대장암 환자 ‘근육감소’ 위험성, 혈액으로 예측

강남세브란스 강정현 교수팀, 머신러닝 통한 근감소상태 예측 알고리즘 개발

(지디넷코리아=조민규 기자)대장암 예후 인자로써 근골격지수(SMG)가 제시된 가운데, CT를 촬영하지 않고도 SMG를 예측할 수 있는 알고리즘이 개발됐다.

연세대학교 강남세브란스병원 대장항문외과 강정현 교수팀은 머신러닝을 이용해 근육량을 예측할 수 있는 알고리즘 개발 연구를 진행했다. 이번 연구는 국제학술지 ‘Nutrition’에 게재됐다.

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 증가 및 근육량 감소는 환자의 나쁜 예후와 관련이 있는 것으로 알려져 있다.

근감소증을 CT를 이용해서 측정하고자 할 때 골격근량 지수(SMI)와 골격근 방사선 밀도(SMD)가 지표로서 주로 사용되며, SMI와 SMD를 동시에 고려하는 근게이지(SMG)가 예후를 정확히 예측하는 지표라는 연구결과가 이미 제기됐다.

이 지표들은 예후를 잘 예측한다는 장점은 있지만 CT 검사를 시행해야 확인이 가능하다는 한계점이 존재한다. 통상 수술을 시행하기 전 CT검사를 시행하는 것은 필수적인 과정이나, 수술 이후에는 비용 문제와 방사능 노출 등 환자의 불편감 때문에 CT 검사를 잘 진행하지 않기 때문이다.

이에 연구진은 피검사를 통해서 확인이 가능한 염증관련 지표 및 환자의 고유한 특성을 추출한 후 머신러닝을 적용해 SMG를 예측하는 알고리즘을 개발했다. 연구에는 강남세브란스병원에서 치료받은 1천94명의 대장암 환자의 데이터가 사용됐다.

테스트 세트에서 머신러닝 예측법과 임상 변수 사이의 AUROC 곡선 값 비교(제공=강남세브란스병원)

연구진은 환자군을 예측 방법을 생성하는 트레이닝 그룹(656명)과, 예측모델을 실제로 적용해보는 테스트 그룹(438명)으로 나누어 연구를 진행한 결과, 트레이닝 그룹의 AUC(곡선하면적) 값이 84.6% 수준으로 우수한 것으로 나타났다. 알고리즘을 적용한 테스트 그룹의 AUC 또한 86.9% 정도로 우수한 성능을 보였는데 이는 다른 피검사 수치(혈색소, 알부민 등)나 성별, 키, 몸무게 등의 임상 지표들보다도 우수한 수치라는 설명이다.

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.

강남세브란스병원 대장항문외과 강정현 교수

조민규 기자(kioo@zdnet.co.kr)