강정현 교수팀, 원내 치료받은 '대장암 환자 1,094명 데이터' 사용
'예측 방법 생성하는 트레이닝 그룹과 예측모델에 적용해보는 테스트 그룹' 나눠 연구
트레이닝 그룹의 AUC(곡선하면적) 값 '84.6% 수준'으로 우수
알고리즘 적용한 테스트 그룹 AUC '86.9% 정도' 성능 우수
'방사능 노출 감소와 의료비용 절감 가능성 큰 예측법'으로 각광
강 교수 "대장암 환자 1,100여 명 대상 근감소증 감지 선별도구 채택 가능성 ↑"
논문, 국제학술지 'Nutrition'에 게재
[보건타임즈] 대장암 예후 인자로써 근 골격지수(SMG)가 제시된 가운데, CT를 촬영하지 않고서 SMG를 예측할 수 있는 알고리즘(논문보기)이 개발됐다.
연세대학교 강남세브란스병원(병원장 송영구) 대장항문외과 강정현 교수(사진)팀은 머신러닝을 이용해, 근육량을 예측할 수 있는 알고리즘 개발했다며 31일 이같이 발표했다.
암 환자의 골격근은 치료 예후와 관련이 깊다.
근육에 침착된 지방은 많을수록, 근육량이 감소할수록 암 치료의 예후가 좋지 않다.
대장암 환자에게서 CT를 통해 확인되는 근 지방 증가와 근육량 감소는 환자의 나쁜 예후와 관련이 있는 것으로 알려져 있다.
근감소증을 CT를 이용해서 측정할 때는 골격근량 지수(Skeletal muscle index, SMI)와 골격근 방사선 밀도(Skeletal muscle radiodensity, SMD)가 지표로서 주로 사용된다.
이에 더해 SMI와 SMD를 동시에 고려하는 근게이지(Skeletal muscle gauge, SMG)가 예후를 정확히 예측하는 지표라는 연구 결과가 이미 제기됐다.
이 지표들은 예후를 잘 예측한다는 장점이 있지만, CT 검사를 시행해야 확인할 수 있다는 한계가 존재한다.
통상 수술을 시행하기 전 CT 검사를 시행하는 것은 필수과정이나, 수술 이후엔 비용 문제와 방사능 노출 등 환자의 불편감 때문에 CT 검사를 잘 진행하지 않기 때문이다.
이에 연구진은 피검사를 통해 확인이 가능한 염증 지표와 환자의 고유한 특성을 추출한 후 머신러닝을 적용해 SMG를 예측하는 알고리즘을 개발하게 됐다.
이 개발연구엔 강남세브란스병원에서 치료받은 대장암 환자 1,094명 데이터가 사용됐다.
연구진은 환자군을 예측 방법을 생성하는 트레이닝 그룹(656명)과 예측모델을 실제로 적용해보는 테스트 그룹(438명)으로 나눠 연구했다.
이 결과 트레이닝 그룹의 AUC(곡선하면적) 값이 84.6% 수준으로 우수했다.
알고리즘을 적용한 테스트 그룹의 AUC도 86.9% 정도로 우수한 성능을 보였다.
즉 다른 피검사 수치(혈색소, 알부민 등)나 성별, 키, 몸무게 등의 임상 지표들보다 우수한 수치다.
강 교수는 "이 알고리즘의 장점은 근감소증 상태를 감지하기 위한 선별도구로 채택될 수 있다는 것"이라며 "무엇보다 CT를 이용한 진단 시 동반되는 비용과 방사선 노출의 어려움을 극복해, 환자의 불편감을 줄이는 동시에 예후를 예측할 수 있다"고 말했다.
이 연구결과를 상세하게 정리한 논문은 'Skeletal muscle gauge prediction by a machine learning model in patients with colorectal cancer'란 주제로 국제학술지 'Nutrition'에 게재됐다.
이 뉴스클리핑은 BKT뉴스{www.bktimes.net}에서 발췌된 내용입니다.
