연구진은 UK Biobank 데이터 기반 척추 DXA 이미지 합성을 위한 인과적 계층적 변분 오토인코더(CHVAE) 모델을 제안했어요. 이 모델은 참가자 속성 및 요추 형태 정보를 조건으로 삼아 3,743개의 AP 척추 스캔 데이터를 학습했어요.
모델의 인과적 일관성은 abduction-action-prediction(AAP) 방식을 통해 평가되었으며, 나이를 개입하여 척추 형태 변화를 예측하는 방식으로 진행되었어요.
연구 결과, 나이 개입 시 주요 척추 형태 변이 변수에서 높은 수준의 일치도가 확인되어 해부학적으로 타당한 DXA 이미지 합성이 가능함을 입증했어요.