Mapping ICD-10 to ICCC-3 for Childhood Cancer Classification Using Cancer Incidence in Five Continents (CI5) Data
본 연구는 CI5 데이터를 사용하여 ICD-10 코드가 부여된 소아암 사례를 ICCC-3 범주로 매핑하기 위한 체계적인 3단계 프레임워크를 구축하였으며, 림프 및 조혈 종양에 대해서는 높은 일치도를 입증하는 동시에 특정 고형암의 형태학적 세부 사항을 포착하는 데 있어서의 한계를 강조하였다.
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 얼마나 많은 아이들이 암으로 아픈지에 대한 거대하고 전 지구적인 퍼즐을 풀려고 노력하고 있다고 상상해 보세요. 이를 위해 과학자들은 모든 사례를 특정 상자에 분류해야 합니다. 하지만 문제는, 세상에서 이 상자들을 라벨링하기 위해 두 가지 서로 다른 지침서를 사용한다는 점입니다. ICD-10이라 불리는 이 지침서는 어디에서 질병이 발견되는지(예: "간" 또는 "뇌")에 따라 주로 분류하는, 전 세계 병원에서 사용하는 거대한 도서관 카탈로그와 같습니다. 반면, ICCC-3라는 또 다른 지침서는 소아암만을 위해 만들어진 특화된 고성능 가이드북으로, 현미경으로 보았을 때 어떤 모습인지, 그리고 어떻게 행동하는지에 따라 분류합니다.
문제는 이 두 지침서가 서로 같은 언어로 말하지 않는다는 점입니다. 만약 한 병원이 도서관 카탈로그(ICD-10)를 사용하여 "간 종양"이라고 기록했다면, 전문 가이드북(ICCC-3)은 이를 정확하게 집계하기 위해 그것이 '간모세포종(hepatoblastoma)'이라는 특정 유형의 간암인지 알아야 할 수도 있습니다. 이 두 시스템 사이를 번역할 방법이 없다면, 과학자들은 서로 다른 국가의 데이터를 쉽게 비교하거나 거대한 글로벌 데이터베이스를 결합하여 문제에 대한 명확한 그림을 그릴 수 없습니다. 이는 마치 세계의 절반은 마일을 사용하고 나머지 절반은 킬로미터를 사용하는데, 아무도 두 단위를 변환할 수 있는 자를 가지고 있지 않아 하나의 세계 지도를 만들려고 애쓰는 것과 같습니다. 이 연구는 바로 그 '자'를 만드는 것에 관한 것입니다.
위대한 번역 프로젝트
이 연구에서 과학자 팀은 소아암 데이터를 번역하는 "사과와 오렌지(서로 다른 기준)" 문제를 해결하기로 결심했습니다. 그들은 미국에서 흔히 쓰이는 "도서관 카탈로그" 코드(ICD-10)를 전 세계 연구자들이 사용하는 특화된 "소아암" 범주(ICCC-3)로 번대로 바꿀 수 있는지 확인하고 싶었습니다. 그들은 **5개 대륙의 암 발생률(CI5)**로부터 얻은 방대한 데이터셋을 사용했으며, 특히 2013년부터 2017년 사이 미국에서 기록된 77,236건의 소아암 사례를 살펴보았습니다.
과학자들을 두 가지 서로 다른 단서 세트를 맞추려는 탐정이라고 생각해 보세요. 그들은 미스터리를 풀기 위해 3단계 전략을 개발했습니다:
- 직접 매칭: 어떤 암들의 경우, 번역이 쉬웠습니다. 도서관 카탈로그가 "안구 종양"(특히 망막모세포종)이나 "뇌 종양"이라고 기록했다면, 이는 전문 가이드북과 거의 완벽하게 일치했습니다.
- 브릿지(다리) 방법: 혈액암(백혈병 및 림프종 등)의 경우, 그들은 ICD-O-3(세포의 형태를 설명하는 코드)라는 비밀 중간자를 사용했습니다. 이 다리를 이용함으로써, 그들은 일반적인 "혈액암" 코드를 매우 높은 정확도로 매우 구체적인 하위 유형으로 번역할 수 있었습니다.
- 탐정 작업: 나머지 경우에는, 그들이 가장 잘 판단하여 사례가 어디에 속하는지 추측해야 했습니다. 이 과정은 훨씬 더 어려웠습니다.
결과: 성과와 실패가 섞인 결과물
결과는 마치 "어떤 것은 완벽하게 맞고, 어떤 것은 엉망진랑인" 게임과 같았습니다.
승자 (높은 일치도):
특정 암들의 경우, 번역이 매우 강력했습니다. 연구팀은 망막모세포종(안구암), 뇌 및 척수 종양, 신장 종양, 그리고 간 종양에 대해 도서관 카탈로그에서 집계된 사례 수가 전문 가이드북과 매우 밀접하게 일치한다는 것을 발견했습니다. "일치 비율(Consistency Ratio, 얼마나 잘 맞는지 나타내는 점수)"은 약 1.00에서 1.04 사이였으며, 이는 두 시스템이 거의 완벽하게 일치함을 의미합니다. 예를 들어, 간모세포종(특정 간암)은 두 매뉴얼 모두에 부합하는 고유한 코드를 가지고 있었기에 일대일로 번역될 수 있었던 유일한 고형 종양이었습니다. 신장 종양 범주 또한 매우 높은 일치율(1.03)을 보였으나, 연구에서는 ICD-10이 모든 신장 암 유형을 완벽하게 구별할 만큼의 미세한 정보를 갖추고 있지는 않다고 언급했습니다. 다만 전체적인 수치는 여전히 매우 일관되었습니다.
패자 (불일치):
많은 다른 암의 경우, 도서관 카탈로그(ICD-10)는 너무 모호했습니다.
- 과다 집계: 도서관 카탈로그는 골 종양(비율 1.11), 백혈병(비율 1.07), 그리고 피부/상피 종양(비율 1.24)의 사례를 너무 많이 집계했습니다. 왜일까요? 도서 library 카탈로그는 뼈에 발견된 모든 종양을 "뼈 종양"으로 집계하기 때문인데, 실제로는 뇌에서 시작되어 뼈로 전이된 것일 수도 있습니다. 전문 가이드북은 이를 더 잘 알고 있으며, 이를 뼈암으로 집계하지 않습니다.
- 과소 집계: 도서관 카탈로그는 신경아세포종(비율 0.67), 생식세포 종양(비율 0.72), 연조직 육종(비율 0.87), 림프종(비율 0.88), 그리고 미분류 암(비율 0.47)의 경우 목표치를 놓쳤습니다. 이는 도서관 카탈로그가 이러한 암들을 잘못된 "위치" 상자에 넣었기 때문에 발생했습니다. 예를 들어, 장에서 발견된 림프종은 도서관 카탈로그에서 "장 종양"으로 라벨링될 수 있지만, 전문 가이드북은 그것이 실제로는 "림프종"임을 알고 있습니다.
핵심 요약
이 연구는 우리가 혈액암과 몇몇 매우 구체적인 고형 종양을 높은 확신을 가지고 번역할 수는 있게 되었지만, 나머지 소아암을 번역하는 것은 여전히 까다롭다는 결론을 내립니다. 도서관 카탈로그(ICD-10)는 전문 가이드북(ICCC-3)이 필요로 하는 미세한 구조적 세부 사항을 관찰하도록 설계되지 않았기 때문입니다.
저자들은 이것이 마법 같은 해결책은 아니라고 조심스럽게 밝힙니다. 그들은 개별 환자의 기록(전체 그룹 숫자만 있음)에 접근할 수 없었기 때문에, 모든 사람에게 매치가 완벽하다는 것을 증명할 수는 없었다고 인정합니다. 또한 이 번역 가이드는 2013년에서 2017년 사이에 사용된 특정 버전의 매뉴얼에 가장 적합하다고 경고합니다. 그럼에도 불구하고, 이 작업은 이 코드들을 변환하기 위한 최초의 체계적인 지도를 제공합니다. 이는 과학자들이 마침내 서로 다른 글로벌 데이터베이스를 비교할 수 있게 하여, 소아암의 실제 부담을 그 어느 때보다 더 명확하게 이해할 수 있도록 돕는 중요한 첫걸음입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.