[데일리메디 박정연 기자] 인공지능(AI)을 이용해 구경부암의 하나인 진행성 침샘암의 생존 예측 모델을 연구한 결과가 나왔다.
기존 조직병리학적 단계에 따라 예후를 예측한 연구는 많았다. 그러나 암 환자의 나이, 성별, 치료법 등 다양한 임상적 특성을 고려한 생존 예측 모델 연구는 처음이라고 병원은 설명했다.
19일 강동경희대학교병원에 따르면 이영찬 이비인후과 교수[사진]팀(이영찬, 김태훈 교수)은 머신러닝 기법을 이용, 침샘암의 생존 예측 모델을 연구해 이중 가장 높은 예측과 낮은 오차를 보인 모델을 최근 확인했다.
현재까지 조직병리학적 단계에 따라 침샘암의 예후를 예측하는 연구는 많이 보고됐다.
하지만 미국암연합위원회(American Joint Committee on Cancer, AJCC)가 분류하는 암 병기 TNM stage으로만 생존율을 분석한 연구방법은 개별 환자에 대한 다른 임상적 정보(나이, 성별, 치료방법 등)를 고려하지 않아 적용에 한계가 있었다.
이에 이 교수팀은 미국국립암연구소에서 제공하는 암환자 빅데이터(Surveillance Epidemiology and End Result. SEER data)를 바탕으로 머신러닝(Machine learning) 기법을 이용한 생존 예측모델 연구를 진행했다.
2004년부터 2016년까지 총 607명의 T3 또는 그 이상 병기를 가진 진행성 타액선(이하선) 암환자를 대상으로 연구를 진행했다.
암환자 빅데이터(SEER data)에는 진단 시 나이 및 성별, 인종은 물론 TNM stage, 조직학적 분화도, 종양 크기, 치료 방법, 생존기간 등이 포함됐다.
CSF(conditional survival forest model) 가장 우수한 예측력 보여
생존 분석에는 여러 모델이 있는데 이 교수팀은 네가지 △Cox proportional hazard model (CoxPH), △conditional survival forest model (CSF), △random survival forest model (RSF), △DeepSurv model 모델을 이용했다.
연구 결과, 생존분석에서 정확도 지표를 나타내는 C-index 값에서는 각각 CSF (0.79), DeepSurv (0.79), CoxPH (0.78) 그리고 RSF (0.76) 모델 순으로 우수한 예측력을 보였다.
그리고 또 다른 비교 척도로 이용되는 Brier score(IBS) 값에서는 CoxPH (0.02), CSF (0.02) 그리고 DeepSurv (0.03) 모델 순으로 우수한 예측력을 나타냈다.
이영찬 교수는 “이번 연구를 통해 환자 개별 임상정보가 적용돼 실제적인 생존 예측을 확인할 수 있는 기틀이 마련됐다"면서 “환자 개개인에게 맞는 맞춤형 치료 구현에 도움이 될 것으로 생각된다”고 말했다. |
