강남세브란스 강정현 교수팀, 머신러닝 통한 근감소상태 예측 알고리즘 개발
암 환자의 골격근은 치료 예후와 관련이 깊다. 근육에 침착된 지방이 많을수록, 근육량이 감소할수록 암 치료의 예후가 좋지 않다. 특히 대장암 환자에서 CT를 통해 확인되는 근지방 증가와 근육량 감소는 환자의 나쁜 예후와 관련이 있는 것으로 알려져 있다.
최근 CT를 촬영하지 않고도 근육량 등을 고려한 ‘근골격지수’를 예측할 수 있는 알고리즘이 개발됐다.
연세대 강남세브란스병원 대장항문외과 강정현 교수팀은 머신러닝을 이용해, 근육량을 예측할 수 있는 알고리즘 개발 연구를 진행했다.
피검사를 통해서 확인이 가능한 염증관련 지표 및 환자의 고유한 특성을 추출한 후 머신러닝을 적용해 근게이지(SMG)를 예측하는 알고리즘을 개발한 것. 연구에는 강남세브란스병원에서 치료받은 1094명의 대장암 환자의 데이터가 사용됐다.
연구진은 환자군을 예측 방법을 생성하는 트레이닝 그룹(656명)과, 예측모델을 실제로 적용해보는 테스트 그룹(438명)으로 나누어 연구를 진행했다. 그 결과 트레이닝 그룹의 AUC(곡선하면적) 값이 84.6% 수준으로 우수했으며. 알고리즘을 적용한 테스트 그룹의 AUC 또한 86.9% 정도로 우수한 성능을 보였다. 이는 다른 피검사 수치(혈색소, 알부민 등)나 성별, 키, 몸무게 등의 임상 지표들보다도 우수한 수치다.
강정현 교수는 “이 알고리즘의 장점은 근감소증 상태를 감지하기 위한 선별도구로 채택될 수 있다는 것”이라며 “무엇보다 CT를 이용한 진단 시 동반되는 비용 및 방사선 노출의 어려움을 극복해, 환자의 불편감을 줄이고 예후를 예측할 수 있다”고 말했다.
이번 연구는 국제학술지 ‘Nutrition’에 게재됐다.
최근 CT를 촬영하지 않고도 근육량 등을 고려한 ‘근골격지수’를 예측할 수 있는 알고리즘이 개발됐다.
연세대 강남세브란스병원 대장항문외과 강정현 교수팀은 머신러닝을 이용해, 근육량을 예측할 수 있는 알고리즘 개발 연구를 진행했다.
피검사를 통해서 확인이 가능한 염증관련 지표 및 환자의 고유한 특성을 추출한 후 머신러닝을 적용해 근게이지(SMG)를 예측하는 알고리즘을 개발한 것. 연구에는 강남세브란스병원에서 치료받은 1094명의 대장암 환자의 데이터가 사용됐다.
연구진은 환자군을 예측 방법을 생성하는 트레이닝 그룹(656명)과, 예측모델을 실제로 적용해보는 테스트 그룹(438명)으로 나누어 연구를 진행했다. 그 결과 트레이닝 그룹의 AUC(곡선하면적) 값이 84.6% 수준으로 우수했으며. 알고리즘을 적용한 테스트 그룹의 AUC 또한 86.9% 정도로 우수한 성능을 보였다. 이는 다른 피검사 수치(혈색소, 알부민 등)나 성별, 키, 몸무게 등의 임상 지표들보다도 우수한 수치다.
강정현 교수는 “이 알고리즘의 장점은 근감소증 상태를 감지하기 위한 선별도구로 채택될 수 있다는 것”이라며 “무엇보다 CT를 이용한 진단 시 동반되는 비용 및 방사선 노출의 어려움을 극복해, 환자의 불편감을 줄이고 예후를 예측할 수 있다”고 말했다.
이번 연구는 국제학술지 ‘Nutrition’에 게재됐다.