대장암 간 전이 절제술 후 재발 예측을 위한 인공지능의 활용 (AI-RECOLMET)

대장암(CRC)은 전 세계에서 세 번째로 흔한 암이자 암 관련 사망 원인 중 네 번째로 흔한 원인입니다. 생존은 주로 질병의 단계와 전이 유무에 의해 결정됩니다. 전이성 대장암 환자의 5년 생존율은 12-19%인 반면 국소성 질환 환자의 경우 90%이며, 대장암 간 전이(CRLM)는 대장암 환자의 30-50%에서 발생하며 대장암 관련 사망의 3분의 2를 차지합니다. CRLM 치료의 최근 발전으로 환자의 전체 생존율(OS)이 6개월에서 5년 생존율 25-40%로 증가했습니다. 화학요법과 간 절제술의 병용 치료는 CRLM 환자에게 가장 높은 생존 이점을 제공하는 치료 옵션으로 남아 있습니다. 수술이 여전히 인정받는 유일한 잠재적 치유 치료인 반면, 현대 화학요법은 생물학적 약물의 도입 덕분에 간 전이 환자에게 더 나은 반응과 생존율을 이끌어냈으며, 이는 절제 가능성 비율(즉, 약물 치료 후 세포감소술 덕분에 수술 가능해진 환자 수)을 증가시키는 데에도 기여했습니다.

간의 전이가 완전히 제거될 수 있다면(이에 대한 의학 용어는 "절제술") 최대 30%의 환자가 치유될 수 있습니다. 수술을 고려하기 위해서는 기술적 관점에서 종양학적 질환이 근본적으로 절제 가능해야 합니다. 동시에, 절제 후 생명을 유지하기 위해 충분한 양의 정상 간 조직이 남아 있어야 합니다. 열 절제술, 화학 색전술 및 방사선 치료를 포함한 국소 치료도 기존의 치유적 치료 대안으로 CRLM 환자를 관리하는 데 사용됩니다. 특히, CRLM의 국소 치료는 고주파 기반 또는 마이크로파 기반 열 절제술의 이점을 누릴 수 있습니다. 실제로, 절제술이 절제 가능한 간 전이에 대한 선호되는 국소 치료로 남아 있지만, 절제술은 선택된 환자에서 유사한 이점을 제공하여 건강한 간 실질을 보존하는 데 도움을 줄 수 있습니다.

예후의 이러한 상당한 개선에도 불구하고, 많은 비율의 환자(거의 절반)가 여전히 국소 치료의 병합 후 재발을 경험할 것입니다. 비수술적 치료의 개선으로 재발한 환자는 절제술 대신 비수술적 치료를 받을 수 있습니다. 따라서, 수술 주변기 합병증/사망 위험과 재발 위험을 균형 있게 조정하여 치료 후 예후를 정확히 예측함으로써 환자에 대한 치료 전략을 최적으로 정의하는 것이 매우 중요합니다. 이러한 재발 환자를 사전에 식별하는 것은 무의미한 수술을 피하거나 그들을 약물적 보조(즉, 수술 후) 치료에 할당하는 데 결정적일 것입니다.

대부분의 CRLM 환자는 약 60%의 경우에서 반응 확률을 가진 수술 전 화학요법 프로그램을 받습니다. 화학요법 프로그램의 의료 및 생물학적 비용은 상당합니다. 더욱이, 현재 여러 화학요법 요법이 존재하지만, 어떤 환자에게 어떤 요법이 효과적인지를 나타내는 데이터가 부족합니다. 이러한 반응 환자를 사전에 식별하는 것은 임상적 이점 없이 무의미한 화학요법 치료를 피하고, 그들을 약물적 신보조(즉, 수술 전 치료)에 할당할지 여부를 선택하고 보조 요법을 선택하는 데 매우 결정적일 것입니다. 차례로, 가장 적절한 치료 접근법을 선택하기 위해 조기에 반응자와 비반응자를 구별하는 것이 중요합니다.

방사선학적 영상 외에도 환자와 질병의 임상적 특성은 질병의 범위를 평가하고, 치료 반응을 평가하며, 약물 독성과 재발을 식별하는 데 필수적인 도구임이 입증되었습니다. 일부 연구는 질감 특징 분석이 방사선 전문의가 시각적으로 감지하기 전에 간 전이를 정량적으로 감지할 수 있다고 제안합니다. 그러나, 이러한 전통적 요소만으로 CRLM 예후를 예측하는 데는 한계가 있습니다. 다인자 예후 점수 시스템이 최근 몇 년간 간 절제 후 잠재적 재발 예측인자로 개발되었지만, 이들은 여전히 적용 가능성, 민감도 및 특이도에서 한계를 가지고 있습니다. CRLM 환자를 위한 새로운 정확한 예후 지표가 시급히 필요합니다. 특히, 치료 및 자원에 대한 위험 기반 할당을 정교화하기 위해 국소 치료(열 절제술 유무에 관계없이 간 절제술) 후 질병 재발 가능성이 다르고 화학요법 치료에 대한 반응이 다른 환자를 사전에 식별하는 임상적 필요가 있습니다. 알려진 바와 같이, 인공지능(AI)은 인간 지능과 행동을 모방하여 인간이 특정 작업을 수행하는 것을 돕는 것을 목표로 하는 컴퓨터 과학의 한 분야입니다. 의료의 광범위한 디지털화는 방대한 양의 데이터를 생성하며, 접근 가능한 고성능 컴퓨팅과 함께 AI 기술은 국소 및 화학요법 치료 후 CRLM 재발 및 반응 추정의 실제적 한계를 극복하여 현재 관행에 비해 치료에 대한 더 정교한 할당에 도달할 수 있습니다.

컴퓨터 단층촬영(CT)은 대부분의 CRLM 환자에서 병기 결정 및 추적 관찰을 위한 선택된 영상 기법입니다. 그러나, 많은 요소가 재발과 전체 생존율에 영향을 미칠 수 있습니다. 예를 들어, 최대 25%의 병변이 발견되지 않을 수 있습니다. 한 메타분석은 조영증강 CT가 간 병변 감지에 대해 각각 82%와 84%의 민감도와 특이도를 가진다고 보고했습니다. 그러나, 1cm 미만의 병변에 대해서는 민감도가 31-38%로 떨어집니다. MRI는 CRLM을 감지하는 가장 정확한 방식입니다; 그러나, 실제로는 일반적으로 보조 도구로 사용됩니다. MRI는 10mm보다 작은 병변도 감지하고 특성화할 수 있는 장점과 방사선 위험이 없다는 장점이 있습니다. 간세포 특이적 조영제는 간 전이 감지에 95%의 민감도를 가집니다.

그 가치에도 불구하고 시각적 CT 및 MRI 평가는 국소 종양 진행의 높은 위험을 나타낼 수 있는 병변 내 관류 또는 괴사 변화와 같은 미세 구조적 변화를 평가하는 데 실패합니다. 또한, 나쁜 영상 품질은 모든 전이를 인식하지 못하게 할 수 있습니다. 따라서, 질감 분석 또는 라디오믹스를 사용하여 영상 품질을 최적화하고 정량적 영상을 사용하기 위한 AI 기반 도구 사용에 대한 관심이 증가하고 있습니다. 라디오믹스는 기계 학습(ML) 모델과 결합하여 의학 영상에서 대량의 정량적 특징을 추출하여 임상 종점을 예측하는 것을 포함합니다. 최근, 라디오믹스는 다른 종양 유형에서 임상 결과에 대한 예후/예측 지표 및 마이크로파 절제술로 치료된 CLRM에 대한 유망한 결과를 가진 생존 분석으로 연구되었습니다. 그러나, 간 및 CRLM에 대한 증거는 거의 없으며 일부 연구는 질감 특징 분석이 방사선 전문의가 임상 접근법을 수정하는 데 정량적으로 도움을 줄 수 있다고 제안합니다.

모든 라디오믹 특징은 또한 방사선 전문의가 시각적으로 감지하기 전에 간 전이를 감지하는 것을 목표로 하는 신경망을 훈련하는 데 도움을 줄 수 있습니다.

따라서, 이 연구는 다인자(임상 및 라디오믹스를 포함) ML 모델이 화학요법 후 진행 위험이 높고 간 절제 후 재발 위험이 높은 CRLM 환자를 식별할 수 있는지 평가하는 것을 목표로 합니다. 모델링 단계는 Azure 클라우드의 Azure Machine Learning을 기반으로 하는 D34Health의 S-RACE에서 진행되며, 컴퓨팅 인스턴스 및 Jupyter 노트북과 같은 모델링 도구와 내장된 협업 및 개인 정보 보호 도구가 결합된 문제 모델링에 필요한 유용한 도구와 방법을 제공합니다.

또한, 임상 데이터의 부가 가치는 더 나은 결과 예측을 위한 임상 및 결합 모델을 구축하는 데 사용될 수 있습니다.

이 연구는 관찰적, 후향적, 단일 중심 연구로 구성됩니다. CRLM에 영향을 받고 우리 병원 환경에서 간 절제술을 받은 대상자는 적격 기준에 따라 선택될 것입니다.