Can-SAVE: Deploying Low-Cost and Population-Scale Cancer Screening via Survival Analysis Variables and EHR

"Can-SAVE: 생존 분석 변수와 전자의무기록 (EHR) 을 활용한 저비용 및 대규모 인구 기반 암 선별 검사 배포"에 대한 상세 기술 요약입니다.

1. 문제 제기

암 선별 검사는 중요한 병목 현상에 직면해 있습니다. 전통적인 방법은 비용이 많이 들고 노동 집약적이며, 인구 수준으로 확장하기 어렵습니다. 인공지능 (AI) 이 암 탐지에서 유망한 성과를 보였음에도 불구하고, 대부분의 기존 시스템은 전문 데이터 (유전체, 생체 표지자, 생활 습관 설문지) 나 복잡한 인프라 (영상, 자연어 처리) 에 의존하므로, 자원이 제한된 공공 의료 시스템에서의 광범위한 배포는 비현실적입니다.

이론적 AI 발전과 임상적 유용성 사이에는 상당한 격차가 존재합니다. 기존 솔루션들은 표준 의료 서비스 코드 (ICD-10) 와 진료 기록 이상의 데이터 수집을 요구하지 않으면서도 인구 전체의 위험 계층화를 위해 전자의무기록 (EHR) 을 효과적으로 활용하지 못하는 경우가 많습니다. 과제는 다음과 같은 시스템을 만드는 것입니다:

• 저비용: 전문 하드웨어나 생체 표지자가 필요하지 않음.
• 확장성: 수백만 명의 환자를 처리할 수 있음.
• 데이터 무관성: 거의 모든 클리닉에서 이용 가능한 표준 EHR 데이터로 작동함.

2. 방법론: Can-SAVE 프레임워크

Can-SAVE 는 **단순한 일상적인 의료 기록 사건 (진단 및 서비스 코드)**에 기반하여 인구 전체의 암 위험을 순위 매기도록 설계된 경량 AI 시스템입니다. 핵심 혁신은 생존 분석 (Survival Analysis) 출력을 그래디언트 부스팅 (Gradient Boosting) 프레임워크에 통합하는 데 있습니다.

A. 문제 정의

이 작업은 시간적 제약이 있는 이진 분류 문제로 정의됩니다:

• 입력: 시간순으로 정렬된 의료 사건 (ICD-10 코드, 서비스 코드, 날짜) 을 포함하는 환자의 EHR($Q_i$).
• 목표: 다음 12 개월($t_{pred}$부터 $t_{pred} + 12M$까지) 내에 암 진단 (ICD-10 C00-C97) 이 발생할지 예측합니다.
• 목표: 제한된 선별 검사 자원을 우선순위화하기 위해 고위험 환자를 최상위 순위로 배치합니다.

B. 3 단계 파이프라인

1. 특성 공학:

   • 원시 EHR 데이터에서 700 개 이상의 후보 특성을 생성합니다.
   • 범주에는 사회인구통계학적 요소 (나이, 성별), 시간적 패턴 (방문 빈도, 계절성), 임상적 활용도 (진단 대 서비스 비율), 그리고 의료 사건 빈도 (ICD-10 그룹별 건수) 가 포함됩니다.

2. 생존 특성 구축 (혁신점):

   • 생존 모델링에 원시 EHR 데이터를 직접 사용하는 대신, 최종 분류기를 위한 특성으로 인구 수준 및 개인화된 생존 통계를 추출합니다.
   • 인구 수준: 카플란 - 마이어 추정기를 사용하여 전체 생존 확률 ($\hat{S}_{KM}$) 과 성별 계층화 생존 확률을 계산합니다. 또한 "위험 기울기"(나이 $t$와 $t+1$ 사이의 생존 확률 변화) 를 계산합니다.
   • 개인화: 환자의 특정 공변량 이력을 기반으로 개별별 생존 궤적과 위험 기울기를 생성하기 위해 가속 고장 시간 (AFT) 모델을 사용합니다.

3. 그래디언트 부스팅 통합:

   • 생존 모델의 출력 (확률 및 기울기) 은 표준 머신러닝 특성과 연결됩니다.
   • 확장된 특성 세트에 대해 CatBoost(그래디언트 부스팅 머신) 모델을 훈련시켜 $P(\text{암} | \text{EHR})$을 예측합니다.
   • 근거: 생존 출력은 정규화제 역할을 하여, 모델에 사전 인구 지식을 주입하여 일반화 능력을 향상시키고 편향 - 분산 트레이드오프를 처리합니다.

C. 기준선 (Baselines)

저자들은 Can-SAVE 를 다음 17 가지 기준선과 비교했습니다:

• 고전적 머신러닝 (로지스틱 회귀, 랜덤 포레스트, GBM).
• 순수 생존 모델 (AFT, 랜덤 생존 포레스트, DeepHit).
• 딥러닝 (RNN, BERT/Longformer 같은 트랜스포머).
• LLM 기반 접근법 (파인튜닝된 LLM, 임베딩 기반 모델, LLM 요약).

3. 주요 기여

1. 새로운 아키텍처: 생존 분석 변수와 그래디언트 부스팅을 결합하는 것이 오직 일상적인 EHR 만을 사용하여 암 위험 순위 매기기에 있어 독립적인 생존 모델과 복잡한 딥러닝/LLM 접근법 모두를 크게 능가함을 입증했습니다.
2. 대규모 실세계 검증: 5 개 러시아 지역의 250 만 명 성인 데이터셋에서 시스템을 검증하여, AI 기반 암 위험 평가의 실세계 배포 중 가장 큰 규모 중 하나를 대표합니다.
3. 전향적 임상 파일럿: 426,000 명의 환자를 대상으로 종양 전문의의 감독 하에 12 개월 전향적 연구를 수행하여, 후향적 분석을 넘어 실제 임상적 영향을 측정했습니다.
4. 확장성 및 효율성: 표준 하드웨어에서 3 시간 미만으로 도시 전체 인구 (100 만 명) 를 처리할 수 있음을 입증하여, 새로운 데이터 수집이나 전문 인프라가 필요하지 않음을 보였습니다.

4. 실험 결과

A. 후향적 성능 (수치 실험)

• 데이터셋: 175,441 명 환자 (2017–2021).
• 지표: 암이 희귀하여 극심한 클래스 불균형이 존재하므로, ROC-AUC 대신 평균 정밀도 (AP) 를 우선시했습니다.
• 결과:
  • Can-SAVE: AP = 0.228을 달성하여 모든 방법 중 가장 높았습니다.
  • 최고 기준선 (LoRA 튜닝 LLM): AP = 0.193.
  • 비교: Can-SAVE 는 AP 기준으로 최고 LLM 기준선보다 약 18% 더 우수했으며, 다른 모든 고전적 및 딥러닝 방법을 능가했습니다.
  • 절대 실험: GBM 과 생존 특성의 융합이 결정적임을 확인했습니다. 독립적인 GBM(AP 0.160) 과 독립적인 AFT(AP 0.117) 는 현저히 약했습니다.

B. 종양 전문의 감독 하 후향적 연구

• 범위: 5 개 지역의 190 만 명 환자.
• 발견: Can-SAVE 가 식별한 상위 1,000 명의 고위험 환자를 선별 검사했을 때, 시스템은 1,000 명당 41~90 건의 암을 탐지한 반면, 전통적인 선별 검사 프로토콜은 1,000 명당 9~15 건이었습니다.
• 상승 효과: 동일한 선별 검사량에서 탐지율이 4.1 배에서 10.0 배 증가했습니다.

C. 전향적 파일럿 (실세계 배포)

• 범위: 12 개월 동안 426,210 명 환자.
• 비교: Can-SAVE(테스트) 대 국가 표준 선별 검사 (대조군).
• 주요 결과:
  • 탐지율: Can-SAVE 는 대조군의 1,123 건 대비 2,148 건의 암을 탐지했습니다.
  • 효율성: 동일한 임상 역량으로 암 탐지율이 91% 증가했습니다.
  • 포괄성: Can-SAVE 는 해당 연도 해당 지역에서 탐지된 모든 암의 **75.4%**를 식별한 반면, 전통적인 선별 검사는 **39.4%**였습니다 (포괄성 +36 퍼센트 포인트 확장).
  • 자원 사용: 새로운 하드웨어나 비싼 검사가 필요하지 않았으며, 워크플로는 초청 우선순위 변경과 간단한 위험 설문지만으로 변경되었습니다.

D. 특성 중요도

• 나이가 지배적인 특성 (20.2% 중요도) 이었습니다.
• 생존 모델 출력은 총 중요도의 **39.6%**를 기여하여, 생존에서 유도된 신호가 순위 매기기에 결정적이라는 핵심 가설을 검증했습니다.
• 방문 패턴과 임상 마커(예: 면역 체계 서비스, 양성 종양) 또한 크게 기여했습니다.

5. 중요성과 영향

• 패러다임 전환: Can-SAVE 는 보편적인 EHR 데이터를 사용하는 "실용적 AI"가 인구 선별 검사에 있어 데이터 집약적인 복잡한 모델 (LLM 등) 을 능가할 수 있음을 입증합니다.
• 접근성: 표준 ICD-10 코드와 진료 기록에만 의존함으로써, 유전자 검사나 전문 영상 촬영의 필요성을 우회하여 전 세계 저자원 환경에서도 배포 가능합니다.
• 임상적 유용성: 시스템은 기존 공중보건 워크플로우에 성공적으로 통합되어, 임상 운영을 방해하지 않고도 AI 가 조기 탐지율을 직접 개선하고 생명을 구할 수 있음을 보여주었습니다.
• 확장성: 상용 서버에서 수시간 내에 수백만 건의 기록을 처리할 수 있는 시스템의 능력은 국가 수준의 보건 정책 구현을 위한 실현 가능한 솔루션이 됩니다.

결론적으로, Can-SAVE 는 고급 데이터 과학과 실세계 공중보건 제약 사이의 간극을 해소하는, 재현 가능하고 비용 효율적인 대규모 인구 기반 암 예방 프레임워크를 제공합니다.