www.bokuennews.com

박경식 교수

갑상선암 진단 시점에 환자의 향후 5년 내 골다공증 발생 위험을 예측할 수 있는 AI 모델이 국내 최초로 개발됐다. 갑상선암 환자의 장기적인 뼈 건강을 진단 초기부터 관리할 수 있는 기반이 마련됐다는 점에서 의미가 있다.

건국대학교병원 박경식 교수팀은 2004년부터 2014년 사이 갑상선암을 새롭게 진단받은 환자 3089명의 전국 건강보험 데이터를 분석해 골다공증 발생 위험을 예측하는 AI 모델을 개발했다. 중앙 추적 기간은 4.2년이었으며, 5년 누적 골다공증 발생률은 21.4%로 나타났다.

이는 갑상선암 환자 5명 중 1명가량이 진단 후 5년 이내 골다공증을 경험할 수 있다는 의미다. 그러나 지금까지는 갑상선암 진단 시점에서 향후 골다공증 발생 위험이 높은 환자를 객관적으로 구분할 수 있는 방법이 부족했다.

이번 예측 모델을 활용하면 갑상선암 진단 후 2~5년 사이 골다공증이 발생할 가능성을 수치화해 환자별 위험도를 평가할 수 있을 것으로 기대된다.

연구팀은 ▲랜덤생존숲(RSF) ▲보루타-콕스 회귀(Boruta-Cox) ▲라쏘 콕스 회귀(LASSO-Cox) 등 세 가지 시간-사건 예측 모델을 개발해 성능을 비교했다.

검증 결과 Boruta-Cox 모델의 C-index는 0.72(95% CI 0.68~0.75)로 세 모델 가운데 가장 우수한 예측 성능을 보였다. 특히 나이, 성별, 혈압, 당뇨 등 진료 과정에서 쉽게 확인할 수 있는 주요 임상 변수만을 활용해 모델을 구축했다는 점도 특징이다.

위험도에 따라 환자를 계층화한 결과 고위험군은 저위험군보다 5년 내 골다공증 발생 위험이 1.71배 높았다(P<0.001). 세 가지 모델 모두 고위험군과 저위험군을 유의하게 구분하는 것으로 나타났다.

이에 따라 진단 시점에서 저위험군으로 분류된 환자는 불필요한 골밀도 검사를 줄이고, 고위험군은 골밀도 검사와 예방적 관리 등을 조기에 시행하는 방식으로 환자별 맞춤 관리가 가능할 것으로 기대된다.

연구팀은 향후 다기관 갑상선암 환자군을 대상으로 추가 검증을 진행해 모델의 예측 성능과 일반화 가능성을 확인할 계획이다. 아울러 임상 현장에서 쉽게 활용할 수 있는 위험도 평가 도구 구현과 실제 진료 환경에서의 유용성을 평가하는 후속 연구도 추진할 예정이다.

박경식 교수는 "갑상선암 생존자의 골다공증 발생 위험을 예측하는 모델을 국내에서 처음 개발했다"며 "향후 진료 현장의 EMR과 연동한다면 갑상선암 진단 시점에서 골다공증 고위험 환자를 자동으로 선별하고 조기에 관리하는 정밀의료 체계를 구축할 수 있을 것"이라고 말했다.

한편 박 교수는 갑상선암·유방암·부신 종양 수술과 정밀의료 연구를 중심으로 15년 이상 연구를 이어온 외과 종양 전문가다. 기계학습 기반 갑상선암 진단 모델 등을 포함해 국제 학술지에 56편의 논문을 발표했으며, 2000여회의 피인용을 기록하고 있다. 이번 연구 결과는 대한내분비학회지(Endocrinology and Metabolism)에 게재됐다.

Copyright @보건신문 All rights reserved.