근골격 지수(SMG)가 대장암 예후 인자로 알려진 가운데 컴퓨터단층촬영(CT) 검사를 하지 않고도 SMG를 예측할 수 있는 알고리즘이 개발됐다.
강정현 강남세브란스병원 대장항문외과 교수팀은 머신러닝을 이용해 근육량을 예측할 수 있는 알고리즘 개발을 위한 연구를 진행한 결과다.
연구 결과는 국제 학술지 ‘Nutrition’에 실렸다.
암 환자의 골격근은 예후(치료 경과)와 관련이 깊다. 근육에 침착된 지방이 많을수록, 근육량이 감소할수록 암 치료 예후가 좋지 않다. 특히 대장암 환자에서 CT를 통해 확인하는 근 지방 증가 및 근육량 감소는 환자의 나쁜 예후와 관련 있는 것으로 알려진다.
CT를 이용해 근감소증을 측정할 땐 주로 골격근량 지수(Skeletal muscle index·SMI)와 골격근 방사선 밀도(Skeletal muscle radiodensity·SMD)가 지표로 사용된다. 특히 SMI와 SMD를 동시에 고려하는 근 골격 지수(Skeletal muscle gauge·SMG)가 예후를 정확히 예측하는 지표라는 연구 결과가 제시된 바 있다.
이 지표들은 예후를 잘 예측한다는 장점이 있지만, CT 검사를 시행해야 확인할 수 있다는 한계가 있다. 통상 CT 검사는 수술 전에는 필수적인 과정이나 수술 후에는 비용 문제와 방사능 노출 등 환자의 불편감을 가중시켜 잘 진행하지 않기 때문이다.
연구진은 혈액검사를 통해 확인할 수 있는 염증 관련 지표와 환자의 고유한 특성을 추출한 후 머신러닝을 적용해 SMG를 예측하는 알고리즘을 개발했다. 연구에는 강남세브란스병원에서 치료받은 대장암 환자 1094명의 데이터가 사용됐다.
환자군을 예측 방법을 생성하는 트레이닝 그룹(656명)과 예측 모델을 실제로 적용해보는 테스트 그룹(438명)으로 나눠 연구를 진행한 결과 트레이닝 그룹의 AUC(곡선하면적) 값이 84.6% 수준으로 우수했으며 알고리즘을 적용한 테스트 그룹의 AUC 역시 86.9%로 우수한 성능을 보였다. 이는 혈색소·알부민 등 다른 혈액 검사 수치나 성별, 키, 몸무게와 같은 임상 지표보다도 우수한 수치다.
강정현 교수는 “이번에 개발한 알고리즘의 장점은 근감소증 상태를 감지하기 위한 선별 도구로 채택될 수 있다는 것”이라며 “무엇보다 CT를 이용해 진단할 때 동반되는 비용 문제나 방사선 노출의 어려움을 극복해 환자의 불편감을 줄이고 예후를 예측할 수 있다”고 했다.