초록 ▼

연구개요
타크로리무스는 신장이식 후 사용하는 대표적인 면역억제제로 혈중 약물농도가 너무 낮을 경우 급성 거부반응으로 이식에 실패할 수 있고, 너무 높을 경우 독성작용으로 인한 신손상이 문제가 될 수 있어 용량 설정이 중요하다. 경험적으로 용량을 정해 투여한 후 반복적 치료적 약물 모니터링으로 용량을 조절해가는 기존의 방식은 최초 용량 설정이 어렵고, 환자 상태가 변화할 때 적정 용량을 예측하기 어려운 한계점이 있다. 또한, 현재까지는 약물 부작용을 예측할 마땅한 방법이 없는 상황이다.
기존에 신장이식을 받고 타크로리무스를

연구개요
타크로리무스는 신장이식 후 사용하는 대표적인 면역억제제로 혈중 약물농도가 너무 낮을 경우 급성 거부반응으로 이식에 실패할 수 있고, 너무 높을 경우 독성작용으로 인한 신손상이 문제가 될 수 있어 용량 설정이 중요하다. 경험적으로 용량을 정해 투여한 후 반복적 치료적 약물 모니터링으로 용량을 조절해가는 기존의 방식은 최초 용량 설정이 어렵고, 환자 상태가 변화할 때 적정 용량을 예측하기 어려운 한계점이 있다. 또한, 현재까지는 약물 부작용을 예측할 마땅한 방법이 없는 상황이다.
기존에 신장이식을 받고 타크로리무스를 투여받은 환자의 임상정보, 최종적으로 결정된 적정 용량, 부작용 발생 여부 데이터를 기반으로 머신러닝 알고리즘을 개발해 환자의 임상정보를 바탕으로 적정 용량을 추천해주고 부작용 발생 위험성을 예측해주는 타크로리무스 맞춤 치료 알고리즘을 개발하고자 하였다.

연구 목표대비 연구결과
전자의무기록에서 환자의 임상 정보를 추출하여 각 환자의 항정상태 타크로리무스 처방 용량을 이용해 머신러닝을 이용한 예측 모델을 개발하였다. 환자의 임상 정보를 수집해 머신러닝 알고리즘이 학습 가능한 형태로 가공한 후, random forest, support vector regression, LASSO, artificial neural network, gradient boosting machine에 대해 5-fold nested cross validation을 이용해 임상정보를 이용한 항정상태 용량을 추정할 수 있는 모델을 개발하였다.
이중 가장 정확도가 높은 모델에 대하여 추가적으로 변수중요도와 각 변수별 부분의존성 플롯을 이용해 각 임상정보가 모델에 어떤 형태로 반영되어있는지 설명하여 이를 임상의사가 용량결정 의사결정에 이용할 수 있는 형태로 보고하도록 하였다.
결과적으로 GBM 모델이 예측력이 가장 좋았으며, 여러 가지 환자 임상 정보 중 나이가 가장 큰 영향을 미치는 것으로 분석되었다. 그러나 GBM 모델의 예측 정확도는 60.2%로 가장 97명이라는 작은 숫자의 환자 데이터로는 임상에서 사용할 수 있는 수준의 성능이 나오지는 않았다.

연구개발결과의 중요성
본 연구는 기존의 혈중 농도 약물 측정 후 약물 처방 용량을 적정해나가는 기존의 치료 방법에서 벗어나 환자의 임상 정보를 종합해 머신러닝을 이용해 예측하는 연구이다. 기업에서 사용하는 머신러닝 예측모델은 의학 정보와 달리 데이터의 숫자와 관찰하는 특성의 종류가 매우 크다. 그러나 의학 데이터의 경우 특정 조건을 만족하는 환자군의 데이터를 수집하는 경우 환자 수도 수백개 수준으로 적은 경우가 대부분이고, 수집할 수 있는 환자의 임상 정보(변수)에도 한계가 있을 수밖에 없다.
한정된 데이터에서 임상적으로 도움이 되는 정보를 최대한 많이 추출하기 위한 방법으로 nested k-fold cross validation을 사용하는 것, 그리고 각 변수의 중요도를 상대적 수치로 계산하고, 추가적으로 부분의존성 플롯을 이용해 환자의 각 특징이 약물 처방에 어떤 형태로 영향을 미치는지 구체적으로 시각화하는 것이 가능하였다.
결과적으로 GBM 기반의 머신러닝 예측 모델은 정확도가 60.2%로 매우 저조하였다. 이 수치는 집단연구 형태로 더 체계적으로 데이터를 수집하면 본 연구방법에서 제안하는 연구방법론을 적용해 성능을 끌어올리고, 실질적으로 적용 가능한 형태로 개선해나갈 수 있을 것으로 기대된다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구수행내용 및 연구결과 ... 5
• 2-1. 머신러닝 모델링 방법론 개발 ... 5
• 2-2. 타크로리무스 용량 추정 모델 ... 7
• 3. 연구개발결과의 중요성 ... 9
• 4. 참고문헌 ... 10
• 5. 연구성과 ... 11
• 대표적 연구실적 ... 12
• 끝페이지 ... 12