비소세포폐암 구역절제술을 받은 환자의 예후를 예측할 수 있는 새로운 방법이 제시됐다. 최근 국내 연구진이 개발한 딥러닝 예측 모델이 비소세포폐암 환자의 재발률을 우수한 민감도로 예측해냈다.
서울대병원 영상의학과 김형진 교수·심장혈관흉부외과 나권중 교수 공동 연구팀은 수술 전 전산화단층촬영술과 임상 및 영상 정보를 활용한 딥러닝 모델을 개발하고, 비소세포폐암 구역절제술을 받은 환자를 대상으로 예후를 예측한 결과를 24일 발표했다.
폐암 수술은 환자의 병기, 유착 상태, 암의 위치 등을 고려해 절제 여부와 범위를 결정하며, 절제하는 범위에 따라 전폐절제술, 폐엽절제술, 양엽절제술, 구역절제술 등으로 구분된다. 암이 존재하는 폐엽 전체를 떼어내면 폐엽절제술, 폐엽 내에서 암이 존재하는 구역 단위로 떼어내면 구역절제술이라고 한다.
1995년 발표된 Lung Cancer Study Group 임상시험 이후 초기 폐암의 표준 수술법으로는 폐엽절제술이 주로 사용됐으나, 조기 폐암 진단의 증가와 영상기술의 발전으로 최근 두 건의 주요 임상시험에서는 일부 조기 비소세포폐암에 구역절제술이 효과적인 치료법이 될 수 있다는 사실이 밝혀졌다.
다만, 조기 폐암을 성공적으로 절제하더라도 상당수의 환자에서 수술 후 재발이 발생한다. 따라서 폐암 절제 후의 재발 혹은 완치 가능성을 수술 전에 파악할 수 있다면, 수술 방법이나 추가적인 치료 계획을 수립하는 데 도움이 될 수 있다. 하지만 지금까지는 수술 전 병기설정 외에는 예후를 예측할 수 있는 뚜렷한 방법이 없었다.
이에 연구팀은 임상 1A기 비소세포폐암으로 구역절제술을 받은 환자들의 예후 및 위험도를 계층화하기 위해 수술 전 CT 스캔과 임상 및 방사선 정보를 활용한 딥러닝 모델을 개발했다.
연구팀은 2008년 1월부터 2017년 3월까지 서울대병원에서 신보조요법 없이 폐엽절제술을 받은 1756명의 원발성 비소세포폐암 환자를 대상으로 모델을 사전 훈련시킨 후, 임상 1A 환자만을 대상으로 전이 훈련을 실시했다.
모델 훈련 이후 연구팀은 구역절제술 시행군의 예후를 파악하기 위해 2010년 1월부터 2017년 12월까지 구역절제술을 받은 222명을 대상으로 각각 2년, 4년 무재발 생존율과 4년, 6년의 폐암 특이 생존율 및 전체 생존율을 분석했다.
데이터 세트 | AUC (Area Under Curve) | 민감도(%) | 특이도(%) | 컷오프(%) | |
구역절제술 테스트 (n=222) | 무재발 생존율 | | |||
2년 | 0.86 | 87.4 | 66.7 | 1.36 | |
4년 | 0.85 | 86.4 | 69.0 | 4.36 | |
폐암 특이 생존율 | | ||||
4년 | 0.90 | 100 | 66.5 | 4.36 | |
6년 | 0.86 | 89.9 | 67.3 | 7.74 | |
전체 생존율 | | ||||
4년 | 0.72 | 71.4 | 65.9 | 4.36 | |
6년 | 0.78 | 76.1 | 67.3 | 7.74 | |
[표1] 구역절제술 테스트에서 딥러닝 모델 기반 위험 점수를 사용한 예후 예측
분석 결과, 구역절제술 후 2년 무재발 생존율에 대한 이 모델의 성능은 AUC 0.86, 민감도 87.4%, 특이도 66.7%로 나타났다. 이는 예측 모델이 구역절제술 후 2년 내 주로 발생하는 재발을 87.4%의 민감도로 진단해냈다는 것을 의미한다고 연구팀은 설명했다. 이러한 수치는 기존에 일본 임상 종양학 그룹(JCOG)에서 제시했던 구역절제술 대상자 선정 기준의 민감도(37.6%)보다 더 높았으며, 특이도는 비슷한 수준이었다.
이번 연구 결과는 예측 모델이 구역절제술을 받은 임상 1A기 비소세포폐암 환자 중 재발에 취약한 고위험군을 식별해 세밀한 치료 계획을 세우는 데 도움이 될 수 있다는 것을 의미한다고 연구팀은 강조했다.
영상의학과 김형진 교수는 “예측 모델을 활용하면 구체적인 조기 폐암 치료 계획을 구축하는 데 도움이 될 것”이라며 “이번 연구 결과가 향후 구역절제술 및 쐐기절제술의 적응증을 미세 조정하는 하나의 방법으로 활용 되기를 기대한다”고 말했다.
이번 연구 결과는 영상의학분야 국제학술지 ‘래디올로지(Radiology)’ 최근호에 게재됐다.
