Integration of Hematoma Volume and Density Heterogeneity via the Harmonic Mean Is Associated With Improved Early Prediction of Hematoma Progression in Frontal Lobe Contusion: A Multicenter Retrospective Cohort Study

기술 요약: 전두엽 뇌좌상에서의 혈종 진행의 조기 예측을 위한 조화 평균 기반의 혈종 부피 및 밀도 이질성 통합

1. 문제 제기

전두엽 뇌좌상(FCL)은 외상성 뇌 손상 후 발생하는 흔하면서도 매우 이질적인 병변이다. 중요한 임상적 과제는 혈종 진행 위험(HPC)이 있는 환자를 조기에 식별하는 것인데, HPC는 부상 후 72시간 이내에 혈종 부피가 25% 이상 증가하는 것으로 정의된다. HPC는 이차적인 신경학적 악화, 두개내압 상승 및 불량한 예후와 밀접하게 연관되어 있다.

현재의 임상 평가는 주로 정성적인 CT 징후와 외과의의 경험에 의존하고 있으나, 이는 FCL의 "페퍼-솔트(pepper-salt)" 양상으로 인해 관찰자 간 일치도가 낮다는 한계가 있다. 정량적 지표들이 존재하기는 하지만, 단독으로 사용될 때 다음과 같은 한계를 가진다:

• 기초 혈종 부피 (V): 공간적 부하를 반영하지만, 병변 내부가 활발한 출혈 상태인지 혹은 불안정한 응고 상태인지는 나타내지 못한다.
• 밀도 변동 계수 (DCV): 내부 밀도 이질성(신선한 출혈과 오래된 출혈이 섞인 상태의 지표)을 정량화하지만, 병변의 절대적인 물리적 크기를 무시하는 상대적 지표이다.

본 연구는 어느 한 차원만으로는 초기 진행 위험을 특징짓기에 충분하지 않으며, 병변의 크기와 밀도 불안정성의 결합된 구성을 포착할 수 있는 통합적이고 수학적으로 원칙적인 지표가 필요하다고 상정한다.

2. 방법론

연구 설계 및 코호트
본 연구는 TRIPOD+AI 가이드라인을 준수하는 다기관 후향적 코호트 연구이다.

• 개발 코호트: 닝샤 의과대학교 종합병원 환자 341명 (2020년 8월 ~ 2025년 10월).
• 외부 검증 코호트: 중국 남림 대학교 항양 의과대학 제2 부속 병원 환자 273명 (2020년 1월 ~ 2025년 12월).
• 선정 기준: FCL를 확진하는 응급 비조영 증강 CT(NCCT), 부상 후 6시간 이내의 첫 NCCT, 72시간 이내의 추적 NCCT, GCS ≥9, 그리고 완전한 데이터 보유자.
• 제외 기준: 즉각적인 응급 수술, GCS <9, 또는 데이터 누락자.

데이터 처리 및 특징 공학

• 분할 (Segmentation): 5년 이상의 경력을 가진 두 명의 신경외과 의사가 3D Slicer (v5.8.1)를 사용하여 기초 혈종 부피($V$)와 밀도 통계량(평균, 표준편차 $SD$)을 추출하였다.
• 밀도 변동 계수 (DCV): $DCV = SD / Mean$으로 계산되었다.
• 부피-밀도 통합 지표 (VDII): 기초 부피($V$)와 DCV의 조화 평균을 사용하여 구축된 새로운 복합 마커이다:
  $$VDII = \frac{2}{(1/V) + (1/DCV)}$$
  조화 평균이 작은 값에 민감하기 때문에 선택되었다. 즉, 부피나 이질성 중 하나라도 낮은 값을 가지면 전체 지표가 크게 억제된다. 이는 고위험 병변이 일정 수준의 공간적 규모와 상당한 내부 이질성을 모두 필요로 한다는 병태생리학적 기전과 일치한다.
• 공변량: 임상 변수에는 GCS, 연령, 그리고 실험실 지표(SIRI, LMR, 호산구 수, 혈당, 알부민)가 포함되었다.

모델 개발
네 가지 로지스틱 회귀 모델을 구축하고 비교하였다:

1. VDII 단독: 표준화된 VDII만을 사용.
2. 모델 1 (원시 구성 요소): 원시 $V$, $DCV$ 및 임상/실험실 변수를 포함.
3. 모델 2 (VDII 통합): 원시 $V$와 $DCV$를 표준화된 VDII로 대체하고 다른 임상 변수는 유지.
4. 모델 3 (확장형): 모델 2 + 혈당 + 알부민.

통계 분석

• 변수 선택: 10-겹 교차 검증을 동반한 LASSO 회귀 및 Boruta 알고리즘을 사용하였다.
• 성능 지표: AUC (DeLong 테스트를 통한 비교, Bonferroni 교정 임계값 $P < 0.0083$), 보정 (Brier score, 보정 곡선), 결정 곡선 분석 (DCA), 통합 판별 개선도 (IDI).
• 검증: 내부 붓스트랩 검증 및 독립적인 코호트에 대한 외부 검증을 수행하였다.
• 비선형성: VDII와 HPC 위험 사이의 관계를 평가하기 위해 제한적 삼차 스플라인 (RCS) 분석을 사용하였다.

3. 주요 결과

인구통계 및 기초 데이터
개발 코호트의 HPC 발생률은 29.0%(훈련군) 및 28.3%(테스트군)였으며, 외부 검증 코호트는 21.0%였다. 외부 코호트는 연령이 더 높고, GCS 점수가 낮으며, 원시 VDII 값이 더 높았는데, 이는 일반화 가능성을 테스트하기에 적합한 인구통계학적 이질성을 나타낸다.

판별 성능

• 단일 지표: 테스트 세트에서 VDII 단독(AUC 0.745)이 부피 단독(AUC 0.514) 및 DCV 단독(AUC 0.659)보다 유의미하게 우수한 성능을 보였다.
• 모델 비교 (외부 검증):
  • **모델 2 (VDII 통합)**는 0.763 (95% CI: 0.698–0.824)의 AUC를 달성하였다.
  • **모델 1 (원시 구성 요소)**는 0.699 (95% CI: 0.627–0.769)의 AUC를 달성하였다.
  • 모델 2가 모델 1보다 우수한 성능을 보인 것은 통계적으로 유의미하였다 ($P < 0.001$).
  • 모델 3 (혈당 및 알부민 추가)은 모델 2에 비해 판별력을 유의미하게 개선하지 못했다 (AUC 0.758 vs 0.763, $P = 0.649$).
• 강건성: 붓스트랩 내부 검증을 통해 낙관성 교정 후에도 모델 2가 모델 1보다 우수한 성능을 유지함을 확인하였다.

다변량 분석 및 연관성

• 독립적 예측 인자: 낮은 표준화 VDII는 HPC 위험 증가와 독립적으로 연관되어 있었다 (OR 0.425, 95% CI: 0.269–0.671, $P < 0.001$).
• 비선형성: RCS 분석 결과 유의미한 비선형 관계가 드러났다 ($P$ for nonlinearity = 0.0007). VDII가 증가함에 따라 HPC 위험은 감소하였으며, 낮은 VDVI 범위에서 위험 감소 폭이 더 가파르게 나타났다.
• 하위 그룹 분석: VDII의 예측 가치는 대형 병변 환자(OR 0.58)에 비해 소규모 병변 환자(OR 0.26)에게서 더 강력하게 나타났으며, 유의미한 상호작용을 보였다 ($P = 0.005$).

보정 및 임상적 유용성

• 모델 2는 외부 검증 세트에서 모델 1보다 더 나은 보정 성능(낮은 Brier score)과 높은 순이익(결정 곡선 분석)을 보여주었다.
• 모델 2를 기반으로 개인 맞춤형 위험 예측을 용이하게 하는 노모그램이 개발되었다.

4. 주요 기여

1. 새로운 영상 마커: 조화 평균 기반의 복합 마커인 **부피-밀도 통합 지표 (VDII)**를 도입하여 혈종 부피와 밀도 이질성을 수학적으로 통합하였다.
2. 우수한 예측력: VDII가 부피나 이질성 단독 지표보다 초기 혈종 진행에 대해 더 나은 판별력을 제공하며, 원시 구성 요소를 VDII로 대체하는 것이 외부 검증에서 모델의 일반화 가능성을 향상시킨다는 것을 입증하였다.
3. 임상적 층화: VDII가 전통적인 임상 관행에서 과소평가되기 쉬운 그룹인 소규모 병변의 위험을 층화하는 데 특히 효과적임을 확인하였다.
4. 모델의 간결성: 전신 염증/대사 마커(혈당, 알부민)를 추가하는 것이 VDII 기반 영상 모델보다 유의미한 증분 가치를 제공하지 못함을 보여줌으로써, 이 맥락에서는 병변 자체의 영상 특성이 초기 진행 위험의 주요 동인임을 시사하였다.

5. 의의 및 한계 (저자의 관점)

저자들은 VDII가 FCL의 조기 위험 층화를 위한 새로운 정량적 도구를 제공하며, 이를 통해 CT 추적 관찰 전략 및 감시 강도를 가이드할 수 있다고 주장한다. VDII는 크기와 이질성이 모두 높아야 고위험이 되는 "숏 보드(short board)" 효과를 포착함으로써 단일 차원 지표의 한계를 해결한다.

그러나 저자들은 임상 적용에 대해 신중한 태도를 유지한다:

• 후향적 연구의 성격: 본 연구는 관찰 연구이며, 결과는 연관성을 보여줄 뿐 인과관관계를 보여주는 것은 아니다. 또한 VDII를 사용하는 것이 환자의 예후를 실제로 개선한다는 것을 증명하지는 않는다.
• 일반화 가능성: 본 연구는 특정 스캐너 프로토콜을 사용하는 두 개의 중국 센터로 제한되었다. 다른 지역, 트라우마 시스템 또는 다른 영상 파라미터에서의 모델 성능은 아직 검증되지 않았다.
• 워크플로우 제약: 현재 측정 방식은 반자동 분할 및 수동 교정을 필요로 하므로 실시간 임상 적용에 한계가 있다.
• 정의 편향: HPC의 정의(상대적 부피 증가)는 본질적으로 소규모 병변에서의 진행 탐지를 유리하게 만들 수 있으며, 이는 해당 하위 그룹에서 관찰된 VDII의 강도에 영향을 미칠 수 있다.
• 향후 과제: 저자들은 VDII가 일상적인 임상 의사결정에 권고되기 위해서는 전향적 검증, 자동화된 측정 워크플로우, 그리고 영향력 분석이 필요함을 강조한다.