Non-contrast CT Radiomics Combined with Clinical Features for Predicting Secondary Sepsis in Severe Acute Pancreatitis

기술 요약: 중증 급성 췌장염 환자의 이차성 패혈증 예측을 위한 비조영 증강 CT 라디오믹스와 임상적 특징의 결합

문제 정의
중증 급성 췌장팬크레아티티스(SAP)는 환자가 이차성 패혈증으로 진행될 위험이 높은 매우 중요한 위장관 응급 상황이며, 이는 사망률과 밀접하게 연관된 합병증이다. 현재의 위험 평가는 임상 점수, 활력 징후 및 실험실 검사에 의존하고 있으나, 질병의 이질성으로 인해 단일 도구만으로는 국소적인 질병 부담과 전신 생리학적 상태를 모두 포착하는 데 한계가 있다. 기존 연구들은 급성 췌장염(AP) 인구에서 패혈증을 예측하기 위해 임상 변수나 특정 바이오마커를 활용해 왔으나, SAP 진단이 확립된 이후 발생하는 Sepsis-3 정의에 따른 패혈증에 특화된 조기 위험 계층화 연구에는 공백이 존재한다. 또한, 기존의 췌장염 관련 라디오믹스 연구들은 표본 크기, 워크플로우 표준화 및 독립적 검증 측면에서 한계에 직면해 있는 경우가 많다. 본 연구는 확립된 SAP 환자에서 이차성 패혈증을 예측하기 위해 초기 임상 데이터와 비조영 증강 컴퓨터 단층촬영(CT) 라디오믹스를 통합하는 모델의 필요성을 다룬다.

연구 방법론
본 연구는 2021년 1월부터 2025년 12월 사이 안휘 의과대학교 제2 부속 병원에 입원한 253명의 SAP 환자를 대상으로 한 후향적 단일 센터 설계를 채택하였다. 환자들은 8:2 비율로 훈련 코호트(n=202)와 내부 테스트 코호트(n=51)로 나누었다.

• 데이터 수집: 인구통계학적 특성, 활력 징후, 실험실 수치 및 APACHE II, SOFA와 같은 점수를 포함한 임상 데이터를 ICU 입원 후 24시간 이내에 수집하였다. 예측 시점은 첫 번째 적격 비조영 CT 완료 시점 또는 24시간 임상 데이터 창(window) 종료 시점 중 더 늦은 시점으로 정의하였다. 이차성 패혈증은 이 시점 이후에 발생하는 Sepsis-3 기준(SOFA 점수가 2점 이상 증가하는 의심 감염)에 따라 정의되었다.
• 영상 획득 및 분할: 증상 발현 후 1주일 이내에 수행된 첫 번째 비조영 복부 CT를 사용하였다. 두 명의 숙련된 영상의학 전문의가 ITK-SNAP을 사용하여 췌장 실질과 인접한 췌장 주위 염증 병변을 포함하는 3차원 관심 영역(ROI)을 수동으로 구획하였다.
• 특징 추출: PyRadiomics를 사용하여 추가적인 재표본 추출(resampling)이나 강도 정규화 없이 ROI로부터 107개의 핸드크래프트(handcrafted) 라디오믹스 특징(1차 특징 18개, 형상 특징 14개, 질감 특징 75개)을 추출하였다.
• 특징 선택 및 모델 개발:
  • 라디오믹스: 특징들을 표준화하였으며, 상관관계 분석을 통해 중복된 특징들을 제거하였다. 최적의 특징을 선택하기 위해 10회 교차 검증을 포함한 LASSO(Least Absolute Shrinkage and Selection Operator) 회귀를 사용하였다. 총 8개의 특징이 선택되어 라디오믹스 시그니처를 구성하였다.
  • 임상: 후보 임상 변수들은 단변량 분석을 통해 스크리닝되었다.
  • 알고리즘: 다양한 머신러닝 알고리즘(Logistic Regression, SVM, KNN, Random Forest, Extra Trees, XGBoost, LightGBM, MLP)을 비교하였다. 해석 가능성과 노모그램 생성 능력을 고려하여 최종 시그니처 및 결합 모델 구축을 위해 Logistic Regression을 선택하였다.
• 평가: ROC 곡선, 곡선 아래 면적(AUC), 정확도, 민감도, 특이도, 양성/음성 예측도(PPV/NPV), 교정 곡선(Hosmer-Lemeshow 검정), 결정 곡선 분석(DCA)을 사용하여 모델을 평가하였다.

주요 결과

• 특징 선택: LASSO 회귀를 통해 original_glszm_SmallAreaEmphasis, original_firstorder_Maximum, original_shape_Elongation을 포함한 8개의 라디오믹스 특징이 잔류하였다.
• 모델 성능:
  • 훈련 코호트: 임상 시그니처의 AUC는 0.858, 라디오믹스 시그니처는 0.675, 결합 노모그램은 0.867을 달성하였다.
  • 테스트 코호트: 결합 노모그램은 0.732(95% CI, 0.593–0.870)의 가장 높은 AUC를 기록하며, 임상 시그니처(0.699)와 라디오믹스 시그니처(0.697)보다 우수한 성능을 보였다.
  • 민감도 및 NPV: 결합 노모그램은 테스트 코호트에서 높은 민감도(0.929)와 높은 음성 예측도(NPV, 0.955)를 보여, 저위험군 환자를 배제하는 데 강력한 유용성을 시사하였다.
  • 알고리즘 비교: XGBoost가 가장 높은 훈련 AUC(0.934)를 보였으나, 테스트 코호트에서 0.593으로 떨어지며 과적합(overfitting) 문제를 겪었다. 반면, Logistic Regression은 더 안정적인 일반화 성능(라디오믹스 테스트 AUC 0.697)을 제공하였다.
• 교정(Calibration): 라디오믹스 시그니처는 두 코호트 모두에서 유의미한 적합도 결여를 보이지 않았다(P > 0.05). 그러나 임상 시그니처와 결합 노모그램은 훈련 코호트에서 유의미한 적합도 결여를 보였으며 재교정이 필요했다. 이는 해당 모델들이 변별력은 있으나 절대적 확률 추정치는 조정이 필요함을 의미한다.

핵심 기여

1. 표적 예측: 본 연구는 일반적인 AP 인구에 집중하는 기존 연구들과 달리, 확립된 SAP 환자에서의 이차성 패혈증을 구체적으로 겨냥하였다.
2. 비조영 증강의 유용성: 비조영 CT가 급성기에 조영제를 사용할 필요 없이 패혈증 위험 계층화를 위한 보완적 정보를 제공할 수 있는 라디오믹스 특징을 포함하고 있음을 입증하였다.
3. 상보적 시그니처: 임상 데이터와 라디오믹스 특징이 상보적인 성능 프로필을 제공함을 강조하였다. 임상 시그니처는 높은 특이도(0.757)를 제공한 반면, 라디오믹스 시그니처는 높은 민감도(0.929)에 기여하여 견고한 결합 모델을 형성하였다.
4. 방법론적 엄격성: 본 연구는 예측 변수와 결과 간의 엄격한 시간적 분리를 준수하고, 데이터 누수(data leakage) 없이 전용 내부 테스트 세트를 사용하였으며, TRIPOD+AI 표준에 부합하도록 포괄적인 지표를 보고하였다.

의의 및 주장
저자들은 비조영 CT에서 유도된 라디오믹스 시그니처가 SAP 환자의 이차성 패혈증 위험 계층화를 위한 상보적 정보를 제공한다고 주장한다. 임상 데이터와 라디오믹스 데이터를 통합한 결합 노모그램은 내부 테스트 코호트에서 가장 높은 예측 성능을 달축하였으며 높은 음성 예측도를 유지하여, 저위험 환자를 식별하고 감시 전략을 최적화하는 데 임상적으로 유용할 수 있다.

그러나 논문은 임상 적용에 대해 신중한 어조를 유지하고 있다. 저자들은 모델의 성능과 교정을 임상에 도입하기 전 더 큰 규모의 외부 다기관 코호트에서 확인 및 재교정해야 한다고 명시하였다. 또한 단일 센터 설계, 작은 테스트 코호트 크기, 그리고 라디오믹스 특징의 일반화에 영향을 미칠 수 있는 CT 스캐너 파라미터의 이질성 등의 한계를 인정하였다. 본 연구는 결합 모델이 보조적인 스크리닝 도구로서 유망함을 보여주지만, 추가적인 외부 검증이 필수적이라는 결론을 내리고 있다.