A Novel Parameter for Predicting Postoperative Stone Free Status in Percutaneous Nephrolithotomy: The Stone Volume–Density Index

기술적 요약: PNL 결과를 예측하기 위한 결석 부피-밀도 지수 (SVDI)

문제 제술
경피적 신결석 제거술(PNL)은 2cm 이상의 신결석 및 복잡한 결석 부담에 대한 표준 치료법이다. 그러나 성공률은 40~90%로 다양하며, 합병증 발생률은 10%에서 25% 사이를 오간다. Guy's Stone Score나 S.T.O.N.E. nephrolithometry와 같은 기존의 다중 파라미터 점수 체계는 주관적인 점수 매기기나 선형 치수에 의존하며, 결석 제거 상태(stone-free status)를 예측하는 곡선하 면적(AUC) 값은 일반적으로 0.62에서 0.76 사이에 머문다. 최근의 증거들은 결석의 부피가 선형 크기보다 우수하며, 결석 밀도(Hounsfield units, HU)가 파쇄에 영향을 미친다는 것을 시사하고 있으나, 두 가지를 결합하여 PNL 결과를 예측하는 단순 합성 지수를 조사한 연구는 없었다.

연구 방법론
본 후향적 연구는 2021년 1월부터 2026년 6월 사이의 상급 종합 센터에서 전통적인 PNL을 받은 성인 환자 336명의 데이터를 분석하였다.

• 데이터 수집: 세 명의 비뇨의학 전문의가 사전 검토한 비조영 증강 컴퓨터 단층촬영(NCCT) 영상을 통해 결석 측정치에 대한 합의에 도달하였다.
• 측정된 파라미터:
  • 결석 크기(Stone Size): 축상 단면(axial slice)에서의 장축.
  • 결석 면적(Stone Area): 타원 공식($A = \pi \times (a/2) \times (b/2)$)을 통해 계산.
  • 결석 부피(Stone Volume): 수정된 타원체 공식($V = (4/3)\pi \times (a/2) \times (b/2) \times (c/2)$)을 통해 계산.
  • 평균 HU(Mean HU): 세 개의 중앙 단면 전체에 걸친 Hounsfield unit의 가중 평균.
  • 결석 부피-밀도 지수(SVDI): 결석 부피(cm³)와 평균 HU의 곱으로 계산.
• 결과 변수:
  • 성공(Success): 1개월 시점의 결석 제거 상태 또는 임상적으로 의미 없는 잔류 파편(<4 mm).
  • 실패(Failure): 4 mm 초과의 잔류 파편.
  • 합병증(Complications): 수정된 Clavien–Dindo 분류에 따라 30일 이내에 발생한 Grade I–V의 모든 사건.
• 통계 분석: ROC 곡선과 DeLong 쌍별 비교를 사용하여 판별 능력을 평가하였다. 다변량 로지스틱 회귀 분석(원시 데이터 및 로그 변환된 SVDI 모두 사용)을 통해 독립적인 예측 인자를 식별하였다. 모델 적합도는 Akaike Information Criterion (AIC) 및 Nagelkerke $R^2$를 사용하여 평가하였다.

주요 기여
본 연구의 주요 기여는 **결석 부피-밀도 지수(SVDI)**를 하나의 단순한 산술적 합성 파라미터로서 도입하고 검증한 것이다. 주관적인 등급 측정이 필요한 복잡한 점수 체계와 달리, SVDI는 표준 NCCT 측정값(부피 × 평균 HU)으로부터 직접 유도된다. 본 연구는 임상 적용을 위한 특정 컷오프 값을 제공하며, SVDI의 예측 성능을 전통적인 파라미터(크기, 부피, HU) 및 기존의 점수 체계와 비교한다.

결과

• 전반적 결과: 결석 제거율은 74.4%(250/336)였으며, 합병증 발생률은 17.9%(60/336)였다.
• 실패(결석 제거 상태) 예측:
  • SVDI 성능: SVDI는 실패를 예측하는 데 있어 가장 높은 AUC(0.771)를 나타냈다.
  • 비교: SVDI는 결석 크기(AUC 0.728; $p=0.044$) 및 평균 HU(AUC 0.592; $p<0.001$)보다 통계적으로 유의하게 우수한 성능을 보였다. SVDI는 결석 부피(AUC 0.753) 및 결석 면적(AUC 0.750)보다 수치적으로는 높았으나, 쌍별 비교에서 이러한 차이는 통계적 유의성에 도달하지 못했다($p>0.05$).
  • 컷오프 값: ≥3817인 SVDI 임계값이 최적의 균형(민감도 83.7%, 특이도 60.4%)을 제공하였다.
  • 다변량 분석: 실패의 독립적 예측 인자는 다발성 신배 침범(OR=3.02), 재수술 여부(OR=3.06), 그리고 로그 변환된 SVDI(OR=1.82)였다.
  • 모델 적합도: log(SVDI)를 사용한 모델이 결석 크기, 부피 단독, 또는 부피와 HU를 별도로 사용한 모델보다 가장 나은 적합도(AIC=300.3)를 달성하였다. 가능도비 검정(likelihood ratio test)을 통해 밀도(HU)를 부피에 추가하는 것이 모델을 유의하게 개선함을 확인하였다($p=0.018$).
• 합병증 예측:
  • 어떤 결석 파라미터(SVDI, 부피, HU 포함)도 합병증을 예측하는 데 적절한 판별력을 보여주지 못했다(모든 AUC < 0.60).
  • 확인된 유일한 보호 요인은 이중 J 스텐트를 삽입한 무관(tubeless) 시술이었다(OR=0.17; $p=0.004$).

의의 및 주장
본 논문은 SVDI가 PNL 실패를 예측하는 데 있어 결석 관련 지표 중 가장 높은 판별 성능을 제공하는 단순하고 객관적인 합성 파라미터라고 주장한다.

• 임상적 유용성: 저자들은 SVки 컷오프(≥3817)가 잔류 결석 가능성을 추정하거나, 다회 시술을 계획하거나, 대안 또는 결합 접근법(예: ECIRS)을 고려하기 위한 수술 전 상담에 사용될 수 있다고 제안한다.
• 증분적 가치: ROC 비교에서는 SVDI가 결석 부피 단독보다 통계적으로 유의하게 우월하지 않았으나, AIC 및 가능도비 검정을 통한 모델 기반 분석은 밀도 정보를 통합하는 것이 부피 단독 사용보다 예측적 가치를 증대시킨다는 것을 확인해 준다.
• 합병증에 대한 제한점: 본 연구는 결석 특성 자체보다는 환자 요인, 수술 기법 및 외과의의 숙련도에 의해 합병증이 결정될 가능성이 높으므로, 결석 부담 파라미터만으로는 합병증을 예측하기에 불충분하다고 겸허히 결론짓는다.
• 머신러닝(ML)과의 비교: 저자들은 머신러닝 모델이 더 높은 AUC를 달agi 할 수 있지만, SVDI는 특수 소프트웨어나 복잡한 인프라 없이 표준 산술만을 사용한다는 점에서 뚜렷한 장점이 있다고 언급한다.

본 연구는 회고적 설계, 3D 재구성이 아닌 수동 부피 계산(타원체 공식), 결석 성분 데이터의 부재, 그리고 공압식 결석 파쇄술(pneumatic lithotripsy)만을 사용했다는 한계점을 인정하며, 다양한 모달리티에 대한 외부 검증이 필요함을 시사한다.