배경: 대사증후군(MetS)은 복합적인 건강 문제이며, 일반 인구집단에서도 MetS의 발생이 증가하고 있어 효과적인 식별 및 관리 전략이 필요하다. 본 연구의 목적은 18F 플루오로데옥시글루코스 양전자방출단층촬영/컴퓨터단층촬영(FDG PET/CT) 변수와 기계학습(ML)을 이용한 예측 모델이 MetS 예측을 향상시킬 수 있는지 확인하는 것이었다. 방법: 2014년부터 2020년까지 암 선별 목적으로 FDG PET/CT를 시행한 성인 1,250명의 의무기록을 후향적으로 검토하였다. MetS는 National Cholesterol Education Program Adult Treatment Panel III 기준에 따라 진단하였다. 연구에서는 FDG PET/CT에서 다양한 신체 장기의 표준화 섭취계수(SUV), 면적, Hounsfield unit(HU)을 분석하고, least absolute shrinkage and selection operator (LASSO) 회귀를 사용하여 FDG PET/CT 변수를 통합한 MetS 다변량 예측 모델을 개발하였다. 예측 모델의 성능은 수신자조작특성곡선(receiver operating characteristic curve)의 곡선하면적(AUC)을 이용해 평가하였다. 결과: 연구 대상은 남성 720명, 여성 530명으로, 중앙값 연령은 54세였고 MetS는 대상자의 26.3%에서 나타났다. LASSO 회귀는 내장지방조직(VAT)의 면적, VAT의 평균 HU, VAT의 평균 SUV, 골격근의 평균 HU, 혈액풀(blood pool)의 평균 SUV, 체질량지수(BMI)를 의미 있는 변수로 확인하였다. 우리의 다변량 LASSO 모델은 훈련 및 테스트 집합 모두에서 유사한 성능으로 MetS를 효과적으로 예측하였으며(AUC 각각 0.792 및 0.828; P=0.173), 테스트 집합에서는 단변량 모델에 비해 더 우수한 예측 성능을 보였다(체질량지수 0.794; P=0.017, VAT의 면적 0.788; P<0.001, VAT의 평균 HU 0.777; P<0.001). 결론: 본 연구 결과는 ML로 보강한 FDG PET/CT가 MetS 예측에 활용될 수 있는 잠재력을 보여주었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.