목적: 골절 위험을 예측하기 위한 컴퓨터단층촬영(CT) 기반 멀티태스크 학습 모델을 개발하고, 이를 외부적으로 검증하고자 한다. 대상 및 방법: 본 연구는 멀티태스크 학습 접근법을 이용하여 두 단계로 수행되었다. 먼저, 50–80세 환자 2553명의 복부 CT 영상을 사용하여 단면적 척추체 골절(VF) 검출 모델을 개발하였다. 그 다음, 해당 검출 모델을 멀티태스크 학습 프레임워크 내에서 활용하여 5년 추적 기간에 걸친 종단적 VF 예측 모델을 개발하였다. 외부 평가는 두 개의 독립 병원에서 온 환자 1506명을 대상으로 수행하였다. 성능은 단일태스크와 멀티태스크 모델, 골(bone)만 및 골+근육(bone+muscle) 영상, 영상만 및 임상 모델 간에 비교하였다. 결과: 단면적 골절 검출 모델에서 환자의 평균 연령은 76.2세였고, 66.7%가 여성이었다. VF 검출을 위한 분류 과제에서 골과 근육을 모두 사용한 모델은 개발 세트에서 수신자 조작 특성 곡선 아래 면적(AUROC) 0.82, 외부 검증 세트에서 0.80을 보였다. 멀티태스크 학습을 사용했을 때, 골+근육 이미지 모델은 c-index 0.68을 보였으며 외부 검증 세트에서 골만 모델보다 2년, 3년, 5년 AUROC에서 우수한 성능을 나타냈다(각각 0.79 vs. 0.75, 0.71 vs. 0.68, 0.71 vs. 0.68, 모두 p < 0.01). 또한 멀티태스크 모델은 골절 위험 평가 도구(Fracture Risk Assessment Tool, FRAX)보다 유의하게 우수하였다(c-index: 0.68 vs. 0.66, p < 0.01). 결론: 골과 근육 데이터를 통합한 CT 기반 멀티태스크 학습 모델은 골 영상만 사용한 모델 및 전통적 임상 모델에 비해 VF에 대한 예측 성능이 더 우수하였다. 핵심 사항: 질문: 다른 이유로 CT 촬영을 받는 많은 개인에서 척추 골절 위험이 여전히 과소평가되고 있으며, 이는 향상된 기회(opportunistic) 예측 도구의 필요성을 시사한다. 결과: CT에서 골과 근육 특성을 모두 통합한 멀티태스크 딥러닝 모델은 골만 및 전통적 임상 모델, FRAX를 포함하여 그보다 우수한 성능을 보였다. 임상적 유의성: 제안된 모델은 일상적으로 획득되는 CT 영상을 이용하여 정확한 척추 골절 위험 예측을 가능하게 하며, 추가 검사가 필요 없이 조기 식별과 중재를 촉진한다.

배경: 악성 종양에 의한 고칼슘혈증(HCM)은 암의 주요 대사 합병증으로, 흔히 비스포스포네이트(BP)로 치료하며, 최근에는 데노수맙으로 치료하는 경우도 증가하고 있다. 본 연구는 HCM 치료에서 데노수맙의 효과와 안전성을 BP(칼시토닌 유무 포함)와 비교하고자 하였다. 방법: 본 후향적 코호트 연구는 2017년부터 2022년까지 3차 의료기관에서 수행되었으며, HCM으로 치료받은 317명의 환자가 포함되었다. 대상은 세 가지 치료군으로 나뉘었는데, 데노수맙 군, 정주(IV) BP 단독 군, 그리고 정주 BP와 칼시토닌 병합 군이었다. 주요 평가변수는 혈중 칼슘 수치의 변화와 저칼슘혈증 발생률이었다. 공분산분석을 사용하여 연령, 성별, 체질량지수, 크레아티닌 수치, 악성 종양의 유형, 그리고 푸로세미드 및 스테로이드 사용을 보정하였다. 결과: 대상자의 평균 연령은 65세였고, 37.5%가 여성이었다. 보정 후 데노수맙과 IV BP 모두 혈중 칼슘을 효과적으로 낮추는 것으로 나타났다. 데노수맙은 2.0 mg/dL 감소(-15.9%)를 보였고, IV BP 단독은 1.8 mg/dL 감소(-13.9%)를 보였다. 가장 큰 감소는 IV BP와 칼시토닌 병합군에서 2.7 mg/dL 감소(-20.9%)로 관찰되었다. 데노수맙과 IV BP+칼시토닌 병합군은 각각 48시간 이내에 최저 칼슘 수치를 보였으나, IV BP 단독군은 72시간 이내에 최저치에 도달하였다. 치료 효과의 차이는 있었지만, 저칼슘혈증은 데노수맙 군에서 다른 군들에 비해 유의하게 덜 발생하였다. 결론: 데노수맙과 IV BP는 혈중 칼슘 감소에 있어 유사한 효과를 보였다. 그러나 IV BP에 칼시토닌을 병합한 경우 더 빠르고 더 뚜렷한 감소를 보였다.

배경: 고령 인구의 점진적 증가에 따라 기회적 컴퓨터단층촬영(CT) 검사의 활용이 늘어나고 있으며, 이는 고령 인구의 근육과 뼈에 관한 정보를 획득하는 데 유용한 방법이 될 수 있다. 목적: 본 연구의 목적은 척추 골(vertebral bones)과 척추 주위 근육(paravertebral muscles)의 영상을 이용하여 기회적 CT 기반 골절 예측 모델을 개발하고 외부 검증하는 것이었다. 방법: 본 모델은 2010년부터 2019년까지의 복부 CT 영상 데이터를 보유한 1,214명의 환자를 대상으로 한 후향적 종단 코호트 연구에 근거하여 개발되었다. 모델은 495명의 환자에서 외부 검증을 수행하였다. 본 연구의 1차 평가지표는 5년 추적기간 동안의 척추 골절 사건을 식별하기 위한 예측 정확도로 정의하였다. 영상 기반 모델은 척추 골 및 척추 주위 근육 영상으로부터 주의(attention) 합성곱 신경망-순환 신경망(attention convolutional neural network-recurrent neural network) 모델을 사용하여 개발되었다. 결과: 개발 및 검증 집단의 환자 평균 연령은 각각 73세와 68세였으며, 여성 비율은 각각 69.1%(839/1214)와 78.8%(390/495)였다. 외부 검증 코호트에서 척추 골절을 예측하기 위한 수신자 조작 특성 곡선 아래 면적(AUROC)은 골만(bone-only) 영상보다 척추 골 및 척추 주위 근육 영상에서 더 우수하였다(각각 0.827, 95% CI 0.821-0.833 대 0.815, 95% CI 0.806-0.824; P<.001). 또한 이러한 영상 기반 모델의 AUROC는 골절 위험 평가 모델의 AUROC보다 높았다(주요 골다공증 위험 0.810, 고관절 골절 위험 0.780). 연령, 성별, BMI, 스테로이드 사용, 흡연, 가능한 이차성 골다공증(possible secondary osteoporosis), 제2형 당뇨병, HIV, C형 간염, 신부전을 포함하는 임상 모델의 경우, 외부 검증 코호트에서 AUROC 값은 0.749(95% CI 0.736-0.762)로, 척추 골 및 근육을 이용한 영상 모델보다 낮았다(P<.001). 결론: 척추 골 및 척추 주위 근육 영상에 기반한 모델은 골만 영상 또는 임상 변수를 사용한 모델보다 더 나은 성능을 보였다. 기회적 CT 선별검사는 향후 골절 위험이 높은 환자를 식별하는 데 기여할 수 있다.

또한, 본 호에 실린 Li와 Jaremko의 편집 논설을 참조하십시오.

목적: 부갑상선암(PC)의 진단은 복잡하고 논란이 있으며, 조기 진단과 개입은 종종 어렵다. 따라서 우리는 정량적 프로테오믹스 분석을 통해 PC의 단백질 시그니처를 규명하여 PC의 조기이고 정확한 진단을 돕고자 하였다. 설계: 후향적 코호트 연구를 수행하였다. 방법: 포르말린 고정 파라핀 포매(formalin-fixed paraffin-embedded) 시료를 대상으로 액체 크로마토그래피-탠덤 질량분석법(liquid chromatography with tandem mass spectrometry)을 시행하였다. 분석을 위해 대한민국의 6개 3차 의료기관에서 23개의 PC 및 15개의 부갑상선 선종(parathyroid adenoma, PA) 조직을 수집하였다. 결과: 환자의 평균 연령은 52세였고, 63%는 여성이었다. 프로테오믹스 발현 프로파일링 결과, P < .05 및 fold change >1.5를 기준으로 304개의 차등발현단백질(DEPs)을 확인하였다. 이들 DEPs 중에서 PC와 PA를 구별할 수 있는 5개 단백질 세트를 확인하였으며, 해당 단백질은 carbonic anhydrase 4 (CA4), alpha/beta hydrolase domain-containing protein 14B (ABHD14B), laminin subunit beta-2 (LAMB2), CD44 antigen (CD44), alpha-1-acid glycoprotein 1 (ORM1)으로, 신경망 모델에서 곡선하 면적(area under the curve, AUC) 0.991로 가장 높은 판별 성능을 보였다. 면역조직화학에서 CA4와 LAMB2의 핵 비율은 PA에 비해 PC 조직에서 유의하게 낮았으며(CA4: 2.77 ± 1.96%, 26.2 ± 3.45%, P < .001; LAMB2: 6.86 ± 3.46%, 38.54 ± 4.13%, P < .001), PC에서 가장 풍부하게(enriched) 나타난 대표적(canonical) 신호 경로에는 glycoprotein-6 signaling 및 mammalian target of rapamycin (mTOR)가 포함되었다. 결론: 우리는 부갑상선 종양의 프로테오믹스 분석을 통해 PC와 PA 간에 차등 발현되는 핵심 단백질을 확인하였다. 이러한 결과는 PC를 정확히 진단하는 데 도움이 될 수 있으며, 잠재적 치료 표적을 규명하는 데 기여할 수 있다.

성숙한 골아세포가 활성 상태와 휴면 상태 사이를 역동적으로 전환하는 과정은 골 항상성에 필수적이며, 골형성(골대사 촉진) 치료를 위한 유망한 표적이 된다. 그러나 이러한 전환은 세포 이질성과 제한된 공간적 맥락으로 인해 아직 충분히 이해되지 못하고 있다. 본 연구에서는 공간 분해능을 갖춘 골아세포 추적 전사체 분석을 사용하였으며, 골아세포 특이적 계통 추적 연구와 공간 분해능 레이저 활성화 세포 정렬(SLACS)을 통합하여 휴면 골 표면에서 골아세포의 상태를 프로파일링하였다. 이 접근법을 통해 골아세포 활성화의 조절 인자로 transforming growth factor-beta (TGF-β) 신호전달이 확인되었다. 우리는 단일세포 RNA 염기서열 분석, 시험관 내 기능 분석 및 생체 내 검증을 통해 이 역할을 추가로 확인하였다. 하지 하중 제거(hindlimb unloading) 마우스 모델에서 TGF-β와 sclerostin에 대한 이중 억제는 sclerostin 단독 억제보다 골 질량을 더 효과적으로 증진시키고 골 손실을 더 잘 완화하였다. 이러한 결과는 골아세포 역학을 조절함에 있어 TGF-β의 기전적 역할을 규명하며, 골다공증에서 항-sclerostin 치료의 효능을 향상시키는 이중 표적 치료 전략을 제안한다.

배경: 사회가 고령화됨에 따라 근감소증(sarcopenia) 위험이 있는 개인을 식별하는 것이 필수적이다. 여러 혈장(plasma) 바이오마커가 근골격계 상태를 평가하는 데 사용되지만, 그 결과는 일관되지 않다. 세포외 소포(extracellular vesicles, EVs)는 분자를 운반하고 세포 과정에 영향을 미치는 역할 때문에 질병 바이오마커로 연구되고 있다. 본 연구는 서울대학교 분당병원(Osteoporosis Sarcopenia cohort)에서 근감소증 관련 표지자-아디포넥틴(adiponectin), 미오스타틴(myostatin), P3NP, CRP, TNF-α를 혈장 유래 EV에서 측정하고, 이를 근육량, 기능 및 수행(performance)과의 상관성을 평가하였다. 방법: 손 악력은 근육 기능 및 신체 수행을 평가하기 위해 수력식(hand) 악력계(hydraulic hand dynamometer)를 사용하여 측정하였다. 신체 수행은 Short Physical Performance Battery(SPPB), 보행 속도(walking speed) 및 5회 의자에서 일어서기(five-time-sit-to-stand test) 검사를 기반으로 평가하였다. 밀도 구배 초원심분리(density gradient ultracentrifugation)를 사용하여 혈장에서 EV를 분리한 다음, 근감소증 바이오마커의 발현을 확인하였다. 성별, 연령, 체질량지수(body mass index), 흡연, 음주, 골밀도(bone density)를 보정한 다변량 회귀분석을 수행하였다. 결과: 참여자의 평균 연령은 74.3 ± 12.1세(범위, 52.0–96.0)였으며, 88.2%가 여성이었다. 혈장 유래 EV에서 측정한 미오스타틴과 P3NP 수준은 각각 보행 속도(ꞵ = -0.309, p = 0.014) 및 SPPB(ꞵ = -0.276, p = 0.029)와 유의하게 연관되었다. TNF-α 수준은 악력(hand grip strength)과 강하게 상관되었다(ꞵ = -0.313, p = 0.013). 수신자 조작 특성(receiver-operating characteristic, ROC) 곡선 분석을 사용하여 세 가지 요인의 절단값(cutoff value)을 산정하였고, 이를 통해 참가자를 고(low가 아닌 high)와 저(low) 그룹으로 분류할 수 있었다. 저 미오스타틴 그룹은 더 높은 악력(19.63 kg 대 17.14 kg, p = 0.027)과 더 빠른 5회 의자에서 일어서기 시간(17.34초 대 23.72초, p = 0.032)을 보였다. 저 P3NP 수준은 더 강한 악력(19.87 kg 대 16.81 kg, p = 0.008), 더 좋은 SPPB 점수(9.10 대 8.03, p = 0.006), 그리고 더 짧은 5회 의자에서 일어서기 시간(18.31초 대 21.87초, p = 0.002)을 나타냈다. 저 TNF-α 수준은 더 좋은 보행 속도(0.82 m/s 대 0.64 m/s, p = 0.009)와 낮은 SARC-F 점수(1.73 대 3.26, p = 0.029)와 연관되었다. 결론: 본 연구는 EV 유래 미오스타틴, P3NP 및 TNF-α가 근육 기능 및 수행(performance)과 강하게 연관됨을 확인하였다. 바이오마커 절단값에 근거하여 고·저 그룹 간에서 나타난 이러한 요인들의 유의한 차이는 근감소증에 대한 진단적 관련성을 강조한다. 이러한 결과는 향후 연구 및 임상 적용에서 효과적인 표지자를 식별하기 위한 유망한 접근을 제공한다.

목적: 골절 위험을 예측하기 위한 컴퓨터단층촬영(CT) 기반 멀티태스크 학습 모델을 개발하고, 이를 외부적으로 검증하고자 한다. 대상 및 방법: 본 연구는 멀티태스크 학습 접근법을 이용하여 두 단계로 수행되었다. 먼저, 50–80세 환자 2553명의 복부 CT 영상을 사용하여 단면적 척추체 골절(VF) 검출 모델을 개발하였다. 그 다음, 해당 검출 모델을 멀티태스크 학습 프레임워크 내에서 활용하여 5년 추적 기간에 걸친 종단적 VF 예측 모델을 개발하였다. 외부 평가는 두 개의 독립 병원에서 온 환자 1506명을 대상으로 수행하였다. 성능은 단일태스크와 멀티태스크 모델, 골(bone)만 및 골+근육(bone+muscle) 영상, 영상만 및 임상 모델 간에 비교하였다. 결과: 단면적 골절 검출 모델에서 환자의 평균 연령은 76.2세였고, 66.7%가 여성이었다. VF 검출을 위한 분류 과제에서 골과 근육을 모두 사용한 모델은 개발 세트에서 수신자 조작 특성 곡선 아래 면적(AUROC) 0.82, 외부 검증 세트에서 0.80을 보였다. 멀티태스크 학습을 사용했을 때, 골+근육 이미지 모델은 c-index 0.68을 보였으며 외부 검증 세트에서 골만 모델보다 2년, 3년, 5년 AUROC에서 우수한 성능을 나타냈다(각각 0.79 vs. 0.75, 0.71 vs. 0.68, 0.71 vs. 0.68, 모두 p < 0.01). 또한 멀티태스크 모델은 골절 위험 평가 도구(Fracture Risk Assessment Tool, FRAX)보다 유의하게 우수하였다(c-index: 0.68 vs. 0.66, p < 0.01). 결론: 골과 근육 데이터를 통합한 CT 기반 멀티태스크 학습 모델은 골 영상만 사용한 모델 및 전통적 임상 모델에 비해 VF에 대한 예측 성능이 더 우수하였다. 핵심 사항: 질문: 다른 이유로 CT 촬영을 받는 많은 개인에서 척추 골절 위험이 여전히 과소평가되고 있으며, 이는 향상된 기회(opportunistic) 예측 도구의 필요성을 시사한다. 결과: CT에서 골과 근육 특성을 모두 통합한 멀티태스크 딥러닝 모델은 골만 및 전통적 임상 모델, FRAX를 포함하여 그보다 우수한 성능을 보였다. 임상적 유의성: 제안된 모델은 일상적으로 획득되는 CT 영상을 이용하여 정확한 척추 골절 위험 예측을 가능하게 하며, 추가 검사가 필요 없이 조기 식별과 중재를 촉진한다.

배경: 악성 종양에 의한 고칼슘혈증(HCM)은 암의 주요 대사 합병증으로, 흔히 비스포스포네이트(BP)로 치료하며, 최근에는 데노수맙으로 치료하는 경우도 증가하고 있다. 본 연구는 HCM 치료에서 데노수맙의 효과와 안전성을 BP(칼시토닌 유무 포함)와 비교하고자 하였다. 방법: 본 후향적 코호트 연구는 2017년부터 2022년까지 3차 의료기관에서 수행되었으며, HCM으로 치료받은 317명의 환자가 포함되었다. 대상은 세 가지 치료군으로 나뉘었는데, 데노수맙 군, 정주(IV) BP 단독 군, 그리고 정주 BP와 칼시토닌 병합 군이었다. 주요 평가변수는 혈중 칼슘 수치의 변화와 저칼슘혈증 발생률이었다. 공분산분석을 사용하여 연령, 성별, 체질량지수, 크레아티닌 수치, 악성 종양의 유형, 그리고 푸로세미드 및 스테로이드 사용을 보정하였다. 결과: 대상자의 평균 연령은 65세였고, 37.5%가 여성이었다. 보정 후 데노수맙과 IV BP 모두 혈중 칼슘을 효과적으로 낮추는 것으로 나타났다. 데노수맙은 2.0 mg/dL 감소(-15.9%)를 보였고, IV BP 단독은 1.8 mg/dL 감소(-13.9%)를 보였다. 가장 큰 감소는 IV BP와 칼시토닌 병합군에서 2.7 mg/dL 감소(-20.9%)로 관찰되었다. 데노수맙과 IV BP+칼시토닌 병합군은 각각 48시간 이내에 최저 칼슘 수치를 보였으나, IV BP 단독군은 72시간 이내에 최저치에 도달하였다. 치료 효과의 차이는 있었지만, 저칼슘혈증은 데노수맙 군에서 다른 군들에 비해 유의하게 덜 발생하였다. 결론: 데노수맙과 IV BP는 혈중 칼슘 감소에 있어 유사한 효과를 보였다. 그러나 IV BP에 칼시토닌을 병합한 경우 더 빠르고 더 뚜렷한 감소를 보였다.

배경: 고령 인구의 점진적 증가에 따라 기회적 컴퓨터단층촬영(CT) 검사의 활용이 늘어나고 있으며, 이는 고령 인구의 근육과 뼈에 관한 정보를 획득하는 데 유용한 방법이 될 수 있다. 목적: 본 연구의 목적은 척추 골(vertebral bones)과 척추 주위 근육(paravertebral muscles)의 영상을 이용하여 기회적 CT 기반 골절 예측 모델을 개발하고 외부 검증하는 것이었다. 방법: 본 모델은 2010년부터 2019년까지의 복부 CT 영상 데이터를 보유한 1,214명의 환자를 대상으로 한 후향적 종단 코호트 연구에 근거하여 개발되었다. 모델은 495명의 환자에서 외부 검증을 수행하였다. 본 연구의 1차 평가지표는 5년 추적기간 동안의 척추 골절 사건을 식별하기 위한 예측 정확도로 정의하였다. 영상 기반 모델은 척추 골 및 척추 주위 근육 영상으로부터 주의(attention) 합성곱 신경망-순환 신경망(attention convolutional neural network-recurrent neural network) 모델을 사용하여 개발되었다. 결과: 개발 및 검증 집단의 환자 평균 연령은 각각 73세와 68세였으며, 여성 비율은 각각 69.1%(839/1214)와 78.8%(390/495)였다. 외부 검증 코호트에서 척추 골절을 예측하기 위한 수신자 조작 특성 곡선 아래 면적(AUROC)은 골만(bone-only) 영상보다 척추 골 및 척추 주위 근육 영상에서 더 우수하였다(각각 0.827, 95% CI 0.821-0.833 대 0.815, 95% CI 0.806-0.824; P<.001). 또한 이러한 영상 기반 모델의 AUROC는 골절 위험 평가 모델의 AUROC보다 높았다(주요 골다공증 위험 0.810, 고관절 골절 위험 0.780). 연령, 성별, BMI, 스테로이드 사용, 흡연, 가능한 이차성 골다공증(possible secondary osteoporosis), 제2형 당뇨병, HIV, C형 간염, 신부전을 포함하는 임상 모델의 경우, 외부 검증 코호트에서 AUROC 값은 0.749(95% CI 0.736-0.762)로, 척추 골 및 근육을 이용한 영상 모델보다 낮았다(P<.001). 결론: 척추 골 및 척추 주위 근육 영상에 기반한 모델은 골만 영상 또는 임상 변수를 사용한 모델보다 더 나은 성능을 보였다. 기회적 CT 선별검사는 향후 골절 위험이 높은 환자를 식별하는 데 기여할 수 있다.

또한, 본 호에 실린 Li와 Jaremko의 편집 논설을 참조하십시오.