간이식 생존 및 무용 결과를 예측하는 인공지능 기반 위험모델 연구

AI-based risk modeling to predict survival and futility after liver transplantation

연구 내용

간이식 후 생존과 무용 결과를 예측하기 위해 머신러닝과 예측도구를 설계·검증하는 연구

간이식은 장기 부족 상황에서 수술 적합성과 예후 예측의 정확도가 치료 전략을 좌우합니다. 본 연구는 한국 장기이식 레지스트리와 국제 다기관 코호트 자료를 활용하여 Cox 회귀와 비교하는 머신러닝 모델을 구성하고, 변수 중요도와 SHAP 기반 해석으로 예측에 기여하는 임상 인자를 규명합니다. 또한 MELD-Na 기반 환자에서 무용 결과를 정의하고 다변량 회귀로 위험요인을 재구성한 노모그램을 구축하여 이식 대상자 선별과 수술 전 의사결정 지원을 목표로 수행합니다.

관련 프로젝트

0건

연구 흐름

초기에는 2014~2019년 장기이식 레지스트리 데이터를 기반으로 간이식 생존 예측에서 전통적 Cox 회귀 대비 랜덤포레스트 성능을 비교하고, 예측변수의 임상적 의미를 변수 중요도 및 SHAP로 해석하는 방향으로 연구를 수행했습니다. 이후 2010~2021년 국제 다기관 자료를 확장하여 MELD-Na가 높은 비(非)HCC 환자에서 ‘무용 결과’를 예측하도록 위험요인을 재정의하고 노모그램을 개발했습니다. 최근에는 고령 공여자에서의 이식 성패 위험요인을 상호작용 관점에서 분석하여, 공여자 선택과 수혜자 상태를 함께 반영하는 예측 프레임을 정교화하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

장기-수혜자 매칭 의사결정 지원
이식 적합성 사전 선별
위험요인 기반 중환자 관리 계획
수술 전 최적화(교정) 대상 선정
이식 후보 상담 근거 제공
기관 간 예후 불일치 완화
예측 해석 기반 임상 교육
레지스트리 기반 임상 의사결정 시스템
노모그램 표준화
후속 임상시험 설계 지원