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.