임상·염증·영양 지표 변화 기반 대장암 예후 예측 및 CT 대체 스크리닝

Prognostic Prediction Using Clinical, Inflammatory, and Nutritional Marker Changes and CT-Free Screening

연구 내용

CEA·ALBI·PNI·NLR 등 전신 지표의 변화와 머신러닝 모델을 활용해 대장암의 예후를 예측하는 연구

수술 전후 및 추적 기간의 전신 지표 변화를 활용해 대장암 예후를 예측합니다. CEA의 사전·사후 값과 변화 양상을 통해 예후 층화를 수행하고, ALBI 점수의 변화(사전 대비 사후)를 결합해 독립 예후 인자 여부를 평가합니다. 또한 PNI 변화와 NLR-연관 위험을 sarcopenia와 함께 해석하여 진행 관련 신호를 보강합니다. 더 나아가 CT 촬영 없이 임상 변수와 염증 지표로 skeletal muscle gauge를 예측하는 머신러닝 모델을 제안하여, 진단 노력과 방사선 노출 부담을 줄이는 방향을 포함합니다.

관련 프로젝트

0건

연구 흐름

초기에는 수술 전후 CEA 변화와 같은 종양표지자 동역학을 기준으로 생존 신호를 정리하고, ALBI 점수처럼 간 기능과 영양을 반영하는 복합 지표의 변화가 예후에 미치는 영향을 분석합니다. 이후 PNI 변화와 NLR-연계 지표를 sarcopenia와 통합해 예측력의 보강 구조를 구축합니다. 마지막 단계에서는 CT 의존도를 낮추기 위해 임상·염증 변수 기반 머신러닝으로 skeletal muscle gauge를 예측하는 스크리닝 모델을 개발하고, 수술 후 합병증 관련 결과의 임상·경제적 부담까지 고려하는 흐름으로 확장합니다.

활용 가능성

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

CEA 변화 기반 추적 전략
수술 후 ALBI 변화 모니터링
change-PNI 기반 예후 재평가
NLR·sarcopenia 통합 위험도
CT 대체 skeletal muscle gauge 스크리닝
임상·염증 변수 기반 예측모델 개발
치료기간 진단 부담 저감
수술 후 예후 인자 동시 평가
예후모델 성능 비교 지표화
수술 합병증 비용 부담 분석