기계 학습은 EHR 데이터를 사용하여 식도암, 위암을 예측합니다

출처: 게티 이미지

샤니아 케네디

2023년 8월 28일 - 최근 Gastroenterology에 발표된 연구에 따르면 기계 학습(ML) 모델은 공식 진단 3년 전에 식도 선암종(EAC)과 위 심장 선암종(GCA)을 자동으로 예측할 수 있습니다.

연구자들은 지난 50년 동안 미국과 기타 서구 국가에서 EAC 및 GCA 비율이 크게 증가하여 향상된 검사의 필요성이 촉진되었음을 지적했습니다.

미시간 의과대학 내과 교수인 조엘 루벤스타인(Joel Rubenstein) 박사는 “검진을 통해 환자의 전암성 변화인 바렛 식도(Barrett’s esophagus)”를 확인할 수 있으며, 이는 장기간 위식도 역류 질환(GERD)이 있는 개인에게서 때때로 진단되기도 합니다. 연구를 자세히 설명하는 보도 자료에서 Charles S. Kettles 임상 관리 연구 재향군인회 센터의 과학자.

이러한 암을 조기에 발견하면 환자와 치료 팀이 진행을 예방하기 위한 조치를 취하는 데 도움이 될 수 있지만, 많은 서비스 제공자는 관련 검사 지침을 인식하지 못합니다. 그 결과, 결국 EAC나 GCA로 진단된 많은 환자들은 어떤 검진도 받지 않은 것으로 밝혀졌다”고 그는 덧붙였다.

이 문제를 해결하기 위해 연구팀은 임상 의사 결정을 안내하는 데 도움이 되도록 EHR에 내장할 수 있는 자동화된 도구를 구축하려고 했습니다.

결과 모델인 Kettles Esophageal and Cardia Adenocarcinoma 예측(K-ECAN)은 VHA(재향군인 건강 관리국) Corporate Data Warehouse의 데이터를 사용하여 교육되었습니다. 거기에서 EAC 진단을 받은 환자 8,430명과 GCA 진단을 ​​받은 환자 2,965명이 VHA 중앙 암 등록부에서 확인되었으며 대조군 10,256,887명과 비교되었습니다.

Rubenstein은 “K-ECAN은 환자 인구 통계, 체중, 이전 진단 및 일상적인 실험실 결과와 같이 EHR에서 이미 쉽게 사용할 수 있는 기본 정보를 사용하여 개인의 식도 선암종 및 위 심장 선암종 발병 위험을 결정합니다.”라고 Rubenstein이 말했습니다.

이는 의료 제공자가 각 환자의 위험을 더 잘 판단하는 데 도움이 될 수 있습니다.

“가슴 쓰림과 같은 GERD의 증상은 식도 선암종의 중요한 위험 요소입니다.”라고 Rubenstein은 말했습니다. “그러나 GERD 증상이 있는 대부분의 사람들은 식도 선암종과 위 심장 선암종이 결코 발생하지 않습니다. 또한 이러한 형태의 암 환자 중 약 절반은 이전에 GERD 증상을 전혀 경험한 적이 없습니다. GERD 증상 유무에 관계없이 위험이 높은 사람들을 식별할 수 있기 때문에 K-ECAN이 특히 유용합니다.”

이 모델은 기존 가이드라인과 이전에 검증된 2개의 예측 모델보다 더 나은 식별력을 보이는 것으로 나타났으며 루벤스타인은 K-ECAN이 “진단 ​​전 최소 3년 전에 암을 정확하게 예측할 수 있다”고 지적했다.

연구팀은 K-ECAN과 같은 도구를 EHR에 통합하면 환자가 대장 직장 검진을 받아야 할 때와 같은 적절한 시기에 자동 알림을 통해 어떤 환자가 EAC 또는 GCA의 위험에 처해 있는지 제공자에게 경고하는 데 도움이 될 수 있다고 밝혔습니다.

그렇게 하면 이러한 암의 부담을 크게 줄일 수 있다고 그들은 제안했습니다.

앞으로 연구원들은 VHA 외부에서 K-ECAN을 검증하기 위해 노력할 것입니다.

ML을 사용하여 암 치료를 개선하려는 다른 노력도 진행 중입니다.

이달 초, 연구자들은 새로운 치료법(LOT)을 시작하는 진행성 암 환자의 6개월 사망 위험을 예측하기 위해 개발된 ML 모델을 외부에서 검증했습니다.

이 모델은 원래 다양한 치료 결정 지점(TDP)에서 제공자와 환자 간의 심각한 질병 대화를 촉진하기 위해 환자의 사망 위험을 분류하기 위해 구축되었습니다.

이 모델은 FHIR(Fast Healthcare Interoperability Resources) 표준을 통해 구현 가능한 EHR에서 수집된 45가지 기능을 사용하며 환자 사망 위험을 정확하게 분류하는 것으로 확인되어 종양 치료에서 이러한 도구의 잠재력을 강조합니다.