Association Between Urinary Cadmium Levels and Tubular Injury Biomarkers with Development of a Machine Learning-Based Predictive Model in Non-Dialysis Patients with Chronic Kidney Disease: a retrospective study

기술 요약: 비투석 CKD 환자의 요중 카드뮴 수치와 세뇨관 손상 바이오마커 간의 연관성

문제 제기
카드뮴(Cd)은 신장 근위 세뇨관에 10~30년의 생물학적 반감기를 가지고 축적되는 만성적인 신독성 환경 오염 물질이다. 저농도 노출은 만성 신장병(CKD)과 연관되어 있으나, 카드뮴으로 인한 손상은 가역 불가능한 간질성 섬유화가 발생하기 전까지 임상적으로 무증상 상태로 나타나기 때문에 조기 발견이 어렵다. 특히 비투석 CKD 환자는 신기능 예비력이 감소되어 있어 더욱 취약하다. 현재는 이 특정 인구 집단에서 높은 요중 카드뮴 노출 위험을 평가할 수 있는 개별화되고 임상적으로 적용 가능한 도구가 부족하다. 기존 연구들은 종종 단일 마커 분석에 의존하며, 비선형적 용량-반응 관계를 설명하지 못하고, 고위험군을 계층화하기 위한 예측 모델이 결여되어 있다.

연구 방법론
본 회고적 단일 센터 연구는 2019년 1월부터 2022년 10월 사이 양푸 병원(통지 대학교 의과대학)에 내원한 1~5단계 비투석 CKD 환자 278명을 대상으로 수행되었다. 환자들은 요중 카드뮴 절단값인 2 µg/g·Cr을 기준으로 저노출군($n=180$)과 고노출군($n=98$)으로 분류되었다.

본 연구는 머신러닝과 고급 통계 모델링을 통합한 다단계 분석 프레임워크를 채택하였다:

1. 데이터 수집: 기초 인구통계학적 특성, 임상 병력(당뇨 및 고혈압 포함), 신기능(eGFR, Cystatin C), 그리고 요중 세뇨관 손상 바이오마커($\beta_2$-microglobulin, Retinol-Binding Protein [RBP], N-acetyl-$\beta$-D-glucosaminidase [NAG], $\alpha_1$-microglobulin, microalbumin) 데이터를 수집하였다.
2. 상관관계 및 용량-반응 분석: Spearman 순위 상관계수를 사용하여 변수 간 연관성을 평가하였다. 연속 변수와 고카드뮴 노출 사이의 비선형 용량-반응 관계를 평가하기 위해 제한적 삼차 스플라인(Restricted Cubic Spline, RCS) 회귀 모델을 활용하였다.
3. 변수 선택: 10-겹 교차 검증을 포함한 LASSO(Least Absolute Shrinkage and Selection Operator) 로지스틱 회귀를 적용하여 예측 변수를 선별하고 다중공선성을 처리하였다.
4. 모델 구축: LASSO에 의해 선택된 변수들을 사용하여 다변량 로지스틱 회귀 모델을 구축하였다. 회귀 계수를 바탕으로 시각화된 임상 위험 노모그램(nomogram)을 제작하였다.
5. 검증 및 평가: 모델 성능은 판별력을 위한 곡선 아래 면적(AUC), 교정도를 위한 Hosmer–Lemeshow 검정 및 교정 곡선, 그리고 임상적 유용성을 위한 결정 곡선 분석(DCA)을 사용하여 평가하였다. 내부 검증은 1,000회의 재표본 추출을 이용한 부트스트랩(bootstrap) 방법을 통해 수행되었다.

주요 결과

• 인구통계 및 임상적 차이: 고노출군은 저노출군에 비해 제2형 당뇨병(T2DM) 유병률이 유의하게 높았다 (42.86% vs. 28.33%, $P=0.02$). 연령, 성별, 흡연 지수 또는 GFR에서는 그룹 간 유의한 차이가 발견되지 않았다.
• 바이오마커 상승: 고노출군에서 $\beta_2$-MG, RBP, NAG 및 microalbumin의 요중 수치가 유의하게 높았다 ($P < 0.001$). $\alpha_1$-MG는 유의한 차이를 보이지 않았다.
• 용량-반응 패턴 (RCS):
  • NAG: 고카드뮴 노출과 유의한 양의 비선형 연관성을 보였으며, 포화 효과(saturation effect)가 특징적으로 나타났다 ($P_{nonlinear} < 0.001$).
  • RBP: 유의한, 대략 선형적인 양의 연관성을 보였다 ($P_{nonlinear} = 0.069$).
  • $\beta_2$-MG: J-자형 비선형 연관성을 나타냈다 ($P_{nonlinear} = 0.038$).
• 예측 모델: LASSO 회귀는 네 가지 독립적 예측 인자인 T2DM, RBP, GFR, NAG를 식별하였다. 최종 다변량 로지스틱 모델은 이들을 다음과 같은 독립적 예측 인자로 확인하였다:
  • NAG 양성 (OR = 3.88, 95% CI 1.99–7.56)
  • T2DM (OR = 1.81, 95% CI 1.00–3.28)
  • RBP (OR = 1.03, 95% CI 1.01–1.06)
  • GFR (OR = 1.01, 95% CI 1.00–1.02)
• 모델 성능: 구축된 노모그램은 AUC 0.77 (95% CI 0.71–0.83)을 달est성하였다. 교정도는 우수하였으며 (Hosmer–Lemeshow $P = 0.989$, Brier score 0.18), DCA는 0.05에서 0.82 사이의 임계 확률 범위에서 양의 순이익(net benefit)을 나타냈다.

의의 및 주장
저자들은 본 연구가 비투석 CKD 인구만을 대상으로 고위한 요중 카드뮴 노출을 예측하기 위해 여러 세뇨관 바이오마커를 체계적으로 비교하는 머신러닝 통합 분석을 제공한 첫 사례라고 주장한다. 주요 기여는 다음과 같다:

1. 최적 지표 식별: RBP와 NAG가 고위험 카드뮴 노출을 식별하는 데 효과적인 지표임을 확인하였으며, 이들은 서로 다른 용량-반응 패턴(RBP는 선형, NAG는 비선형/포화형)을 보인다.
2. 취약 하위 집단: 본 연구는 당뇨병을 동반한 환자가 카드뮴 신독성에 취약한 하위 집단이 될 수 있음을 강조하며, 이에 대한 밀착 모니터링이 필요함을 시사한다.
3. 임상 도구: 개발된 노모그램은 만족스러운 교정도와 적절한 판별력을 보여주며, 카드뮴 관련 세뇨관 손상의 조기 선별 및 위험 계층화를 위한 실질적인 참고 자료 역할을 한다.
4. 방법론적 발전: LASSO를 통한 변수 선택과 RCS를 통한 비선형 특성 파악의 결합은 전통적인 단일 마커 또는 선형 분석의 한계를 극복하는 강력한 환경 역학 전략을 제공한다.

한계점 및 향-후 과제
저자들은 몇 가지 한계점을 명시적으로 인정하였다: 단면 연구 설계로 인해 인과 관계 추론이 불가능하며, 단일 센터 연구로서 일반화에 한계가 있고, 모델이 대규모 코호트에 대한 외부 검증 없이 내부 검증에 의존하고 있다는 점이다. 또한, 본 모델은 ESRD와 같은 확정적인 임상 종점이 아닌 고위한 요중 카드뮴 상태(중간 지표)를 예측한다. 저자들은 본 모델이 유용한 보조 도구이지만, 예측 가치를 검증하고 카드뮴 노출 감소가 CKD 진행을 늦출 수 있는지 탐구하기 위해 추가적인 다기관 전향적 연구가 필요하다고 결론지었다.