초록 ▼

□ 연구개요
감염병 치료 성공률을 높이기 위한 정밀형 항균제 치료(precision antimicrobial therapy)방법을 제안함. 이에 1) 머신러닝 기반의 항균제 치료 알고리듬 개발, 2) 몬테카를로 시뮬레이션(Monte Carlo Simulation)기반의 항균제 최적 용량의 제안, 3) 환자특이적-항균제스튜어드십 약료서비스 개발 및 임상시험을 진행함.

□ 연구 목표대비 연구결과
❍ 머신러닝 기반의 항균제 치료 알고리듬 개발: 병원성 요로감염 치료를 위한 경험적 항생제 선택을 위해 8개의 항생제와

□ 연구개요
감염병 치료 성공률을 높이기 위한 정밀형 항균제 치료(precision antimicrobial therapy)방법을 제안함. 이에 1) 머신러닝 기반의 항균제 치료 알고리듬 개발, 2) 몬테카를로 시뮬레이션(Monte Carlo Simulation)기반의 항균제 최적 용량의 제안, 3) 환자특이적-항균제스튜어드십 약료서비스 개발 및 임상시험을 진행함.

□ 연구 목표대비 연구결과
❍ 머신러닝 기반의 항균제 치료 알고리듬 개발: 병원성 요로감염 치료를 위한 경험적 항생제 선택을 위해 8개의 항생제와 11개의 균주에 대한 64개의 예측모델을 개발함. 변수의 중요도를 계산하여 설명가능한 예측인자를 산출하고, 이를 이용한 임상 적용이 가능한 환자맞춤형 항생제 감수성 계산기(personalized insusceptibility estimator, PIE) 도구를 개발함.
❍ 몬테카를로 시뮬레이션 기반의 항균제 최적 용량 제안: 지속성 신대체 요법(continuous renal replacement therapy, CRRT)중인 아시아인을 대상으로 Pseudomonas aeruginosa 감염 치료용 항생제 cefepime, ceftazidime, meropenem, piperacilline/tazobactam의 몇가지 상용량과 CRRT의 effluent 속도(Qeff)에 대하여 용량을 도출함. 공격적 목표(fT>4XMIC) 달성은 ceftazidime은 Qeff 20-30 mL/kg/h와 40 mL/kg/h에서 각각 1.25g q8h와 1.5g q8h 이 제안됨. Cefepime 2g q8h과 meropenem 1g q8h은 모든 Qeff에서 적절하였음. 다만, piperacilline은 최대 허가용량에서도 4XMIC의 90%이상의 용량이 도출되지 않음. 또한, ceftazidime과 cefepime의 경우, 공격적 PD 목표에서 치료 48시간 후 독성 증가위험이 있었으며, 특히, cefepime은 fT>1XMIC용량인 2g q12h 에서도 신경독성 발생 위험도가 제시됨.
❍ 환자특이적-항균제스튜어드십 약료서비스 개발 및 임상시험
전향적 검토 및 피드백(prospective audit with feedback, PAF) 약료서비스를 개발하고, 지역기반의 종합병원 두 곳에 도입함. CRRT와 간헐적 신대체요법(intermittent hemodyalisus therapy, IHD)을 치료를 받고 있는 환자를 대상으로 하였음. 중재군은 비중재군에 비교하여 원내 사망률(aOR 0.53, 95%CI 0.33-0.86, p=0.01)과 vancomycin-resistant Enterococcus (VRE) 발생률(aOR 0.33, 95%CI 0.14-0.74, p=0.01)에서 유의적인 감소를 나타냄. 또한 의료진의 항생제 처방의 부적절성이 시간에 따라 유의적으로 감소함(tau –0.246, p=0.04).

□ 연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
❍ 머신러닝 기반의 예측모델을 활용한 병원성 요로감염 치료를 위한 경험적 항생제 선택의 최적화의 가능성을 제시함.
❍ 몬테카를로 시뮬레이션을 활용하여 CRRT 치료중인 중환자의 김염을 유발하는 대표적 병원성 내성균에 대한 항생제 용량을 다양한 조건하여 제시함. 특히 아시안에 대한 적용가능성을 향상한 용량을 제안함.
❍ CRRT와 IHD환자를 타겟환자로 한 PAF항생제 관리프로그램을 지역기반 종합병원 2곴에 도입하고, 임상적 성과를 확인하여 유용성을 입증함.
❍ 새로운 항생제의 국내유통이 전무하며, 높은 내성균 발생률을 고려할 때, 항생제 사용 관리와 치료 결정을 보조할 수 있는 방법이 절실하며, 본 연구의 결과는 이러한 문제의 해결안을 제시하고 있으며, 연구의 기술적 영행 뿐 아니라 임상적 효과와 실 임상현장 적용성을 반영하였다는 점에 중요성이 높음.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1) 목적 ... 4
• 2) 필요성 ... 4
• 3) 가설 ... 4
• 4) 최종목표 ... 5
• 5) 연구범위 ... 5
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 1) 머신러닝 기반의 항균제 치료 알고리듬 개발 ... 5
• 2) 몬테카를로 시뮬레이션 기반의 항균제 최적 용량의 제안 ... 7
• 3) 환자 특이적-항균제 스튜어드십 약료 서비스 개발 ... 8
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 10
• 1) 연구개발성과 ... 10
• 2) 세부 정량적 연구개발성과 ... 14
• 3) 목표 달성 수준 ... 14
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 15
• 4-1) 연구결과의 의미 및 중요성 ... 15
• 4-2) 향후 연구개발성과 활용에 따른 기술적, 사회·경제적 파급효과 ... 17
• 5. 연구개발성과의 관리 및 활용 계획 ... 17
• 5-1) 성과 관리 추진체계, 예상되는 연구개발성과의 활용분야, 활용방안, 추가연구의 필요성, 타 연구에의 응용, 기업화 추진방안, 기술이전 ... 17
• 6. 자체점검표 ... 18
• 7. 참고문헌 ... 19
• [붙임1] 세부 정량적 연구개발성과 ... 21
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 30
• 끝페이지 ... 45