Using routine clinical features to classify adult-onset diabetes at diagnosis: the StartRight prospective observational study

StartRight 전향적 관찰 연구는 낮은 연령과 BMI, 의도하지 않은 체중 감소, 높은 진단 시 혈당과 같은 일상적인 임상 특징을 이슬 자체항체 유무와 결합한 분류 모델이 성인 발병 1 형과 2 형 당뇨병을 진단 시 구분하는 데 있어 높은 정확도를 달성하여 현재의 임상 지침보다 우수함을 보여줍니다.

핵심

"StartRight" 연구에 대한 설명을 일상적인 비유를 사용하여 간단한 개념으로 분해하여 제시합니다.

큰 문제: 잘못된 신원 확인

열이 나 병원에 갔다고 상상해 보세요. 의사는 이것이 독감인지 세균 감염인지 결정해야 합니다. 각 질환의 치료법은 완전히 다릅니다. 잘못된 약을 복용하면 상태가 훨씬 더 악화될 수 있습니다.

이것은 성인 발병 당뇨병의 문제와 정확히 같습니다. 주요 유형은 1 형과 2 형 두 가지입니다.

• 2 형은 막힌 배관과 같습니다. 몸이 인슐린에 저항하지만 여전히 일부 인슐린을 생산합니다. 성인에게 매우 흔합니다.
• 1 형은 고장 난 공장과 같습니다. 몸의 면역 체계가 인슐린을 생산하는 공장을 파괴했습니다. 성인에게서는 덜 흔하지만 사람들이 생각하는 것보다 더 자주 발생합니다.

문제는 성인이 당뇨병에 걸렸을 때, 의사가 종종 나이 나 체중을 기준으로 어떤 유형인지 추측한다는 점입니다. 하지만 이러한"추측 게임"은 실수를 초래합니다. 실제로 1 형 당뇨병을 가진 성인 중 약 3 명 중 1 명이 2 형으로 오인되어 잘못된 약으로 치료받습니다.

연구: 더 나은 탐정 키트 구축

이 연구를 진행한 연구자들 (StartRight 팀) 은 추측을 멈추고자 했습니다. 그들은 다음과 같은 질문을 던졌습니다. "환자가 병원에 왔을 때 즉시 사용할 수 있는 구체적인 단서들은 무엇이며, 그것이 환자가 정확히 어떤 유형의 당뇨병을 가지고 있는지 알려줄 수 있을까?"

그들은 단 하나의 단서만 보지 않았습니다. 대신 11 가지 다른 일상적인 특징(나이, 체중, 허리 둘레, 혈당 수치 등) 을 살펴보고 이를"탐정 키트"로 결합했습니다.

핵심 단서 ("연기 나는 총")

이 연구는 의사가 이미 나이와 체중이 중요하다는 것을 알고 있었지만, 다른 거대한 단서들을 놓치고 있었다는 것을 발견했습니다. 환자가 1 형(고장 난 공장) 당뇨병을 가지고 있다는 가장 강력한 지표는 다음과 같습니다:

1. 더 젊은 나이(진단 시).
2. 더 낮은 체질량 지수 (BMI)(더 마른 상태).
3. 더 낮은 허리 - 엉덩이 비율(중간에 지방이 적게 쌓인 상태).
4. 의도치 않은 체중 감소(노력 없이 파운드를 잃는 것).
5. 진단 당시 매우 높은 혈당.

비유: 당뇨병 진단을 자동차 엔진 소리를 들어 차종을 식별하는 것과 같다고 생각하세요.

• 구 방법: "트럭처럼 들리니까 트럭이 틀림없다."(나이/체중만 기반).
• 신 방법: "트럭처럼 들리지만, 중요한 부품이 누락되었고, 연료가 급격히 소모되며, 진동도 다르게 들린다."(모든 단서를 결합).

해결책:"StartRight 점수"

연구자들은 단순히 단서들을 나열하는 데 그치지 않고 계산기(StartRight 점수라고 함) 를 만들었습니다.

• 작동 방식: 환자의 일상적인 수치 (나이, 체중, 혈당 등) 를 입력합니다.
• 결과: 계산기가 점수를 제공합니다.
  • 낮은 점수: "이것은 2 형처럼 보입니다."
  • 높은 점수: "이것은 1 형처럼 보입니다."
  • 중간 점수: "확실하지 않습니다. 안전을 위해 특정 실험실 검사 (항체 검사) 를 진행합시다."

이것이 게임 체인저인 이유

이 연구는 이 계산기를 두 가지 방식으로 테스트했습니다:

1. 통제된 연구 내에서: 계산기가 정확한지 확인하기 위해 환자를 수년 동안 추적했습니다. 결과는 매우 정확했습니다(94~97% 정확도). 나이 나 체중만 보는 것보다 훨씬 뛰어났습니다.
2. 실제 데이터에서: 영국 내 18 만 명 이상의 기록으로 테스트했습니다. 계산기가" likely 1 형"으로 표시한 사람들은 초기에 의사가 2 형으로 치료했음에도 불구하고, 실제로 인슐린이 빠르게 필요하거나 1 형의 다른 징후를 보임이 확인되었습니다.

실험실 검사를 위한"필터"

현재 지침은 많은 사람들에게 1 형의"연기 나는 총"인 특정 항체에 대한 검사를 권장합니다. 그러나 이러한 검사는 비용이 들고 시간이 걸립니다.

이 연구는 StartRight 점수를 필터로 사용할 것을 제안합니다:

• 점수가"1 형일 확률이 매우 낮음"이라고 말하면, 비싼 실험실 검사가 필요하지 않을 가능성이 높습니다.
• 점수가"높은 확률"이라고 말하면, 반드시 검사를 받아야 합니다.

이는 의사가 검사가 필요한 사람을 우선순위화하도록 도와 비용을 절감하고, 올바른 사람들이 더 빠르게 올바른 진단을 받도록 보장합니다.

결론

이 연구는 우리가 추측할 필요가 없음을 증명합니다. (얼마나 많은 체중을 잃었는지, 허리 둘레는 얼마인지 등) 단순하고 일상적인 사실들을 단일 점수로 결합함으로써, 우리는 성인의 1 형과 2 형 당뇨병을 매우 높은 정확도로 구별할 수 있습니다. 이는 성인들이 오진되어 잘못된 질환으로 치료받는 것이 아니라, 즉시 올바른 치료를 받도록 보장하는 데 도움이 됩니다.

기술 요약

다음은 논문 "진단 시 성인 발병 당뇨병을 분류하기 위한 일상적 임상 특징 활용: StartRight 전향적 관찰 연구"에 대한 상세한 기술적 요약입니다.

1. 문제 제기

성인에서 진단 시 1 형 당뇨병 (T1D) 과 2 형 당뇨병 (T2D) 을 구분하는 것은 중요한 임상적 과제입니다. T1D 는 종종 젊은 나이와 연관되고 T2D 는 노년과 비만과 연관되지만, 성인에서는 이러한 조건들이 상당 부분 중첩됩니다.

• 오진율: T1D 를 가진 성인의 약 3 분의 1 이 초기에 T2D 로 오진되어 치료받고 있으며, T1D 로 진단된 성인의 6 분의 1 은 실제로 T2D 입니다.
• 현재 지침의 한계: 이전 체계적 검토 (2015 년, 2022 년) 는 진단 시 나이와 체질량지수 (BMI) 만이 강력한 근거 기반의 구분 요소로 확인되었습니다. 지침에서 흔히 언급되는 다른 특징들 (예: 삼투성 증상, 가족력) 은 강력한 경험적 지지를 받지 못합니다.
• 생체표지자 제약: 섬세포 자가항체와 C-펩타이드는 분류의 금표준이지만, C-펩타이드는 진단 시 유용성이 제한적이며, 일상적인 섬세포 자가항체 검사는 모든 신발병 성인 당뇨병 사례에 대해 비용이 너무 많이 듭니다. 또한, 항체 존재는 T1D 와 T2D 사이에서 중첩될 수 있어 해석이 사전 확률에 의존하게 됩니다.

목적: 진단 시 성인 발병 T1D 와 T2D 를 구분하는 일상적 임상 특징을 식별하고, 임상 의사결정과 검사 우선순위 설정을 안내하기 위해 (생체표지자를 포함하거나 제외하는) 고정확도 분류 모델을 개발하는 것입니다.

2. 방법론

연구 설계:
전향적 관찰 코호트 연구 (StartRight) 에 추가 검증 코호트 (StartRight Prime) 와 영국 일차 진료 데이터 (CPRD) 를 이용한 외부 검증을 포함합니다.

참가자:

• StartRight 코호트: 지난 12 개월 이내에 당뇨병으로 진단된 1,800 명의 성인 (18~50 세).
• StartRight Prime 코호트: 지난 12 개월 이내에 진단된 470 명의 성인 (50 세 초과). 이 코호트는 노년층에서 더 드문 질환에 대한 충분한 통계적 검력을 확보하기 위해 T1D 사례가 풍부하게 포함되었습니다 (인슐린 치료군 대 비인슐린 치료군 비율을 1:1 로 목표함).
• 제외 기준: 임신성 당뇨병, 단유전자 당뇨병, 이차성 당뇨병.

데이터 수집:

• 기선: 모집 시 (진단 후 12 개월 이내) 일상적 임상 특징을 기록하였으며, 여기에는 나이, BMI, 허리 - 엉덩이 비율, 비의도적 체중 감소, 삼투성 증상, 인종, 가족력 (인슐린 치료 대 비인슐린 치료), 자가면역력, 그리고 발병 시 혈당 (HbA1c, 혈당, DKA 상태) 이 포함됩니다.
• 생체표지자: 모집 시 섬세포 자가항체 (GAD, IA2, ZnT8) 와 1 형 당뇨병 유전 위험 점수 (T1DGRS) 를 측정했습니다.
• 결과 정의 (금표준): 당뇨병 아형은 진단 후 3 년 이상에 따라 정의되었습니다:
  • T1D: 3 년 이내 지속적인 인슐린 치료 AND C-펩타이드 <600 pmol/L.
  • T2D: 인슐린 치료 없음 OR (인슐린 사용 시) C-펩타이드 ≥600 pmol/L.
  • 민감도 분석: 섬세포 자가항체 상태를 포함한 제한적 정의도 사용되었습니다.

통계 분석:

• 특징 선택: 로지스틱 회귀를 사용하여 나이와 BMI 를 넘어선 유의한 구분 능력을 추가하는 일상적 임상 특징이 무엇인지 평가했습니다.
• 모델 개발: 다음을 사용하여 다변량 로지스틱 회귀 모델을 구축했습니다:
  1. 임상 특징만.
  2. 임상 특징 + 섬세포 자가항체.
  3. 임상 특징 + T1DGRS.
• 검증: 내부 검증을 위해 부트스트래핑 (1,000 회 반복) 을 통해 낙관주의와 안정성을 평가했습니다. 외부 검증은 StartRight Prime 코호트와 CPRD 인구 데이터셋에서 수행되었습니다.
• 성능 지표: 수신자 조작 특성 곡선 아래 면적 (AUCROC), 정밀도 - 재현율 (AUCPR), 민감도, 특이도, 그리고 보정 곡선.
• 점수 체계: 모델 베타 계수를 반올림하여 단순화된 점수 기반 점수 ("StartRight Score") 를 도출했습니다.

3. 주요 기여

1. 구분 특징의 식별: 본 연구는 T1D 와 T2D 를 유의하게 구분하는 11 가지 일상적 임상 특징을 확인했습니다. 나이와 BMI 이후 가장 구분력 있는 특징은 다음과 같습니다:
   • 비의도적 체중 감소.
   • 허리 - 엉덩이 비율.
   • 발병 시 혈당 (HbA1c 또는 혈당).
   • 삼투성 증상과 자가면역 가족력 같은 다른 특징들은 구분력이 약한 것으로 확인되었습니다.
2. 고정확도 예측 모델 개발:
   • 임상 특징만 모델: 18~50 세 연령군에서 AUCROC 0.94(95% CI: 0.93–0.96), >50 세 연령군에서 0.93을 달성했습니다.
   • 임상 + 항체 모델: AUCROC 0.97(95% CI: 0.96–0.98) 로 성능이 향상되었습니다.
   • StartRight Score: 단순화된 점수 기반 도구는 고정확도 (AUCROC 0.94) 를 유지하여 복잡한 계산기에 대한 실용적인 대안을 제공했습니다.
3. 생체표지자 검사 최적화: 본 연구는 임상 모델을 사용하여 환자를 계층화함으로써 섬세포 자가항체 검사의 우선순위를 설정할 수 있음을 입증했습니다. 이 접근법은 현재 NICE 및 ADA/EASD 지침과 비교하여 T1D 검출을 위한 높은 민감도를 유지하면서 고비용 검사가 필요한 환자 수를 크게 줄입니다.
4. 인구 수준 유용성: CPRD 데이터셋 (160 만 명 이상) 에서의 검증은 높은 모델 확률이 초기에 T2D 로 치료받은 환자에서도 T1D 오진과 관련된 결과 (예: 인슐린으로의 빠른 진행, 케톤산증) 를 강력하게 예측함을 확인했습니다.

4. 주요 결과

• 특징 성능: 단일 임상 특징으로는 T1D 와 T2D 를 단독으로 충분히 구분하지 못했습니다 (단일 특징 정확도 최고치는 BMI <28 kg/m²의 79% 였습니다). 그러나 특징들을 결합하면 더 우수한 결과를 얻었습니다.
• 모델 구분력:
  • StartRight(18~50 세): 임상 특징만 AUC = 0.94; 임상 + 항체 AUC = 0.97.
  • StartRight Prime(>50 세): 임상 특징만 AUC = 0.93; 임상 + 항체 AUC = 0.97.
  • 모델은 다양한 인종 (흑인, 남아시아계) 과 성별을 포함한 하위 그룹에서도 높은 구분력을 유지했으나, 일부 하위 그룹의 표본 크기는 작았습니다.
• 지침과의 비교:
  • 현재 지침 (NICE, ADA/EASD) 은 단일 기준 (예: 나이 <50, BMI <25) 에 기반하여 검사를 유발합니다.
  • StartRight Score(컷오프 ≥7 점) 와 임상 모델(확률 ≥10%) 은 "보편적 검사"와 유사한 T1D 사례 비율을 식별했지만, 인구 중 훨씬 작은 하위 집합에서만 검사를 요구하여 특이도와 자원 효율성을 향상시켰습니다.
• CPRD 검증: 영국 일차 진료 데이터셋에서 임상 모델에 기반하여 T1D 일 확률이 높은 환자는 초기 치료와 관계없이 3 년 이내에 케톤산증 발생, 기초 - 식후 인슐린 필요, 또는 T1D 진단 코드 수취 가능성이 유의하게 더 높았습니다.

5. 중요성과 함의

• 임상 실무: 본 연구는 임상가가 진단 시 성인 발병 당뇨병을 분류하는 데 도움을 주는 최초의 근거 기반 검증 도구를 제공합니다. 이는 나이와 BMI 만에 의존하는 것을 넘어섭니다.
• 자원 배분: StartRight Score 나 모델 확률을 사용하여 의료 시스템은 T1D 에 대한 높은 사전 확률을 가진 환자에게 섬세포 자가항체 검사를 우선시할 수 있습니다. 이는 확률이 낮은 환자를 검사하는 데 드는 비용과 물류적 부담을 피하면서도 고위험 환자를 놓치지 않도록 보장합니다.
• 지침 개정: 연구 결과는 현재 지침이 너무 광범위할 수 있음 (너무 많은 저위험 환자 검사) 또는 너무 협소할 수 있음 (노년/비만 성인에서의 T1D 놓침) 을 시사합니다. 새로운 모델은 더 세밀하고 데이터 기반의 접근법을 제공합니다.
• 미래 구현: 저자들은 이러한 모델을 전자 건강 기록 (EHR) 에 통합하여 실시간 분류 및 치료 계획을 용이하게 하는 자동화된 의사결정 지원 도구로 사용할 것을 권장합니다.

한계: 본 연구는 일부 특징 (예: 체중 감소) 에 대해 자기 보고 데이터를 의존했으며, >50 세 연령 코호트는 T1D 가 풍부하게 포함되어 있어 일반 노년 인구에서의 절대 유병률 보정은 추가 검증이 필요합니다. 또한, CPRD 분석은 데이터 부재로 인해 항체 또는 유전 데이터를 포함할 수 없었습니다.

결론:
StartRight 연구는 나이, BMI, 허리 - 엉덩이 비율, 비의도적 체중 감소, 그리고 발병 시 혈당과 같은 일상적 임상 특징의 조합이 성인 발병 당뇨병을 정확하게 분류할 수 있음을 성공적으로 입증했습니다. 이러한 모델은 현재 임상 지침과 단일 생체표지자 검사보다 우수하며, 오진 감소와 분류 생체표지자 사용 최적화를 위한 확장 가능한 해결책을 제공합니다.