대장암 진단 후 ‘간 전이’ 걱정된다면? MRI 데이터가 알려주는 정밀 예측의 힘

중국의 북사천 의과대학 부속 병원과 남충 중심 병원 연구진은 대장암 환자의 간 전이 여부를 사전에 예측할 수 있는 MRI 라디오믹스(Radiomic) 모델의 효능을 입증하는 연구 결과를 발표했습니다. 이 연구는 한국 의료 현장에서 암 환자의 전이 위험을 조기에 선별하고 맞춤형 치료 계획을 수립하는 데 있어 중요한 기술적 시사점을 제공합니다.

대장암 간 전이 예측을 위한 연구 설계

이번 연구에는 확진된 대장암(CRC) 환자 194명의 데이터가 활용되었습니다. 연구진은 북사천 의과대학 부속 병원(Unit 1)에서 159명, 남충 중심 병원(Unit 2)에서 35명의 환자를 모집하여 각각 훈련 코호트와 독립 외부 검증 코호트로 나누어 분석을 진행했습니다.

참여 환자 중 86명은 간 전이가 발생한 상태였으며, 108명은 전이가 없는 상태였습니다. 연구진은 단변량 및 다변량 분석을 통해 환자들의 임상적 위험 요인을 조사하고, MRI 영상을 통해 암의 특징을 정밀하게 추출했습니다.

MRI 영상 시퀀스와 라디오믹스 특징 추출

연구진은 지방 억제 T2 가중 영상(T2WI)과 확산 강조 영상(DWI) 시퀀스에서 라디오믹스 특징을 추출했습니다. 이는 단순한 시각적 판독을 넘어 영상 속의 수치적 데이터를 분석하는 고도화된 방식입니다.

이후 LASSO(Least Absolute Shrinkage and Selection Operator) 회귀 분석을 사용하여 각 시퀀스별로 가장 유효한 11가지의 라디오믹스 특징을 선별했습니다. 이를 통해 T2WI 모델, DWI 모델, 그리고 두 시퀀스를 결합한 통합 라디오믹스 모델(M)을 구축했습니다.

임상 지표와 영상 데이터의 결합

연구 결과, 혈액 내 종양 표지자인 암태아성 항원(CEA)이 간 전이 발생의 독립적인 임상적 위험 요인으로 식별되었습니다. 연구진은 라디오믹스 데이터에 이 임상적 요인을 결합한 통합 영상-임상 모델(U)을 최종적으로 완성했습니다.

각 모델의 성능은 ROC 곡선 아래 면적(AUC) 수치로 평가되었습니다. 훈련 코호트 기준, 임상 모델은 0.755, T2WI 모델은 0.834, DWI 모델은 0.844의 AUC를 기록했습니다. 라디오믹스 통합 모델(M)은 0.853을 기록하며 성능이 점차 향상되었습니다.

최고 성능의 ‘U 모델’과 개인별 맞춤 치료

연구의 핵심은 영상 데이터와 임상적 위험 요인을 결합한 ‘U 모델’이 가장 높은 예측 정확도를 보였다는 점입니다. U 모델은 훈련 코호트에서 0.890, 외부 검증 코호트에서 0.842의 AUC를 달성하여 단일 시퀀스 모델보다 뛰어난 성능을 입증했습니다.

연구팀은 원발성 대장암 병변의 MRI 영상 특징과 임상 지표를 통합한 이 모델이 대장암 환자의 간 전이를 정확하게 예측함으로써, 임상 의사가 환자 개개인에게 최적화된 맞춤형 치료 전략을 수립하는 데 큰 도움을 줄 수 있을 것이라고 결론지었습니다.

이번 연구는 인공지능과 데이터 분석 기술이 결합된 라디오믹스가 암 전이 예측의 정밀도를 획기적으로 높일 수 있음을 보여주며, 향후 정밀 의료의 핵심 도구로 자리 잡을 것임을 시사합니다.