대장암 치료 결과를 예측할 수 있는 ‘근골격지수(SMG)’를 컴퓨터단층촬영(CT) 없이도 보다 간편하게 추산할 수 있는 알고리즘이 개발됐다.

연세대 강남세브란스병원은 강정현 대장항문외과 교수 연구팀이 기계학습(머신러닝)을 이용해 근육량을 예측할 수 있는 알고리즘을 개발해 국제학술지 ‘뉴트리션(Nutrition)’에 게재했다고 1일 밝혔다.

암 환자의 골격근은 치료 예후와 관련이 깊다. 근육에 침착된 지방은 많고, 근육량은 적을수록 치료의 경과와 결과가 좋지 않다. 특히 대장암 환자에서 CT를 통해 확인되는 근지방 증가 및 근육량 감소는 환자의 나쁜 예후와 관련이 있는 것으로 알려져 있다. 이 때문에 대장암 환자의 근육량 감소를 알 수 있는 근골격지수 같은 지표가 활용됐으나 CT 검사를 해야만 측정이 가능하다는 한계가 있었다. 통상 수술을 하기 전에는 필수적으로 CT 검사를 시행하지만, 수술 이후에는 비용 문제와 방사선 노출 등 환자의 불편감 때문에 이 검사를 잘 진행하지 않는다.

이에 연구진은 피검사를 통해 확인할 수 있는 염증 관련 지표를 바탕으로 환자의 고유한 특성을 추출한 뒤 근골격지수를 예측하는 알고리즘을 개발했다. 연구에는 강남세브란스병원에서 치료받은 대장암 환자 1094명의 데이터가 활용됐다. 환자군을 예측 방법을 생성하기 위한 그룹(656명)과 예측모델을 적용해보는 그룹(438명)으로 나누어 연구를 진행한 결과, 실제 알고리즘을 적용한 그룹에서 민감도·특이도를 종합한 값이 86.9%로 가장 높게 나타났다. 알고리즘 생성 전 그룹에서도 해당 값은 84.6%로 우수한 결과를 보여 다른 지표들인 혈액검사 수치나 성별·키·몸무게 등의 임상 지표보다도 더 나은 예측 능력을 보였다.

강정현 교수는 “이번에 개발한 알고리즘은 근감소증 상태를 감지하기 위한 선별도구로 채택될 수 있다는 장점을 보인다”며 “무엇보다 CT를 이용한 진단 시 동반되는 비용 및 방사선 노출의 어려움을 극복해 환자의 불편감을 줄이고 예후를 예측할 수 있다”고 말했다.