📄 medicine

Risk-based preoperative red-cell ordering in abdominal and pelvic cancer surgery: a retrospective model development and temporal evaluation study

이 회고적 연구는 복부 및 골반암 수술 시 적혈구 수혈에 대한 수술 전 위험 모델을 개발하였으며, 이는 시간적 검증 코호트에서 강력한 변별력을 입증하였으나, 임상 적용 전 국소 재보정 및 전향적 평가가 필요한 미스캘리브레이션(miscalibration) 문제를 나타냈다.

원저자: Jingjing Zheng, Ying Wang, Qingwei zhou

게시일 2026-08-07

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Jingjing Zheng, Ying Wang, Qingwei zhou

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 거대하고 긴박한 피자 파티를 운영하고 있다고 상상해 보세요. 배가 고파질 모든 사람에게 피자 한 조각이 기다리고 있도록 준비해야 하지만, 동시에 실제로는 10명만 먹을 것인데도 100판의 피자를 구워 돈을 낭비하고 싶지는 않을 것입니다. 수술의 세계에서 '피자'는 적혈구 팩이며, '배고픈 사람들'은 수술 중이나 수술 후에 수혈이 필요할 수도 있는 환자들입니다. 오랫동안 병원들은 단순한 경험칙을 사용해 왔습니다: "만약 이 특정 유형의 수술을 받는다면, 만약을 대비해 항상 두 팩의 혈액을 주문하라." 이것은 마치 누가 파티에 올지 상관없이 모든 파티를 위해 100판의 피자를 굽는 것과 같습니다. 이는 모두를 안전하게 지켜주지만, 많은 낭비를 초래하고 주방(혈액 은행)을 혼잡하게 만듭니다. 과학자들은 단순히 수술 유형만 보는 것이 아니라, 누가 정확히 피자 한 조각을 필요로 할지 예측하기 위해 그 사람 자체를 살펴보는 더 똑똑한 '허기 예측기'를 구축하려고 노력해 왔습니다. 이 새로운 연구는 복부 및 골반 관련 암 수술을 대상으로 이 '스마트한 예측기'를 구축하여, 스마트한 추측이 일괄적인 규칙보다 더 나은지를 테스트합니다.

닝보 의료 센터 리후이 병원(Ningbo Medical Center Lihuili Hospital)의 연구진은 실제 환자 데이터를 사용하여 "미래를 예측하는 게임"을 하기로 했습니다. 그들은 '허기 예측기' 모델을 만들기 위해 2024년에 예정된 암 수술을 받은 541명의 환자 데이터를 살펴보았습니다. 이 모델은 단순히 수술 유형만 보는 것이 아니라, 환자의 연령, 수술 전 혈액 수치(헤모글로빈), 전반적인 건강 상태, 그리고 이전 수술 여부까지 들여다보았습니다. 그들은 이 모든 단서들을 함께 가중치를 두어 계산하기 위해 정교한 수학적 기법(릿지 페널티 로지스틱 회귀 분석)을 사용하였으며, 이를 통해 환자가 수술 후 72시간 이내에 혈액이 필요할 확률을 예측했습니다.

모델을 구축한 후, 그들은 단순히 스스로를 칭찬하는 데 그치지 않았습니다. 그들은 이를 궁극적인 테스트인 '시계열 평가(temporal evaluation)'에 적용했습니다. 그들은 모델의 모든 설정을 단단히 고정한 채, 동일한 모델을 2025년에 수술을 받은 새로운 환자 그룹 527명에게 적용했습니다. 그들은 이 모델이 새로운 사람들에게도 여전히 작동할지, 아니면 단순히 과거의 데이터를 암기한 것에 불과한지를 확인하고 싶었습니다. 결과는 유망했지만 완벽하지는 않았습니다. 모델은 혈액이 필요한 사람을 찾아내는 데 꽤 뛰어났으며, 기존의 "수술 유형만 보는" 방식이나 단순한 "환자가 빈혈인가?"라는 체크보다 더 나은 성능을 보였습니다. 2025년 그룹에서 모델은 0.790의 점수(AUC)로 위험도를 정확히 식별해 냈는데, 이는 견고한 성과입니다.

하지만 모델에는 약간의 성격적 결함이 있었습니다. 모델은 환자들이 얼마나 배고픈지를 과대평가하는 경향이 있었습니다. 즉, 실제로 혈액이 필요한 사람보다 더 많은 사람이 필요할 것이라고 생각했습니다. 이 때문에 연구진은 모델의 예측을 사용하는 데 주의를 기울여야 했습니다. 그들은 혈액을 주문할지 결정하기 위한 특정 '안전 임계값'을 설정했습니다. 그들은 실제로 혈액이 필요한 환자의 95%를 잡아낼 수 있는 설정(높은 안전망)을 선택했습니다. 이 설정에서 모델은 421명의 환자에게 혈액을 주문하라고 제안했습니다.

여기서 마법 같은 일이 일어납니다. 실제 2025년의 상황에서 의사들은 516명에게 혈액을 주문했습니다. 모델의 제안대로 했다면 95번의 불필요한 혈액 주문을 줄일 수 있었던 것입니다. 이는 95판의 불필요한 피자를 건너뛰는 것과 같습니다! 모델은 놀라울 정도로 정확하게 임무를 수행했으며, 실제로 혈액이 필요했던 환자를 단 두 명밖에 놓치지 않았습니다(민감도 97.7%). 이는 모델이 엄청난 낭비를 피하면서도 도움이 필요한 거의 모든 사람을 성공적으로 식별했음을 의미합니다.

그러나 저자들은 이것을 "해결된 문제"나 내일 당장 어디서나 사용할 수 있는 "승리"라고 부르지 않도록 주의를 기울였습니다. 그들은 모델이 환자의 순위를 매기는 데(누가 더 위험한지 아는 것)는 뛰어났지만, 2025년 그룹에 대해 내놓은 실제 수치는 다소 부정확하다는 것을 발견했습니다. 이는 마치 "어제보다 오늘 비가 올 가능성이 높다"라고는 정확히 예측하지만, 정확한 강수량 퍼센트는 틀리는 날씨 앱과 같습니다. 이 때문에 연구진은 모델이 최종 결정을 내리는 데 사용되기 전에 '국소적 조정(재보정)'과 더 많은 테스트가 필요하다고 말합니다. 또한, 이 연구는 과거 데이터를 기반으로 한 시뮬레이션이었으며, 실제로 병원의 워크플로우를 변경하여 비용이나 시간을 절약했는지 확인하지는 않았다는 점도 언급했습니다.

요약하자면, 이 연구는 암 수술 환자를 보고 기존의 "일률적인 규칙"보다 더 잘 혈액 요구량을 예측할 수 있는 스마트하고 단순한 도구를 만들었습니다. 이 연구는 개별 환자를 살펴봄으로써, 병원이 아무도 곤경에 빠뜨리지 않으면서도 필요하지 않은 환자의 약 20%에 대한 혈액 주문을 피할 수 있다는 것을 보여주었습니다. 하지만 모델의 수치가 새로운 그룹에 대해 다소 높게 나타났기 때문에, 아직 의사의 판단을 대체할 준비는 되지 않았습니다. 이 모델은 여로를 안내하는 강력한 새로운 나침반이지만, 전체 배를 이끌기 위해서는 아직 현지 지도를 조금 더 그려 넣어야 합니다.

기술 요약: 복부 및 골반암 수술 시 위험 기반의 수술 전 적혈구 주문

문제 제기
수술 전 적혈구 주문은 수술 전후 수혈 위험이 있는 환자들에게 적합한 혈액을 적시에 확보하는 것을 목표로 한다. 그러나 광범위한 수술 범주에 근거한 일률적인 교차시험(crossmatching)은 실제 수혈 요구량을 초과하는 경우가 많아, 수혈 전 검사와 혈액은행의 업무 부하를 가중시킨다. 기관별 데이터에 기반한 최대 수술 혈액 주문 스케줄(maximum surgical blood-ordering schedules)이 효율성을 개선해 왔으나, 이는 여전히 평균적인 절차 수준의 수요에 고착되어 있으며, 수술 전 헤모글로빈, 임상 상태, 수술 접근 방식에 따른 환자 개별적 변동성을 포착하지 못한다는 한계가 있다. 또한, 환자 특이적 예측 모델을 이후의 환자 코호트에 적용했을 때의 시간적 성능, 보정(calibration), 그리고 임상적 결과에 대한 특성은 아직 충분히 규명되지 않았다.

연구 방법
중국 닝보 의료 센터 리후일리 병원에서 수행된 이 단일 센터 후향적 연구는 성인 복부 또는 골반 암 수술 환자를 대상으로 수술 전 적혈구 수혈 위험 모델을 개발하고 시간적 타당성을 평가하였다.

코호트: 2024년에 치료받은 환자들은 개발 코호트( $n=541$ )를 형성하였고, 2025년에 치료받은 환자들은 시간적 평가 코호트( $n=527$ )를 형성하였다. 시간적 코호트는 검증을 위해 엄격히 격리되었으며, 예측 변수 지정, 모델 적합 또는 임계값 결정에 사용되지 않았다.
결과 변수: 주요 결과 변수는 수술 중 또는 수술 후 72시간 이내에 발생하는 모든 적혈구 수혈(>0 unit)이다.
예측 변수: 모델은 일상적으로 사용 가능한 수술 전 변수들을 활용하였다: 연령, 성별, 계획된 수술 접근 방식, 이전 복부/골반 수술 이력, ASA 신체 상태, 수술 범주, 그리고 수술 전 헤모글로빈.
모델 사양: 다섯 가지 후보 모델이 Ridge 페널티 로지스틱 회귀를 사용하여 평가되었다:
1. 절차 전용 모델 (수술 범주 및 접근 방식).
2. 이진 빈혈 모델 (남성 헤모글로빈 <130 g/L, 여성 <120 g/L).
3. 일차 연속 선형 헤모글로빈 모델.
4. 제한적 삼차 스플라인(Restricted cubic spline) 모델 (헤모글로빈에 대해 세 개의 매듭 설정).
5. 확장된 실험실 모델 (혈소판 수, INR, 항응고제 사용 추가).
개발 및 검증: Ridge 페널티 파라미터는 2024년 코호트에서 5회 교차 검증(fivefold cross-validation)을 통해 선택되었다. 내부 검증에는 500회의 비모수적 부트스트랩 재표본 추출을 사용하여 낙관성 보정된 성능 지표(AUC, Brier score, 보정치)를 산출하였다.
임계값 설정: 민감도 기반의 교차시험 임계값(민감도 90%, 95%, 97.5%, 99%를 목표로 함)은 10회 외적 예측(tenfold out-of-fold predictions)을 사용하여 2024년 개발 코호트에서 독점적으로 도출되었다. 이 임계값들은 "고정(locked)"되어 변경 없이 2025년 시간적 코호트에 적용되었으며, 이를 통해 교차시험 감소와 수혈 이벤트 누락 사이의 상충 관계를 정량화하였다.

주요 결과

모델 성능: 일차 연속 선형 헤모글로빈 모델은 절차 전용 및 이진 빈혈 모델보다 우수한 변별력을 보였다.
- 개발 코호트: 낙관성 보정된 AUC는 0.812였다.
- 시간적 코호트 (2025년): AUC는 0.790 (95% CI 0.738–0.844)이었다.
- 비교: 이진 빈혈 모델의 시간적 AUC는 0.713이었고, 절차 전용 모델은 0.622를 기록했다. 제한적 삼차 스플라인 모델은 선형 모델과 유사한 성능을 보였다 (시간적 AUC 0.808).
보정(Calibration): 시간적 코호트에서 일차 모델은 보정 오류를 보였으며, 보정 절편(intercept)은 -0.480, 기울기(slope)는 0.781이었다. 이는 모델이 위험도를 전반적으로 과대평가하고 있으며, 이후 연도에서 예측치가 지나치게 분산되어 있음을 나타낸다.
임계값 분석 (95% 민감도 목표):
- 3.83%의 예측 위험도를 갖는 고정된 임계값이 2025년 코호트에 적용되었다.
- 이 전략은 실제 관행(516명)에 비해 적은 421명의 환자에게 교차시험을 권고하였다.
- 영향: 이는 민감도 97.7%와 음성 예측도(NPV) 98.1%를 유지하면서, 95건의 교차시험(환자 100명당 18.0건)을 줄이는 결과를 가져왔다.
- 누락된 이벤트: 시간적 코호트의 86건의 수혈 이벤트 중 단 2건만이 3.83% 임계값 미만에서 발생하였다.
민감도 분석: 실제 최종 접근 방식으로 수술 방식을 재코딩하거나 실험실 변수(혈소판, INR, 약물)를 추가해도 시간적 성능이 유의하게 향상되지는 않았다. 스플라인 모델은 선형 모델에 비해 제한적인 이득만을 보였다.

의의 및 주장
저자들은 일상적으로 사용 가능한 수술 전 변수에 기반한 간결한 모델이 이후 연도의 코호트에서도 적혈구 수혈 위험에 대한 변별력을 유지하며, 기존의 절차 기반 및 이진 빈해 접근법보다 우수함을 입증한다고 주장한다. 본 연구는 위험 기반 교차시험 임계값을 통해 교차시험의 양과 이벤트 포착 사이의 상충 관계를 명시적으로 조절할 수 있으며, 환자 안전을 크게 저해하지 않으면서도 불필요한 혈액은행 업무량을 줄일 수 있음을 보여준다.

그러나 본 논문은 임상 적용에 대해 신중한 입장을 유지한다. 저자들은 **시간적 보정 오류(위험도 과대평가)**가 모델의 직접적인 구현을 제한하며, 이를 위해서는 조정이 필요하다고 강조한다. 결론적으로, 이 모델은 임상적 의사결정을 지원하는 유망한 도구이지만, 임상 도입 전 현지 재보정(local recalibration), 외부 검증, 그리고 전향적 영향 평가가 필요하다. 본 연구는 이 모델이 임상적 판단이나 기존의 기관 내 혈액 주문 경로를 대체하는 것이 아니라 이를 지원하기 위한 것임을 강조한다.

유사한 논문