Copula Based Fusion of Clinical and Genomic Machine Learning Risk Scores for Breast Cancer Risk Stratification

당신이 날씨를 예측하려고 한다고 상상해 보십시오. 당신에게는 두 개의 서로 다른 기상 관측소가 있습니다. 하나는 바람, 기압, 온도를 측정하는 고전적이고 신뢰할 수 있는 관측소(이것을 "임상(Clinical)" 관측소라고 부릅시다)이고, 다른 하나는 공기 분자의 화학적 조성을 분석하는 첨단 미래형 관측소(이것을 "유전자 발현(Gene-Expression)" 관측소라고 부릅시다)입니다. 두 관측소 모두 강수 확률을 제공하지만, 항상 의견이 일치하는 것은 아닙니다. 때로는 임상 관측소는 "맑음"이라고 말하는 반면, 미래형 관측소는 "폭풍우"라고 비명을 지르기도 합니다.

오랫동안 암의 경과와 같은 복잡한 것들을 예측하려던 과학자들은 이 문제를 해결하기 위해 단순히 두 예측을 평균 내거나 모든 데이터를 하나의 거대한 믹서기에 집어넣는 방식으로 해결하려 노력해 왔습니다. 하지만 이 논문은 더 똑똑한 질문을 던집니다: 이 두 관측소는 실제로 어떻게 서로 대화하고 있는가? 상황이 정말 나쁠 때 그들은 서로 동의하는 경향이 있을까요? 상황이 까다로울 때 그들은 의견이 갈릴까요? 이 질문에 답하기 위해 연구진은 "코풀라(copula)"라고 불리는 수학적 도구를 사용했습니다. 코풀라를 날씨 관측소가 아니라, 두 가지 서로 다른 예측이 서로 어떻게 연관되어 있는지 그 비밀스러운 언어를 이해하는 특별한 번역기라고 생각하십시오. 단, 두 예측을 억지로 똑같아 보이게 만들지 않으면서 말입니다. 목표는 무엇일까요? 바로 이 관계를 이해함으로써, 개별적인 예측값은 그저 평범할지라도 가장 위험한 환자들을 찾아내는 데 도움이 되는지를 확인하는 것입니다.

---

두 가지 위험 점수와 비밀 코드의 이야기

유방암의 세계에서 의사들은 환자가 향후 5년 동안 어떻게 될지 추측하는 두 가지 주요 방법을 가지고 있습니다. 첫 번째 방법은 임상 데이터를 사용하는 것입니다: 종양의 크기, 환자의 연령, 림프절 전이 여부 등이 여기에 해당합니다. 이것은 마치 자동차 사고 후 눈에 보이는 파손 부위를 살펴보는 것과 같습니다. 두 번째 방법은 유전자 발현 데이터를 사용하는 것입니다: 종양 세포 내부의 유전자가 얼마나 활성화되어 있는지 미시적으로 들여다보는 것입니다. 이것은 엔진의 내부 배선이 폭발하기 직전인지 확인하기 위해 내부를 살펴보는 것과 같습니다.

두 방법 모두 유용하지만 완벽하지는 않습니다. 때로는 임상 데이터는 환자가 저위험군이라고 말하지만, 유전자는 고위험군이라고 말하기도 합니다. 이번 연구의 핵심 질문은 이것이었습니다: 만약 이 두 가지 관상을 결합한다면, 더 나은 그림을 얻을 수 있을까? 그리고 구체적으로, 단순히 두 점수를 식료품 영수증처럼 더하는 것이 아니라, "코풀라"를 사용하여 두 점수 사이의 관계를 이해할 수 있을까?

연구진은 약 2,000명의 유방암 환자 정보를 담고 있는 METABRIC이라는 방대한 데이터셋을 활용했습니다. 그들은 두 개의 별도 머신러닝 "수정구슬"을 만들었습니다. 하나는 임상 데이터로만 학습되었고, 다른 하나는 유전자 데이터로만 학습되었습니다. 그들은 이 모델들에게 환자가 5년 이내에 유방암으로 사망할지 예측하도록 요청했습니다.

결과: 클래식 관측소의 승리 (하지만 듀오 또한 유용하다)

모델을 테스트했을 때, 임상 모델이 명확한 승자였습니다. 이 모델은 환자의 위험도를 약 **78.3%**의 정확도(AUC라고 불리는 점수)로 올바르게 분류했습니다. 유전자 발현 모델도 훌륭했지만 그만큼 날카롭지는 못했으며, 약 **72.1%**의 정확도로 올바르게 분류했습니다.

여기서 "코풀라"의 마법이 일어났습니다. 연구진은 네 가지 유형 중 하나인 프랭크(Frank) 코풀라를 사용하여 두 점수가 함께 움직이는 방식을 매핑했습니다. 그들은 두 점수가 양의 상관관계에 있다는 것을 발견했습니다. 즉, 임상 점수가 올라가면 유전자 점수도 보통 함께 올라갔습니다.

하지만 반전이 있었습니다. 코풀라를 사용하여 두 점수를 결합한 새로운 "융합" 점수를 만들었을 때, 이 점수는 독자적으로 임상 모델을 이기지는 못했습니다. 융합된 점수의 정확도는 **76.2%**로, 임상 모델의 **78.3%**보다 낮았습니다. 사실, 단순히 두 점수를 평균 내는 방식이 코풀라를 사용한 정교한 방법만큼이나, 혹은 오히려 약간 더 나은 성능을 보이기도 했습니다.

그렇다면 코풀라는 실패한 것일까요? 꼭 그렇지는 않습니다. 코풀라가 환자를 분류하는 '정확도'를 높이지는 못했지만, 다른 아주 멋진 일을 해냈습니다. 바로 위험 그룹을 만들어낸 것입니다.

연구진은 임상 점수와 유전자 점수가 각각 "높음(High)" 또는 "낮음(Low)"인지에 따라 환자들을 네 팀으로 나누었습니다:

1. Low-Low (둘 다 낮음): 두 점수 모두 "안전"하다고 말함.
2. High-Only-Clinical (임상만 높음): 임상은 "위험"하다고 하지만, 유전자는 "안전"하다고 함.
3. High-Only-Gene (유전자만 높음): 유전자는 "위험"하다고 하지만, 임상은 "안전"하다고 함.
4. High-High (둘 다 높음): 둘 다 "위험"하다고 말함.

그 결과, High-High 그룹이 가장 낮은 생존율을 보이며 최악의 결과를 나타냈습니다. Low-Low 그룹은 가장 좋은 결과를 보였습니다. 이는 두 점수를 결합했을 때, 단일 점수만 보는 것보다 두 점수를 함께 살펴보는 것이 특정 위험 그룹을 식하여 명확성을 더해준다는 것을 확인시켜 주었습니다. "High-High" 그룹은 다른 그룹들과 확연히 구분되었으며, 이는 위험의 결합이 단일 점수가 놓칠 수 있는 명확성을 더해준다는 것을 보여주었습니다.

"실제 세상" 테스트: TCGA 코호트

이것이 METABRIC 데이터에서의 우연이 아님을 증명하기 위해, 연구팀은 TCGA라고 불리는 완전히 다른 데이터셋에 이 방법을 적용해 보았습니다. 하지만 문제가 있었습니다. TCGA 데이터는 달랐습니다. 공유되는 유전자의 수가 더 적었고 측정 방식도 달랐습니다. 따라서 연구진은 두 그룹 모두에서 사용 가능한 데이터(예: 연령 및 종양 단계)만을 사용하여 모델을 단순화해야 했습니다.

이 "가혹한" 테스트에서, 코풀라로 융합된 점수는 개별 점수나 단순 평균과 유사한 성능을 보였습니다. 이 방법이 경주에서 승리하지는 못했지만, 그렇다고 뒤처지지도 않았습니다. 이는 이 방법이 데이터가 완벽하지 않은 상황에서도 작동할 만큼 견고하다는 것을 시사합니다.

결론

이 연구는 "AI 융합"에 대한 환상에 대한 일종의 현실적인 점검입니다. 저자들은 코풀라를 사용하여 임상 점수와 유전자 점수 사이의 관계를 모델링하는 것이 두 데이터가 어떻게 상호작용하는지 설명하는 영리하고 수학적으로 타당한 방법이지만, 더 뛰어난 예측 도구를 만들어내지는 못했다는 점을 발견했습니다.

그들은 이 방법이 기존의 도구들을 즉각 대체할 "마법의 탄환"이라는 생각을 명시적으로 부정했습니다. 유전자 수준의 발견 또한 "탐색적"인 것으로 취급되었습니다. 즉, 흥미로운 유전자들(예: MAPT, BCL2)을 찾아내기는 했지만, 이 유전자들이 그 자체로 안정적이고 신뢰할 수 있는 위험 요인임을 입증하지는 못했습니다.

이것이 미래에 의미하는 바는 무엇일까요?
이 논문은 코풀라 접근법의 진정한 가치가 반드시 더 높은 정확도 숫자를 얻는 데 있는 것이 아니라, **해석 가능성(interpretability)**에 있다고 제안합니다. 이는 의사들에게 "이 환자는 임상적 관점과 유전적 관점 모두에서 위험도가 높다"라고 말할 수 있는 구조화된 방식을 제공하며, 이를 통해 가장 취약한 그룹을 식별하는 데 도움을 줍니다. 이는 단순히 예측 경쟁에서 이기기 위한 도구가 아니라, 데이터의 이야기를 이해하기 위한 도구입니다. 저자들은 이 방법이 서로 다른 유형의 의료 데이터가 어떻게 함께 작용하는지 탐구하는 데 있어 유망한 방법이긴 하지만, 아직 우리가 가진 기존의 도구들을 능가하는, 즉 바로 임상 현장에서 사용할 수 있는 도구는 아니라고 결론지었습니다.