골대사
안창호(서울의대 분당서울대병원 내분비내과)
FRAX 저활용을 돕기 위한 컴퓨터 단층 촬영 스캔을 사용한 자동화된 골다공증 골절 위험 평가
Automated opportunistic osteoporotic fracture risk assessment using tomography scans to aid in FRAX underutilization
Nat Med. 2020 Jan;26(1):77-82. doi: 10.1038/s41591-019-0720-z. Epub 2020 Jan 13
최근 10년사이 다양한 연구에서 딥러닝 알고리즘의 효용성이 입증되면서 현실 세계의 다양한 문제를 해결하기 위해서 인공지능/기계학습을 활용하는 움직임이 활발하게 이루어지고 있다. 본 연구는 복부 또는 흉부 CT 영상을 머신러닝으로 분석하여 골다공증성 골절을 예측하는 모델을 만들고 그 정확도를 분석한 연구이다.
이스라엘의 Clalit Health Sevice(이스라엘의 의료보험 프로그램 중 하나)에 속한 멤버 110만명중에서 골절에 대한 follow-up 데이터가 있고, 분석에 포함된 index 날짜(2012년 1월 1일) 이전에 복부 또는 흉부 CT가 있는 환자를 분석대상으로 하였다. 55,527명의 환자가 연구 대상이었는데, 이 중에서 CT 퀄리티 등의 이유로 CT 기반 골절 예측 AI 모델로 분석이 가능했던 환자가 48,227명으로 이 환자들를 대상으로 DXA값이 없는 FRAX score, CT 기반 골절 예측 AI 모델 점수, FRAX + CT 기반 예측 모델 점수의 3가지 예측 모델이 major osteoporotic fracture와 hip fracure의 향후 5년내 발생을 예측하는 예측력을 비교하였다.
본 연구에서 개발한 CT 기반 골절 예측 AI 모델은 복부 또는 흉부 CT영상을 3가지 방향으로 접근하여 골절을 예측하였다. 첫번째는 복부 또는 흉부 CT에서 촬영된 thoracolumbar spine 중 어느 곳에서라도 척추 골절이 있는지를 자동으로 detection 하는 모델, 두번째는 복부 또는 흉부 CT에서 촬영된 Lumbar spine (흉부 CT의 경우 적어도 L1은 포함된 CT를 분석에 사용함)의 골밀도 T score를 시뮬레이션하는 모델, 세번째는 Lumber spine의 axial image에서 trabecular area의 density를 계산하는 trabecular density score 모델이다. 이 3가지를 종합하여 최종적인 골절 예측 score는 로지스틱 회귀 모델을 바탕으로 계산하도록 하였다. CT 기반 모델의 골절 예측 점수 계산에는 CT 영상 외에는 환자의 나이, 성별 정보만 포함되었다.
분석 대상 환자의 평균 나이는 69세로 이 중 10.6%에서 major osteoporosis fracture가 발생했고 3.9%에서는 Hip fracture가 발생하였다. Major osteoporotic fracture 예측의 ROC 커브 AUC 값은 FRAX score는 0.691 (0.680-0.702), CT 기반 예측모델은 0.709 (0.699-0.720), FRAX + CT 모델은 0.723 (0.713-0.733)으로 CT 예측 모델이 FRAX 보다 예측력이 높았고 이는 통계적으로 유의한 차이였다. Hip fracture에 대해서도 FRAX 모델, CT 모델, FRAX+CT모델의 ROC 커브 AUC 값은 0.751, 0.760, 0.772로 나타났고 CT 모델이 FRAX 보다 유의하게 높은 값을 보였다. 예측된 fracture risk와 실제 fracture 발생률을 비교 하였을때 FRAX는 전체적으로 골절 발생을 과소평가한데 반해서 CT 모델은 더 좋은 calibration을 보여주었다.
본 연구에서 사용된 CT 모델은 여러가지 목적으로 흔히 시행되는 일반적인 복부 또는 흉부 CT에서 자동으로 골절 위험도를 예측해주는 모델이다. 비록 FRAX에 비해서 두드러지게 높은 예측력을 보여주진 않았지만, CT 이미지와 나이, 성별 외에는 다른 어떤 추가적인 정보도 없이 높은 골절 예측력을 보여준다는 점에서 의의가 있다고 생각되고, 향후 머신러닝 기법의 발전과 함께 골대사질환에서도 그 활용이 기대된다.
골절 위험 감소를 위한 바이오 마커로서 골밀도의 치료 관련 변화 : 여러 무작위 대조 시험에서 개별 환자 데이터의 메타 회귀 분석
Treatment-related changes in bone mineral density as a surrogate biomarker for fracture risk reduction: meta-regression analyses of individual patient data from multiple randomised controlled trials
Lancet Diabetes Endocrinol. 2020 Aug;8(8):672-682. doi: 10.1016/S2213-8587(20)30159-5
낮은 골밀도는 골절의 중요한 위험인자임이 잘 알려져 있고, DXA를 이용한 골밀도 측정은 골다공증의 치료에 가장 중요한 검사로 자리잡았다. 골다공증 치료제 개발에 있어서 가장 중요한 outcome은 골절의 감소인데, 골절 event는 발생률이 낮아서 유의한 결과를 얻기 위해서는 많은 수의 환자를 대상으로 오랜 시간의 임상시험이 필요하다. 이에 본 연구에서는 골밀도의 증가가 골절 감소 효과를 보여주는 surrogate 마커로 유의한지를 검증하기 위하여 과거 시행된 23개의 무작위배정 임상시험의 개별 환자 데이터를 분석하였다. 각 임상시험은 bisphosphonate, odanacatib, 호르몬치료, PTH receptor agonist, denosumab, 또는 SERM 제제의 효과를 연구한 임상시험이었다. 메타 회귀분석에서 hip, femoral neck, lumbar spine 골밀도는 척추, 고관절, 비척추 골절과 모두 유의한 상관성을 보였으며 r2 값이 0.5~0.7사이로 높은 설명력을 보였다. 또한 hip 골밀도가 24개월 치료 동안 1.42%, 2.13%, 또는 3.18% 증가하면 95% 확률로 유의하게 각각 척추, 비척추, 고관절 골절도 감소함을 알 수 있었다.
본 연구에서는 hip, femur neck, spine 골밀도의 변화가 모두 골다공증성 골절의 발생과 높은 상관성을 가짐을 보여주었다. 이를 바탕으로 골밀도의 변화를 골절 outcome에 대한 surrogate 마커로 활용한다면 골다공증 약제의 효과 입증을 위해 소요되는 시간과 자원을 줄일 수 있다고 제시하였다. 다만, 많은 수의 환자를 대상으로 한 직접적인 골절 발생 연구에 비하여 이런 surrogate 마커 활용이 정말로 유의한 결과를 나타낼 지에 대한 추가적인 검증이 필요하고 적은 수의 환자를 대상으로 하는 임상 시험의 경우 약물 부작용을 검증하는 데에는 한계가 있다는 점에 대해서는 주의가 필요할 것으로 생각된다.
Copyright(c) Korean Endocrine Society. All rights reserved.