2023) · DOI: 10.1038/s41432-023-00851-1
- [2]
The Leeuwenhoek paradox in dental artificial intelligence: A narrative review of artificial intelligence-detected subclinical periapical changes and human-labeled false positives.일반논문Schnurr E, Parra M, Kim DM. (2026) · DOI: 10.1016/j.jds.2025.07.3498
- [3]
Radiographic outcome of endodontic treatment and retreatment of teeth with apical periodontitis using two different root canal irrigants. A prospective cohort study.일반논문Katle E, Zandi H, Pedersen D, Sunde PT, Torgersen GR, Ørstavik D (2024) · DOI: 10.1111/iej.14019
- [4]
Ensemble learning for predicting periapical lesions from dental radiographs.일반논문Liao FY, Jian MJ, Sarini A, Jesica Y, Lin YK, Huang HY. (2026) · DOI: 10.1016/j.jds.2025.07.3485