Development and Validation of an AI-Based Decision Support Tool (PROMETHEUS) for Predicting Methotrexate Success in Ectopic Pregnancy

기술 요약: PROMETHEUS의 개발 및 검증

문제 제기
자궁 외 임신(EP)은 모성 및 태아의 이환율과 사망률을 최소화하기 위해 정밀한 관리가 요구되는 생명을 위협하는 질환이다. 메토트렉세이트(MTX) 요법은 잘 선택된 사례에서 90%에 육박하는 성공률을 보이는 표준적인 비침습적 치료법이지만, 어떤 환자가 성공적으로 반응하고 어떤 환자가 수술적 개입을 필요로 할지 예측하는 것은 임상적으로 여전히 어려운 과제이다. 현재의 가이드라인은 확립된 기준에 의존하고 있으나, 환자 발표의 이질성으로 인해 치료 실패가 빈번히 발생하며 이는 2차 수술을 필요로 하게 만든다. 따라서 치료 선택을 최적화하고 불필요한 수술적 개입을 줄이며 개인 맞춤형 케어를 강화하기 위한 보다 정확하고 데이터 중심적인 도구의 필요성이 인식되고 있다. 인공지능(AI)은 다양한 의료 분야에서 가능성을 보여주었으나, 자궁 외 임신에 대한 MTX 성공을 예측하기 위한 특정 목적의 AI 적용은 아직 초기 단계에 있으며, 기존 모델들은 범위가 제한적이거나 알고리즘의 다양성이 부족한 경우가 많다.

방법론
본 연구는 AI 기반 의사결정 지원 도구인 PROMETHEUS(자궁 외 임신 메토트렉세이트 치료 성공 예측)를 개발하고 검증하기 위해 후향적 중첩 코호트 설계를 채택하였다.

• 데이터 소스 및 코호트: 본 연구는 테페식 교육 연구 병원(Tepecik Education and Research Hospital)의 전자 의무 기록 1,003건(2013~2023년)을 분석하였다. 제외 기준(데이터 누락, 중복 임신, 파열된 자궁 외 임신, 불안정한 환자 및 대기 요법 사례)을 적용한 후, 최종적으로 확인된 602건의 자궁 외 임신 사례를 활용하였다.
• 데이터 분할: 데이터셋은 무작위로 훈련 세트(80%, n=482)와 검증 세트(20%, n=120)로 나누었다.
• 특징 공학(Feature Engineering): 초기에는 환자의 병력, 신체 검사, 초음파 소견 및 입원 시 실험실 수치를 포함한 24개의 임상 파라미터를 기록하였다. 실시간 의사결정 적용성을 보장하기 위해, 치료 결정 이후에 기록되는 파라미터(예: 4일차/7일차 베타-hCG)는 제외하였다.
• 특징 선택: 다변량 분석을 통해, 일관되지 않은 행동과 잠재적 노이즈로 인해 이전 자궁 외 임신 병력과 질 출혈이라는 두 가지 파라미터를 최종 모델에서 제외하였으며, 결과적으로 22개의 파라미터가 예측 모델에 남게 되었다.
• 알고리즘 개발: 본 연구는 Bagging, J48, Random Forest, 로지스틱 회귀(Logistic Regression), 신경망(MLP)을 포함한 15가지의 서로 다른 AI 알고리즘을 평가하였다. 목표는 환자를 'MTX 치료 성공'과 '수술적 개입 필요'라는 두 가지 이진 결과로 분류하는 것이었다.
• 평가 지표: 모델 성능은 정확도(Accuracy), 민감도(Sensitivity), 특이도(Specificity), 양성 예측도(PPV), 음성 예측도(NPV) 및 곡선 아래 면적(AUC)을 사용하여 평가되었다.

주요 기여

1. PROMETHEUS 개발: 주요 기여는 기초 임상 데이터를 바탕으로 MTX 치료 성공을 예측하도록 설계된, 모바일 및 데스크톱 호환이 가능한 사용자 친화적인 의사결정 지원 도구를 구축한 것이다.
2. 포괄적인 알고리즘 비교: 제한된 수의 모델만을 테스트하는 많은 연구와 달리, 본 연구는 이 특정 임상 문제에 대한 최적의 아키텍처를 식별하기 위해 15가지의 뚜렷한 AI 알고리즘을 체계적으로 평가하였다.
3. Bagging 알고리즘 식별: 본 연구는 Bagging 알고리즘이 J48, Decision Table, Random Forest, Jrip 등의 다른 모델보다 우수한 성능을 보이며 최적의 성능 지표 균형을 제공한다는 것을 확인하였다.
4. 임상 유용성 집중: 이 도구는 임상적 판단을 대체하는 것이 아니라 보완하도록 명시적으로 설계되었으며, 산부인과 의사의 치료 계획을 돕기 위해 확률 점수를 제공한다.

결과

• 임상적 특성: 치료 그룹 간에 유의미한 차이가 관찰되었다. 수술이 필요한 환자(일차적 또는 MTX 실패 후)는 더 큰 자궁 외 종괴 크기, 높은 비율의 골반 통증, 압통(guarding), 반동 압통(rebound tenderness) 및 초음파상 자유 액체를 보였다. 실험실 분석 결과, 수술 그룹은 MTX로 성공적으로 치료된 그룹에 비해 헤모글로빈 및 림프구 수치가 유의하게 낮았고, 백혈구 및 호중구 수치는 더 높았다.
• 모델 성능: 상위 5개 알고리즘 모두 예측된 결과와 실제 결과 사이에 통계적으로 유의한 연관성(p < 0.001)을 보이며 높은 정확도를 나타냈다.
  • Bagging 알고리즘: **93.86%**의 가장 높은 전체 정확도를 달성하였다. 이는 92.7%의 민감도, 94.8%의 특이도 및 93.8%의 AUC를 기록하였다.
  • 비교: J48 알고리즘이 93.84%의 정확도로 그 뒤를 바짝 쫓았다. 로지스틱 회귀와 같은 전통적인 통계 모델은 이 특정 데이터셋에서 앙상블 방법(ensemble methods)에 비해 낮은 정확도(약 85%)를 보였다.
• 검증: 모델은 별도로 확보된 20%의 코호트에서 검증되었으며, 이를 통해 모델의 견고함과 변별력을 확인하였다.

의의 및 주장
본 논문은 PROMETHEUS를 초기 임신 합병증 관리에 AI를 통합하는 혁신적인 단계로 규정한다. 저자들은 이 도구가 MTX 성공을 예측하는 고정밀 방법을 제공하여, 불필요한 수술을 최소화함으로써 치료 관련 이환율을 줄이고 임상 워크플로우를 효율화할 수 있다고 주장한다.

본 연구는 PROMETHEUS가 단순히 진단을 넘어 '치료 성공'을 예측하기 위해 특별히 설계된 최초의 AI 기반 시스템 중 하나임을 강조한다. 광범위한 알고리즘을 활용하고 단일하고 견고한 분류기(Bagging)에 집중함으로써, 저자들은 이 도구가 임상 지원에 적합한 수준의 신뢰성을 달성했다고 주장한다. 저자들은 내부 검증은 견고하지만, 현재 결과가 단일 기관에 국한되어 있다는 점을 겸허히 언급하였다. 또한, 이 도구가 아직 일상적인 진료 현장에 배치되지는 않았으나, 향-전향적 검증 연구와 임상 적용성을 확장하기 위한 향후 다기관 연구의 토대로서 기능한다고 밝혔다. 궁극적인 목표는 특히 숙련된 전문의에 대한 접근성이 제한적인 환경에서 의료진에게 증거 기반의 보조적 근거를 제공하는 것이다.