MASLD 환자 간암 예측 머신러닝 모델 개발···고위험군 선별 가능성 제시

AI 요약

중앙대병원 이한아 교수 연구팀은 2001~2022년 국내 6개 병원에서 진단된 MASLD 환자 1만 8484명을 대상으로 다기관 코호트를 활용해 HCC 발생 위험을 예측하는 머신러닝 모델을 개발하고 검증했습니다. 12개 임상 변수를 이용해 개발한 네 가지 모델 중 그래디언트 부스팅 머신(GBM)이 학습 코호트에서 C-index 0.95, AUROC 0.98, AUPRC 0.36, 민감도 0.93, 특이도 0.97을 기록했으며 내부 검증에서는 C-index 0.90·AUROC 0.89·AUPRC 0.19로 Cox 회귀 기반 모델보다 우수했고 외부 검증에서도 C-index 0.82~0.88·AUROC 0.83~0.89·AUPRC 0.19~0.25 범위의 판별력을 보였습니다. 간경변증, 연령, 당뇨병, LDL-콜레스테롤 및 항고혈압제 사용은 HCC 위험 증가에 기여했으며 혈소판·알부민 수치가 높을수록 위험은 감소했고 연구팀은 비한국인 집단 외부 검증과 전향적 연구가 추가로 필요하다고 밝혔습니다.