The diagnostic performance of dual phase [99mTc]-MIBI SPECT/CT in primary hyperparathyroidism assessment: limits and prediction model of false negative result considering pre-scan data in a single center experience

인체는 뼈를 튼튼하게 유지하고 신경이 제대로 작동하도록 하기 위해 미네랄의 섬세한 균형에 의존합니다. 이 균형의 핵심 조절자 중 하나는 갑상선 바로 뒤쪽 목에 위치한 부갑상선이라고 알려진 작은 샘입니다. 이 샘이 과도하게 활성화되면 부갑상선 호르몬이라는 호르데을 너무 많이 분비하게 됩니다. 일차성 부갑상선 기능 항진증이라고 알려진 이 질환은 신체가 뼈에서 혈류로 너무 많은 칼슘을 방출하게 만듭니다. 시간이 지나면서 이러한 과도한 칼슘은 결석, 골밀도 감소, 피로를 유발할 수 있습니다. 이 질환은 흔하며 관리 가능한 경우가 많지만, 가장 효과적인 치료법은 대개 과활성화된 샘을 수술로 제거하는 것입니다. 이 수술을 안전하고 정밀하게 수행하기 위해 의사들은 먼저 이 탈주한 샘을 찾아내야 하는데, 이 샘은 완두콩만큼 작을 수 있으며 때로는 목이나 가슴 안의 특이한 장소에 숨어 있기도 합니다.

이 작은 샘을 찾는 것은 상당한 도전 과제입니다. 의사들은 일반적으로 두 가지 주요 도구를 사용합니다: 초음파(음파를 사용하여 이미지를 생성함)와 세스타미비(Sestamibi) 스캔이라고 불리는 특수 핵의학 스캔입니다. 이 스캔에서는 환자가 과활성화된 샘에 끌리는 아주 적은 양의 방사성 추적자를 주입받으며, 이는 카메라에 밝게 빛나게 됩니다. 그러나 이 방법이 완벽한 것은 아닙니다. 약 4건 중 1건꼴로 스캔이 샘을 찾는 데 실패하여 외과의에게 명확한 지도를 제공하지 못하는 경우가 발생합니다. 이런 경우 환자들은 더 비싸고 복잡한 영상 검사를 받아야 하거나, 외과의가 보이지 않는 곳을 찾아 헤매야 하는 더 어려운 수술을 직면할 수도 있습니다. 왜 스캔이 때때로 실패하는지, 그리고 의사들이 스캔을 하기 전부터 이 실패를 예측할 수 있는지에 대한 질문은 어려운 난제로 남아 있었습니다.

이탈리아 브레시아의 ASST Spedali Civili에 있는 연구팀은 이 특정 스캔 절차를 거친 64명의 환자 의료 기록을 검토함으로써 이 난제를 해결하고자 했습니다. 그들은 스캔 전에 이미 사용할 수 있는 정보(예: 혈액 검사 결과 및 목 초음파 소견)가 스캔이 샘을 성공적으로 찾을지 아니면 놓칠지를 예측할 수 있는지 확인하고자 했습니다. 연구팀은 환자들의 칼슘 수치, 부갑상선 호르몬 수치, 그리고 초음파로 포착된 샘의 크기와 위치에 대한 데이터를 수집했습니다. 그런 다음 그들은 이러한 사전 스캔 세부 정보가 최종 영상 결과와 연관이 있는지 확인하기 위해 통계적 방법을 사용했습니다.

연구진은 스캔 결과가 두 가지 특정 요인, 즉 혈중 칼슘 수치와 목 초음파 소견과 밀접하게 연관되어 있다는 것을 발견했습니다. 칼슘 수치가 높고 초음파 결과가 양성인 환자들은 과활성화된 샘을 정확히 식별하는 성공적인 스캔을 받을 확률이 훨씬 높았습니다. 반대로, 칼슘 수치가 낮거나 초음파 결과가 음성인 환자들은 스캔이 샘을 완전히 놓치는 위음성(false negative)을 경험할 가능성이 더 높았습니다. 연구는 또한 샘의 크기가 중요하다는 점을 언급했는데, 더 큰 샘일수록 찾기가 더 쉬웠습니다. 흥미롭게도, 성공적인 스캔을 받은 환자들에게서 호르몬 수치는 높았지만, 연구진은 칼슘 수치와 초음파 소견을 함께 사용할 때가 가장 강력한 예측 인자라는 것을 발견했습니다.

이 발견을 실제 진료에 유용하게 만들기 위해, 연구팀은 주어진 환자의 오진 위험을 추정하기 위해 설계된 수학적 모델을 구축했습니다. 환자의 칼슘 수치와 초음파 결과를 입력하면, 모델은 확률 점수를 계산할 수 있습니다. 테스트 결과, 이 접근 방식은 약 72%의 사례에서 결과를 정확히 식별했습니다. 이는 상당 부분의 환자들에 대해 의사들이 표준 스캔이 실패할 가능성이 높다는 것을 사전에 알 수 있음을 의미합니다. 만약 모델이 샘을 놓칠 위험이 높다고 제안한다면, 의사는 표준 스캔을 건너뛰고 더 민감하지만 더 비싼 영상 검사를 바로 시행하기로 결정할 수 있습니다. 이는 시간을 절약하고, 환자가 받는 절차의 수를 줄이며, 외과의가 더 높은 자신감을 가지고 접근 방식을 계획하는 데 도움을 줄 수 있습니다.

연구는 이 예측 도구가 유망하긴 하지만, 아직 최종적인 해결책은 아니라고 결론짓습니다. 연구 대상 환자 집단이 상대적으로 작았으며, 이 모델이 모든 사람에게 효과적으로 작동하는지 확인하기 위해서는 더 크고 다양한 집단에서 테스트되어야 합니다. 저자들은 그들의 작업이 '일률적인 프로토콜'보다는 환자의 특정 데이터에 의해 결정되는 보다 개인화된 진단 방식으로 나아가는 단계임을 강조합니다. 현재 영상 기술의 한계를 이해하고, 단순한 혈액 및 초음파 데이터를 사용하여 그 한계를 예측함으로써, 의사들은 이 흔한 질환의 치료 경로를 더 잘 헤쳐 나갈 수 있습니다. 궁극적인 목표는 모든 환자가 적절한 시기에 적절한 검사를 받게 하여, 불필요한 지연과 절차를 피하고 최선의 결과를 확보하는 것입니다.