'급성 신 손상', 신장암 수술받는 환자 위험도 증가해 주의해야 하는 질환
김세중 교수팀 "기계 학습한 알고리듬, 기존 사용하던 지표대비 예측 정확도↑"
다기관서 활용할 수 있는 '알고리듬' 임상 적용 시 신장암 수술 환자 급성 신 손상 예측 향상
논문, 국제학술지 'Scientific Reports'에 게재
[보건타임즈] 급성 신 손상은 신장 세포가 갑작스럽게 손상을 받아 신장기능이 약화하는 질환이다.
이 질환은 병원에 입원하는 환자의 5~10%에서 발생하며, 신장암 수술을 받았을 땐 위험도가 더 증가한다.
이를 조기에 치료하지 못하면 비가역적으로 진행해 투석, 사망 같은 위험한 상황을 초래, 특히 신장암 환자를 대상으로 수술 후 급성 신 손상이 발생하지 않는지 주의 깊은 모니터링이 필요하다.
이에 분당서울대병원 신장내과 김세중 교수(사진), 비뇨의학과 이상철 교수, 서울대병원 신장내과 한승석 교수, 비뇨의학과 곽철 교수 연구팀은 머신러닝 알고리듬을 이용해 '신장암 수술 후 급성 신손상 예측 시스템'을 개발, 기존 모델과 비교해 정확도를 평가한 결과를 발표했다.
이에 따르면 우선 연구진은 2003년부터 2017년까지 서울대병원과 분당서울대병원에서 신세포암으로 편측 신절제술을 받은 환자 총 4,104명의 자료를 이용해 머신러닝 기법을 이용한 급성 신 손상 예측 모델을 만들어 검증했다.
수술 유형과 시간, 성별, 기저질환, 종양 크기를 포함한 데이터를 수집했으며, 이를 바탕으로 서포트 벡터 머신, 랜덤 포레스트, 익스트림 그래디언트 부스팅, 라이트 GBM라는 4가지 머신러닝 기법을 사용해 예측 모델을 구축했다.
이를 임상에 적용, 수술받은 환자의 급손상을 예측한 결과(좌측표) 4,104명 중에서 총 1,167명에게서 나타나, 28.4%의 발생률을 기록했다.
알고리듬 성능을 평가하는 지표인 AUROC 기준으로, 머신러닝 모델들은 기존에 사용하던 SPARK 인덱스(단순 급성신손상위험지표)보다 더 높은 수행력을 보였으며, 이중 특히 라이트 GBM 모델의 AUROC가 0.81로 가장 예측도가 높았다.
SPARK 인덱스는 10가지 항목 (나이, 신기능, 단백뇨, 성별, 수술시간, 당뇨, 약제, 빈혈/알부민/나트륨 검사)을 점수화해 급성 신손상 위험도를 예측하는 고전적 방식의 예측 지표다.
김 교수는 "이 연구는 단일 기관이 아닌 다기관 임상자료를 활용, 머신러닝 기법을 통해 여러 기관에서 적용 가능한 알고리듬을 개발했다"며, "향후 임상에 적용됐을 때 신장암 수술 후 급성 신손상 예측도를 향상시킬 수 있을 것"이라고 평가했다.
이 연구결과를 다룬 논문은 세계적 학술지 사이언티픽 리포트(Scientific Reports)에 게재됐다.
기사최종편집일: 2024-05-02 11:43:14
다음기사 : 
