Interpretable Machine Learning and Point-of-Care Digital Risk Stratification for Pneumothorax Following Lung Tumor Ablation: A Multicenter Validation Study

의사들이 수술하기에는 너무 작거나 제거하기에 너무 위험한 폐 종양을 치료할 때, 그들은 흔로 '열 절제술(thermal ablation)'이라고 불리는 기술을 사용합니다. 이 시술에서는 가느다란 바늘을 피부를 통해 종양까지 유도한 뒤, 강렬한 열을 이용해 암세포를 파괴합니다. 이는 개방형 수술에 비해 침습성이 적은 대안으로, 많은 환자에게 더 빠른 회복을 제공합니다. 하지만 폐는 섬세하고 공기로 가득 찬 기관이며, 바늘로 폐를 찌르는 행위는 특정한 위험을 동반합니다. 바로 공기가 새어 나와 폐가 허탈(collapse)될 수 있다는 점입니다. '기흉(pneumothorax)'으로 알려진 이 상태는 흔한 합병증입니다. 많은 경우가 경미하여 자연적으로 치유되지만, 상당수의 환자는 흉관을 삽입하여 공기를 빼내고 폐를 다시 팽창시켜야 하는 심각한 허탈 상태에 이르게 됩니다. 현재 의사들은 시술 후 모든 환자를 동일한 방식으로 처치합니다. 즉, 이 합병증이 발생하는지 확인하기 위해 하루 전체 동안 환자를 면밀히 관찰하는 것입니다. 이러한 '일률적인' 접근 방식은 저위험군 환자들이 불필요하게 병원에서 시간을 보내게 만드는 한편, 고위험군 환자들에게는 너무 늦기 전까지 필요한 추가적인 주의를 기울이지 못하게 만들 수도 있습니다.

중국 운남성의 병원 연구진은 문제가 발생하기 전에 누가 위험한지를 예측할 수 있는 도구를 구축함으로써, 이러한 사후 대응적 접근 방식을 바꾸고자 했습니다. 그들은 한 주요 병원에서 폐 종양 절제술을 받은 1,100명 이상의 환자로부터 데이터를 수집하였고, 이 정보를 컴퓨터 프로그램 학습에 사용했습니다. 목표는 종양이 폐의 외벽과 얼마나 가까운지, 바늘이 몇 번 삽입되었는지, 그리고 가열 과정이 얼마나 오래 걸렸는지와 같은 환자의 구체적인 세부 사항을 조사하여 심각한 폐 허탈이 발생할 정확한 확률을 계산하는 간단한 방법을 찾는 것이었습니다. 연구진은 자신들의 컴퓨터 모델을 8가지의 다른 수학적 접근 방식과 비교 테스트하였으며, '랜덤 포레스트(random forest)'라고 알려진 특정 유형의 알고리즘이 가장 정확하다는 것을 발견했습니다. 이 모델은 가열 시간이 특정 지점을 넘어서거나 바늘 삽입 횟수가 몇 차례 이상이 될 경우 어떻게 위험도가 급격히 증가하는지와 같이, 인간 의사가 놓칠 수 있는 데이터 속의 복잡한 패턴을 포착하는 법을 배웠습니다.

연구팀은 단순히 모델을 구축하는 데 그치지 않고, 이것이 실제 현장에서 작동할 수 있는지 확인하기 위해 엄격하게 검증했습니다. 그들은 다른 도시의 두 병원에서 얻은 데이터를 사용하여 자신들의 발견을 검증함으로써, 이 도구가 서로 다른 집단의 사람들과 서로 다른 의료진에게 적용되었을 때도 잘 작동한다는 것을 증证明했습니다. 또한 의료 기술이 진화함에 따라 도구가 여전히 정확성을 유지하는지 확인하기 위해 나중에 치료받은 환자들을 대상으로도 테스트했습니다. 결과에 따르면 이 도구는 0.86의 AUC(곡선 아래 면적)를 달이트했습니다. 더 중요한 것은, 컴퓨터가 그 근거를 설명해 주었다는 점입니다. 모델은 종양 가열 총 시간, 바늘 천자 횟수, 그리고 종양과 폐벽 사이의 거리가 가장 결정적인 요인임을 강조했습니다. 분석 결과 특정 안전 임계값이 드러났는데, 예를 들어 총 가열 시간을 12분 미만으로 유지하고 바늘 삽입을 3회 미만으로 제한하면 위험을 크게 낮출 수 있었습니다.

이 발견을 의사들이 유용하게 사용할 수 있도록, 연구진은 복잡한 컴퓨터 코드를 병상에서 바로 사용할 수 있는 간단하고 무료인 웹사이트로 변환했습니다. 이제 의사는 환자의 구체적인 세부 사항을 이 계산기에 입력하여 즉시 저위험, 중위험, 고위험, 초고위험의 네 가지 범주 중 하나로 분류된 위험 점수를 받을 수 있습니다. 이를 통해 환자 케어 방식의 전환이 가능해집니다. 저위험군으로 식별된 환자는 잠재적으로 더 빨리 귀가하여 병원 자원을 확보할 수 있고, 고위험군으로 분류된 환자는 더 면밀히 모니터링되거나 즉각적인 처치를 준비할 수 있습니다. 또한 이 연구는 염증이나 종양 부담을 나타내는 특정 혈액 지표가 위험 예측에 역할을 한다는 것을 밝혀냈으며, 이는 환자의 생물학적 구성이 물리적 시술만큼이나 중요하다는 것을 시사합니다. 모두가 기다리고 지켜보는 시스템에서 개인의 특정 위험 프로필에 맞춘 케어로 전환함으로써, 이 디지털 도구는 폐암 치료를 더 안전하고, 효율적이며, 개인화된 방식으로 만드는 길을 제시합니다.