Modeling cycle phases using hormone trajectories in women with and without polyendocrine metabolic ovarian syndrome

기술 요약: 여성의 다내분비 대사성 난소 증후군(PMOS) 유무에 따른 호르몬 궤적을 이용한 생리 주기 단계 모델링

문제 정의
다낭성 난소 증후군(과거 명칭, 현재는 PMOS로 지칭)과 같은 생리 관련 장애는 가임기 여성의 약 10%에 영향을 미칩니다. 이러한 질환의 조기 발견 및 특성화를 가로막는 주요 장벽은 고정된 주기 일수 기반의 임상 프로토콜(예: 1316일 또는 1922일에 검사)에 의존한다는 점입니다. 이러한 프로토콜은 주기 길의의 상당한 개인 간 변이와 생리적 사건의 타이밍, 특히 불규칙한 주기를 가진 여성들의 특성을 반영하지 못합니다. 또한, 평균적인 주기 파라미터에 기반한 전통적인 모델은 불규칙한 주기에서 각 단계를 예측하는 데 정확도가 떨어집니다. 최근 가정용 소변 호르몬 추적 기술(예: Mira Monitor)이 고해상도의 정량적 데이터를 제공하고 있으나, 다양한 인구 집단에 걸쳐 생리학적으로 의미 있는 단계를 정의할 수 있는 일일 호르몬 역동성 모델링 계산 프레임워크는 부족한 실정입니다.

연구 방법론
본 연구는 Mira Monitor를 통해 수집된 1,100명 이상의 개인(건강한 대조군 277명 및 자가 보고된 PMOS 환자 841명)의 자가 추적 소변 생식 호르몬 데이터(Estrone-3-glucuronide [E13G], Luteinizing Hormone [LH], Pregnanediol Glucuronide [PDG])를 활용한 이차 분석을 수행하였습니다. 데이터셋은 3,800개 이상의 생리 주기로 구성되었습니다.

핵심적인 방법론적 혁신은 생리 주기 일수를 잠재적 생리 단계(latent physiological phases)로 매핑하기 위한 **자기회귀 은닉 마르코프 모델(autoregressive Hidden Markov Model, arHMM)**의 개발입니다. 이 접근 방식은 다음과 같은 과정을 거쳤습니다:

1. 데이터 큐레이션 및 인덱싱: 모델 학습을 위해 선별된 건강한 대조군의 주기(24~38일)를 사용하였습니다. 데이터 정렬을 위해 세 가지 인덱싱 전략이 사용되었습니다: 순방향 인덱싱(Day 1 = 출혈 시작), 역방향 인덱싱(Day -1 = 주기 종료), 그리고 LH-인덱싱(Day 0 = LH 서지 피크).
2. 단계 정의: 호르몬의 방향성 궤적(상승, 하락 또는 일정)을 기준으로 6개의 뚜렷한 단계를 정의하였습니다:
   • 단계 1: 초기 여포기 (1~5일).
   • 단계 2: 후기 여포기 (LH 서지 10일 전 ~ 2일 전).
   • 단계 3: 배란기 (LH 서지 2일 전 ~ 0일 전).
   • 단계 4: 초기 황체기 (LH 서지 후 0~4일).
   • 단계 5: 중기 황체기 (주기 종료 9~5일 전).
   • 단계 6: 후기 황체기 (마지막 5일).
3. 모델 구조: 단계 1~6의 순차적 진행을 강제하는 전이 행렬을 사용하는 arHMM을 구축하였습니다. 방출 모델(emission model)은 자기회귀 방식으로, 전일($X_{i-1}$)의 호르몬 수치와 현재의 잠재 단계($Y_i$)를 바탕으로 당일($X_i$)의 호르몬 수치를 예측합니다. 이를 통해 절대적인 호르몬 농도가 아닌 일일 궤적(기울기)을 포착함으로써 개인 간의 절대 농도 차이를 수용할 수 있었습니다.
4. 특징 추출 및 분류: 모델 출력으로부터 개인별 특징(호르몬 통계값[최소, 최대, 평균, 중앙값, 표준편차], 단계별 지속 시간, 모델 적합도 점수 등)을 추출하였습니다. PMOS 환자와 건강한 대조군을 구분하기 위해 랜덤 포레스트(Random Forest) 분류기를 학습시켰습니다.
5. 배란 프록시(Proxy): 단계 5에서의 PDG 수치를 단계 3의 기저치와 비교하는 임계값 분석을 통해 주기를 배란 또는 무배란으로 라벨링하였습니다.

주요 결과

• 모델 성능: arHMM은 후기 여포기/배란기에서의 E13G 상승, 배란기에서의 LH 서지, 황체기에서의 PDG 상승 등 기대되는 호르몬 궤적을 성공적으로 재현하였습니다.
• 단계 기반 vs. 주기 일수 기반 검사: arHMM 유도 단계와 고정된 달력 일수를 비교했을 때, 단계 기반 검사가 고정 일수 프로토콜보다 유의미하게 우수한 성능을 보였습니다. 구체적으로, 단계 3에서의 최대 LH 수치와 단계 5에서의 평균 PDG 수치는 표준 임상일(1316일 및 1922일)에서 포착된 수치보다 유의미하게 높았습니다 ($p < 0.001$). 이는 고정 일수 프로토콜이 주요 생리적 사건을 놓칠 가능성이 높음을 시사합니다.
• PMOS 표현형: 건강한 대조군과 PMOS 그룹 간의 뚜렷한 단계별 차이가 확인되었습니다:
  • LH: PMOS 그룹에서 단계 3(배란기)의 LH 수치가 더 낮았습니다.
  • PDG: PMOS 그룹에서 단계 5 및 6(중기 및 후기 황체기)의 PDG 수치가 감소했습니다.
  • E13G: PMOS 그룹에서 전반적으로 단계 전반에 걸쳐 E13G 수치가 높았으나, 그 패턴은 이질적이었습니다.
  • 단계 지속 시간: PMOS 주기는 대조군에 비해 단계 2(후기 여포기)에서 유의미하게 더 많은 시간을 보냈습니다 ($p < 0.001$), 이는 희발 월경(oligomenorrhea)과 일치하는 결과입니다.
• 분류 정확도: arHMM 유도 호르몬 및 단계 길이 특징을 사용했을 때, 랜덤 포레스트 분류기는 PMOS 상태를 구분하는 데 78.4%의 정확도를 달랐습니다. 주기 길이 특징을 포함했을 때 정확도는 **79.2%**로 약간 향상되었습니다.
• 배란 상태: PMOS 그룹의 주기는 건강한 대조군에 비해 PDG 기반 배란 임계값을 충족할 확률이 낮았으며, 이는 PMOS의 무배란 기능 장애에 대한 임상적 기대와 일치합니다.

의의 및 주장
본 논문은 arHMM 프레임워크가 고정된 일수 기반의 임상 프로토콜의 한계를 극복하고, 생물학적 근거를 갖춘 새로운 생리 주기 역동성 모델링 방법을 제공한다고 주장합니다. 절대적인 수치가 아닌 방향성 궤적에 집중함으로써, 이 모델은 주기 길이의 자연스러운 변동성과 배란 타이밍을 수용할 수 있습니다.

저자들은 이 접근 방식이 다음을 입증한다고 주장합니다:

1. 비침습적 스크리닝: 자가 추적 데이터를 사용하여 약 78%의 정확도로 PMOS를 스크리닝하고 생식 건강을 특성화할 수 있는 방법을 제공합니다.
2. 개선된 임상 프로토콜: 고정 일수 검사의 한계를 강조하며, 특히 불규칙한 주기를 가진 개인에게 더 정확한 호르몬 평가를 제공할 수 있는 단계 기반 타이밍의 필요성을 제안합니다.
3. 생리학적 통찰: 감소된 황체 프로게스테론 및 배란기 LH 결핍과 같은 PMOS와 관련된 잠재적 하위 단계 및 뚜리한 호르몬 징후를 식별할 수 있게 합니다.

본 연구는 확률적 모델링과 가정 기반의 정량적 호르몬 추적을 통합하는 것이 확장 가능하고 개인화된 생식 건강 모니터링을 향한 한 단계임을 결론짓고 있으나, 초음파로 확인된 배란 및 잘 정의된 PMOS 표현형을 가진 더 크고 다양한 코호트에 대한 향후 검증의 필요성을 인정하고 있습니다.