갑상선 전절제술 후 저칼슘혈증 예측 인공지능 모델 개발

주장기계학습 기반 모델은 갑상선 전절제술 후 발생하는 일시적 저칼슘혈증의 위험을 조기에 예측하는 데 효과적입니다. 이러한 모델은 임상 현장에서 의료진의 의사결정을 돕는 도구로 활용됩니다.

팩트연구진은 2014년 1월부터 2024년 1월까지 브라질 상파울루 소재 에이시 카마르고 암 센터에서 치료받은 환자 7,066명의 데이터를 분석했습니다. 해당 데이터에는 수술 전과 수술 중, 수술 후 건강 기록이 포함됩니다.

팩트모델의 성능을 검증하고자 새로 수술을 받은 환자 149명을 대상으로 전향적 검증을 수행했습니다. 검증 대상 중 31명의 환자가 일시적 저칼슘혈증을 겪었습니다.

팩트수술 후 모델 성능 평가 결과, 곡선 아래 면적은 0.94를 기록했습니다. 정밀도는 0.88로 나타나 임상적으로 높은 예측 정확도를 보입니다.

팩트기존 위험 요인인 낮은 부갑상선 호르몬 수치와 양측 경부 림프절 절제술이 이번 연구에서도 주요 인자로 재확인되었습니다. 이는 인공지능 모델의 예측 결과가 기존 의학적 지식과 일치함을 의미합니다.

팩트연구진은 수술 시간 연장과 수술 시작 시간, 외과의의 업무 부하가 저칼슘혈증 발생에 영향을 미치는 새로운 위험 요인임을 밝혀냈습니다. 이는 수술 환경이 환자의 예후에 직접적인 영향을 미침을 시사합니다.

교차검증기계학습 모델은 높은 예측력을 보이지만, 실제 임상 적용을 위해서는 설명 가능한 인공지능 기술과의 통합이 필수적입니다. 의료진이 모델의 판단 근거를 이해해야만 신뢰할 수 있는 임상 개입이 가능합니다.

주장이번 연구는 인공지능이 단순한 데이터 분석을 넘어 환자 개인별 맞춤형 수술 후 관리 전략을 수립하는 데 기여함을 보여줍니다. 이는 향후 외과 분야에서 데이터 기반의 정밀 의료를 실현하는 중요한 사례가 됩니다.

교차검증본 연구는 특정 암 센터의 데이터를 기반으로 수행되었으므로 다양한 의료 환경과 인구 집단에 일반화하기 위해서는 추가적인 다기관 검증 연구가 필요합니다. 또한 모델의 예측 결과가 실제 환자의 치료 결과 개선으로 이어지는지에 대한 장기적인 추적 관찰이 필요합니다.

출처사이언티픽 리포트(Scientific Reports)에 게재된 카르발류 등의 논문 'Artificial intelligence for predicting transient hypocalcemia after total thyroidectomy'를 교차 검증했습니다.