Feasibility of Diffuse Reflectance Spectroscopy for Distal Margin Assessment in Colorectal Cancer Surgery

기술 요약: 대장암 수술 시 원위부 절제연(Distal Margin) 평가를 위한 확산 반사 분광법(Diffuse Reflectance Spectroscopy)의 타당성

문제 제기
대장암 수술, 특히 직장암 수술에서 적절한 원위부 절제연(DRM)을 확보하는 것은 항문 괄약근 기능을 보존하면서 종양학적 안전성을 달 확보하는 데 매우 중요하다. 현재 원위부 절제연을 평가하는 수술 중 방법들은 상당한 한계를 지니고 있다. 종양 경계를 표시하기 위해 사전적으로 사용하는 문신(Tattooing)은 잉크 확산 문제와 낮은 정확도(최저 69%)라는 문제를 안고 있다. 현재의 골드 스탠다드인 동결 절편 분석(Frozen section analysis)은 시간이 많이 소요될 뿐만 아니라, 화학방사선 요법 후 병변 파편화로 인해 원위부 종양 확산을 놓칠 수 있으며, 외과의의 선호도에 크게 의존한다. 또한, 복강경 및 로봇 보조 수술은 촉각 피드백이 부족하여 원위부 종양 경계의 위치를 파악하는 데 어려움이 있다. 따라서 종양 조직과 정상 조직을 신속하게 구별하여 외과의가 최적의 절단 수준을 결정할 수 있도록 돕는 실시간 비접촉 가이드 시스템이 필요하다.

연구 방법론
본 연구는 네덜란드 암 연구소(Netherlands Cancer Institute)의 대장암(T3 이상) 환자 86명을 대상으로 하는 전향적, 엑스 비보(ex vivo) 설계를 채택하였다.

• 데이터 수집: 레이저 광원과 두 개의 분광계를 사용하는 광대역 확산 반사 분광법(DRS) 시스템(400–1600 nm)을 사용하였다. 기존의 점 기반 시스템과 달리, 이 설정은 연속적으로 작동하며 초당 5~8개의 스펙트럼을 포착하였다. 측정은 조직 제거 직후의 신선한 적출 검체에 대해 수행되었다.
  • 종양 측정: 육안적 종양 위치 위에서 수행되었다.
  • 비종양 측정: 종양으로부터 최소 1cm 떨어진 건강한 결장/직장 벽 및 지방 조직에서 수행되었다.
  • 볼륨: 총 3 de 7,41개의 스펙트럼이 수집되었다 (비종양 22,451개, 종양 17,290개).
• 그라운드 트루스(Ground Truth): 조직 병리 분석을 바탕으로 조직 라벨을 할당하였다. 스펙트럼은 측정 위치에 종양 조직이 존재할 경우(깊이에 관계없이) "대장암"으로, 그렇지 않을 경우 "비종양"으로 라벨링되었다.
• 데이터 전처리: 스펙트럼은 암흑(dark) 및 백색(white) 참조값에 대해 교정되었으며, 연속적인 400–1600 nm 범위(356개 밴드)를 생성하기 위해 스티칭되었고, 강도 변화를 보정하기 위해 표준 정규 변량(Standard Normal Variate, SNV)을 사용하여 정규화되었다.
• 머신러닝 파이프라인:
  • 특징 선택(Feature Selection): 다섯 가지 전략을 평가하였다: (A) 전체 스펙트럼, (B) 스펙트럼의 1차 미분, (C) LASSO 회귀, (D) 선형 판별 분석(LDA), (E) k-means 스펙트럼 밴드 클러스터링.
  • 분류기(Classifiers): 다섯 가지 모델을 테스트하였다: 선형 SVM, 다항식 SVM, RBF(Radial Basis Function) SVM, 다층 퍼셉트론(MLP), 그리고 랜덤 포레스트(Random Forest).
  • 훈련 전략: 데이터 누수를 방지하기 위해 환자 단위(환자 80% 훈련/검증, 20% 테스트)로 분할하였다. 클래스 불균형을 맞추기 위해 SMOTE(Synthetic Minority Oversampling Technique)를 사용하였다. 견고성을 보장하기 위해 서로 다른 환자 분할에 대해 10회 반복하며 하이퍼파라미터 튜닝(C와 $\gamma$에 대한 그리드 탐색)을 수행하였다.
• 개념 증명(Proof-of-Concept) 테스트: 최종 최적화된 모델은 세 개의 신선한 검체를 대상으로 테스트되었다. 종양 경계를 따라 선형적으로 측정을 수행하였으며, 예측된 조직 유형을 나타내는 청각 신호(음조 변화)를 통해 실시간 피드백을 제공하였다. 예측된 경계는 봉합사로 표시되었으며 육안적 종양 가장자리와 비교되었다.

주요 결과

• 모델 성능: 최적의 구성은 입력 특징으로 스펙트럼의 1차 미분을 사용하고 RBF SVM을 결합한 것이었다.
  • 매튜스 상관 계수(MCC): 0.820 ± 0.015.
  • 민감도(Sensitivity): 0.888 ± 0.015.
  • 특이도(Specificity): 0.928 ± 0.028.
  • AUROC: 0.95.
• 특징 분석: 1차 미분을 사용하는 것이 대부분의 분류기에서 다른 특징 선택 방법(전체 스펙트럼 및 k-means 포함)보다 일관되게 우수한 성능을 보였는데, 이는 노이즈 감소와 미세한 스펙트럼 변화의 강화 덕분인 것으로 보인다.
• 하이퍼파라미터 튜닝: 최적의 성능은 $C=1$ 및 $\gamma=10$에서 달성되었다. 연구에서는 기본 작동 지점이 동결 절편의 특이도(100%)와 일치하지 않음을 언급했으나, 분류 임계값을 조정함으로써 DRS 모델이 동일한 민감도(0.85)를 유지하면서 0.95의 특이도를 달성할 수 있음을 보여주었다.
• 전향적 검증: 신선한 검체를 이용한 개념 증명 테스트에서, 모델은 높은 정확도로 종양 경계를 성공적으로 식려냈으며, 이를 통해 촉각 피드백이 없는 상황에서도 실시간 탐지가 가능하다는 타당성을 입증하였다.

의의 및 주장
저자들은 본 연구가 DRS를 머신러닝과 결结合하여 대장암 수술 시 종양 영역과 비종양 영역을 구별하는 것의 타당성을 입증하는 전향적 개념 증명을 제공한다고 주장한다.

• 임상적 유용성: 이 시스템은 실시간 수술 중 가이드를 위한 잠재적인 해결책을 제공하며, 외과의가 밀리미터 단위의 정밀도가 필수적인 저위 직장암 등의 사례에서 종양학적 안전성과 괄약근 보존 사이의 균형을 맞출 수 있도록 한다.
• 현재 표준 대비 장점: 동결 절편과 달리, DRS는 조직 제거이나 대조제 없이도 즉각적인 결과를 제공한다. 문신(Tattooing)과 달리 잉크 확산 문제로부터 자유롭다.
• 견고성: 연구는 조직의 이질성(예: 신보조 요법 후의 혼합 종양 및 섬유화)이 존재하는 상황에서도 모델이 잘 작동함을 강조하였다. 이는 대장암에서 흔히 발생하는 도전 과제이다.
• 향atic 방향: 저자들은 현재 결과가 유망하지만, 향후 작업은 실제 수술 중 새로운 환자를 대상으로 하는 전향적 검증에 집중해야 한다고 겸허히 밝히고 있다. 또한, 현재의 1~2mm 샘플링 깊이보다 더 깊은 곳에 위치한 종양을 더 잘 탐지하기 위해 더 깊은 침투력을 가진 프로브 설계에 대한 탐구가 필요함을 식별하였다. 이는 T2 종양이나 종양이 현재의 샘플링 구역을 벗어난 시나리오를 고려한 것이다.

본 논문은 이 기술을 사용하여 빠른 수술 중 원위부 절제연 결정이 가능하다는 결론을 내리면서도, 임상 적용 전 추가적인 검증이 필요함을 강조하였다.