질병: 매년 미국에서 거의 100,000명이 흑색종으로 진단되고 약 7,600명이 흑색종으로 사망하여 흑색종이 가장 치명적인 피부암 유형이다.

흑색종으로 사망하는 대부분의 사람들은 질병이 아직 초기 단계에 있을 때 진단 및 치료를 받았지만, 암이 이미 퍼질 때까지 발견되지 않은 흑색종 재발을 경험했다.

치료 여부: 흑색종이 조기에 발견되면 의사는 대개 수술로 암을 제거한다. 그러나 더 진행되면 면역 체계를 강화하지만 심각한 부작용을 일으킬 수 있는 면역 관문 억제제로 환자를 치료할 것이다.

대부분의 흑색종은 이들 없이 성공적으로 치료될 수 있기 때문에 의사는 환자가 필요하다는 것이 분명해질 때까지 더 공격적인 약물의 부작용을 피하는 것을 목표로 할 수 있다.

그러나 의사가 초기 흑색종 환자가 재발 위험이 높다는 것을 미리 알았다면 부작용의 위험은 그만한 가치가 있을 수 있지만 현재로서는 정확하게 예측할 수 있는 방법이 없다.

새로운 기능은 무엇일까? AI가 이러한 요구 사항을 충족하는 데 도움이 될 수 있는지 알아보기 위해 매사추세츠 종합 병원이 이끄는 팀은 전자 건강 기록과 1,720개의 초기 흑색종을 사용하여 5년 이내에 흑색종 재발 가능성을 예측하는 5가지 알고리즘을 훈련하고 검증했다.

그들은 "그라디언트 부스팅(gradient boosting)" 알고리즘이 환자 4명 중 3명 정도를 정확하게 분류하는 작업에 가장 적합하다는 것을 발견했다. 그들은 또한 종양 두께와 암 세포 분열 속도를 재발의 가장 큰 두 가지 예측 인자로 확인했다.

수석 저자인 Yevgeniy R. Semenov는 "우리의 결과는 머신러닝 알고리즘이 초기 단계의 흑색종 재발 예측을 위한 임상병리학적 특징에서 예측 신호를 추출할 수 있음을 시사하며, 이를 통해 보조 면역요법의 혜택을 받을 수 있는 환자를 식별할 수 있게 될 것"이라고 말했다.

결론: 이 모델은 내부 및 외부 검증에서 각각 76% 및 68.7%의 민감도 및 78.4% 및 79.4%의 특이도를 보였다. 이는 흑색종 재발을 경험한 사람들의 약 24-31%를 놓쳤고 경험하지 않은 사람들의 약 21%를 잘못 표시했음을 의미한다.

이는 상당한 수의 사람들이 면역 관문 억제제로부터 혜택을 받을 수 있을 때 제공되지 않거나 실제로 필요하지 않은 경우 공격적인 치료를 거치는 것에 해당할 수 있다.

그러나 향후 노력을 통해 흑색종 재발 위험이 높은 사람을 식별하는 능력을 개선하는 알고리즘을 더욱 발전시켜 의사가 암이 재발할 기회가 있기 전에 암을 중단시키기 위해 노력할 수 있다.