Development of a Nomogram Model Based on Contrast-Enhanced CT Histogram Analysis for Preoperative Prediction of Ki-67 Expression Status in Patients with Clear Cell Renal Cell Carcinoma

암은 단일 질환이 아니라 세포가 얼마나 빨리 분열하고 얼마나 공격적으로 퍼지는지에 따라 정의되는 일련의 질환들입니다. 신장에서 가장 흔한 형태의 암은 투명 세포 신세포암으로, 이는 환자마다 그 행동 양상이 매우 다양할 수 있는 종양입니다. 어떤 종양은 느리게 성장하며 국소 부위에 머물러 있는 반면, 어떤 종양은 빠르게 움직이며 위험합니다. 무엇이 어떤 상태인지 이해하기 위해 의사들은 종종 종양 세포 내부의 Ki-67이라고 불리는 특정 단백질을 살펴봅니다. 이 단백질은 세포가 활발하게 분열을 준비할 때만 켜지는 분자 스위치 역할을 합니다. Ki-67이 더 많이 존재할수록 세포의 활동은 더 격렬해지며, 종양이 공격적일 가능성이 더 높습니다. 그러나 이 단백질이 얼마나 존재하는지 알아내는 것은 대개 종양을 제거하기 위한 수술과 그 후 현미경을 통한 조직 분석을 필요로 합니다. 이러한 침습적인 과정은 의사들이 이미 수술이 끝난 후에야 종양의 진정한 성질을 알 수 있다는 것을 의미합니다.

란저우 대학 제2병원(Lanzou University Second Hospital)의 연구팀은 환자가 칼을 대기도 전에 이 숨겨진 정보를 엿볼 수 있는 방법을 개발했습니다. 표준 CT 스캔(상세한 3차원 X선과 같은 것)을 사용하여, 그들은 놀라운 정확도로 Ki-67 활성도를 예측할 수 있는 수학적 도구를 만들었습니다. 연구는 이미 이 유형의 신장암 수술을 받은 213명의 환자를 대상으로 진행되었습니다. 연구진은 수술 전 촬영된 CT 영상을 검토하고, 이를 간단한 혈액 검사 결과 및 종양의 크기와 결합했습니다. 그들은 스캔에서 보이는 종양의 내부 질감이 세포가 얼마나 빨리 증식하는지에 대한 단서를 담고 있다는 것을 발견했습니다. 이러한 시각적 세부 사항을 환자의 혈액 검사와 결합함으로써, 연구진은 의사가 첫 절개가 이루어지기 전에 치료에 대한 더 정보에 입각한 결정을 내릴 수 있도록 돕는, 종양의 공격성을 사전에 추정하는 가이드를 구축했습니다.

연구진은 먼저 2022년 1월부터 2024년 12월 사이에 치료받은 환자들의 데이터를 수집했습니다. 그들은 그룹을 두 개로 나누었는데, 하나는 모델을 구축하기 위한 더 큰 그룹이고 다른 하나는 이를 테스트하기 위한 더 작은 그룹입니다. 모든 환자에 대해, 연구진은 조영제가 신장을 통과하는 두 가지 특정 시점에 촬영된 CT 스unu를 조사했습니다. 또한 환자의 혈액 검사를 살펴보았는데, 구체적으로는 백혈구의 일종인 단핵구(monocytes)의 수와 두 가지 다른 면역 세포인 호중구(neutrophils)와 림프구(lymphocytes) 사이의 비율을 계산했습니다. 그들은 종양의 크기를 측정하고 스캔 내 종양의 회색조 패턴을 정밀하게 분석했습니다. 히스토그램 분석(histogram analysis)이라고 알려진 이 패턴 분석은 종양 내의 모든 아주 작은 픽셀의 밝기가 어떻게 분포되는지를 살펴봅니다. 단순히 평균 밝기를 보는 대신, 연구진은 조직 구조의 숨겨진 변이를 드러낼 수 있는 요소인 분포가 얼마나 불균일하거나 "왜곡(skewed)"되었는지를 측정했습니다.

컴퓨터 알고리즘을 사용하여, 팀은 수십 가지의 잠재적 단서들을 훑으며 가장 중요한 네 가지를 찾아냈습니다. 그들은 종양의 크기, 환자의 단핵구 수, 호중구 대 림프구 비율, 그리고 스캔상의 종양 밝기의 특정 왜도(skewness)가 가장 강력한 예측 인자라는 것을 발견했습니다. 이 네 가지 요인은 노모그램(nomogram)이라 불리는 하나의 시각적 차트로 결합되었습니다. 이 차트를 통해 의사는 환자의 특정 수치를 대입하여 종양이 높은 또는 낮은 Ki-67 발현을 가질 확률을 계산할 수 있습니다. 모델을 구축하는 데 사용된 환자 그룹에 이 도구를 테스트했을 때, AUC 0.86을 달ей했습니다. 별도의 검증용 환자 그룹에 테스트했을 때도 AUC는 약 0.86으로 여전히 높게 유지되었습니다.

이 연구는 이러한 결합된 접근 방식이 단일 요인만을 보는 것보다 훨씬 더 낫다는 것을 보여주었습니다. 예를 들어, 종양 크기만을 보거나 혈액 수치만을 보는 것은 신뢰할 만한 예측을 하기에 충분하지 않았습니다. 힘은 결합에서 나왔습니다. 연구진은 통계적 검정을 사용하여 그들의 예측이 현실과 얼마나 잘 일치하는지 확인했으며, 결과는 모델이 예측한 것과 수술 후 병리 보고서에서 실제로 발견된 것 사이에 강한 일치성을 보였습니다. 그들은 또한 이 도구를 사용하는 것이 모든 환자를 똑같이 대하거나 위험을 완전히 무시하는 것보다 더 나은 임상적 결과를 제공한다는 것을 입증했습니다. 모델은 Ki-67 수치가 높은 종양이 더 크고, 스캔상에서 더 불균일한 내부 질감을 가지며, 혈액 내 특정 염증 패턴과 연관되어 있다는 점을 성공적으로 강조했습니다.

결과는 유망하지만, 연구진은 이것이 회고적 연구(retrospective study), 즉 환자를 향후 추적 관찰한 것이 아니라 과거의 데이터를 살펴본 것임을 주의 깊게 명시하고 있습니다. 데이터는 단일 병원에서 왔으며, 이 방법은 특정 유형의 CT 스캔에 의존하므로, 이 도구가 보편적으로 작동하는지 확인하기 위해 다른 환경과 다른 장비에서도 테스트될 필요가 있습니다. 또한, 이 연구는 환자가 치료 후 얼마나 오래 생존했는지를 추적하지 않았으므로, 장기 생존을 예측하는 도구로서의 능력은 앞으로 지켜봐야 합니다. 그러나 이 작업은 비침습적 의학의 중요한 진전을 의미합니다. 표준 CT 스캔과 일상적인 혈액 검사를 종양의 생물학적 창으로 바꿈으로써, 이 모델은 의사들에게 전투가 시작되기 전 적을 이해할 수 있는 새로운 방법을 제공하며, 잠재적으로 환자가 불필요한 절차를 피하거나 처음부터 적절한 강도의 치료를 받을 수 있도록 보장합니다.