목적: 급성 백혈병(AL)은 골수와 혈액에서 발생하는 생명을 위협하는 악성 질환으로, 급성 골수성 백혈병(AML) 또는 급성 림프모구성 백혈병(ALL)으로 분류된다. AL의 진단을 위해서는 숙련된 전문가, 시간, 비용이 필요한 유세포분석과 같은 검사 방법이 요구된다. 우리는 인공지능을 사용하여 AL과 관련된 병적 세포를 포함한 12가지 세포 유형의 말초 혈액 이미지를 분류할 수 있는 모델을 개발하고자 하였다. 방법: 우리는 282명의 환자(AML 82명, ALL 40명, 미성숙 과립구 160명)로부터 말초 혈액 슬라이드의 단일세포 이미지 42,386장을 획득하였다. 결과: 원본 이미지 크기를 사용한 EfficientNet-V2(B2)의 성능이 가장 우수했으며(정확도 0.8779, 정밀도 0.7221, 재현율 0.7225, F1 점수 0.7210), 다음으로 우수한 정확도는 256 × 256 픽셀 이미지를 사용한 EfficientNet-V1(B1)에서 달성되었다. F1 점수는 원본 이미지 크기를 사용한 EfficientNet-V1(B1)에서 가장 높았다. EfficientNet-V1(B1)과 EfficientNet-V2(B2)를 사용하여 앙상블 모델을 개발하였고, 정확도(0.8858)와 F1 점수(0.7361)가 향상되었다. 개발된 앙상블 모델의 12가지 세포 유형에 대한 분류 성능은 양호했으며, 수신자 조작 특성(receiver operating characteristic) 곡선의 면적(AUROC)이 0.9 이상이었고, 각각 골수모구(myeloblast)와 림프모구(lymphoblast)에 대한 F1 점수는 0.8873과 0.8006이었다. 결론: 12가지 세포 분류에 대한 개발된 앙상블 모델의 성능은 만족스러웠으며, 특히 골수모구와 림프모구에서 우수하였다. 본 모델의 적용은 AL의 신속하고 정확한 진단이 어려운 의료 환경에 도움이 될 것으로 기대한다.

배경: 전혈 채혈 과정에서 EDTA로 유발된 가성혈소판감소증(EDTA-induced pseudothrombocytopenia, PTCP)은 정확한 결과를 얻기 위해 상당한 실험실 자원이 필요하다. 본 연구는 EDTA 유발 PTCP에서 혈소판 탈응집 기능 및 BC-6800Plus 혈액학 분석기의 통합 디지털 영상 분석을 이용한 혈소판 응집(clump) 플래깅을 평가하였다. 방법: 혈소판 응집이 의심되는 전혈 검체 132개(EDTA 102개, 나트륨 시트르산염 30개)를 88명으로부터 전향적으로 수집하였다. DxH 900 혈액학 분석기의 임피던스 기반 혈소판 수(platelet count by impedance, PLT-I)와 BC-6800Plus의 PLT-I 또는 광학 혈소판 수(optical platelet count, PLT-O)를 이용해 산출한 혈소판 수를 비교하였다. 혈소판 응집은 수동 육안 검사 및 MC-80 디지털 이미지 분석기로 확인하였다. 결과: 132개의 전혈 검체 중 43개의 EDTA 검체에서 혈소판 응집이 관찰되었다. DxH 900의 PLT-I와 BC-6800Plus의 PLT-I 결과는 EDTA 검체에서 강한 상관관계(r=0.711)를 보였으나, BC-6800Plus의 PLT-O 결과와는 중등도의 상관관계만을 보였다(r=0.506 및 0.545). BC-6800Plus의 PLT-O 결과는 나트륨 시트르산염 혈소판 수와 일치하였으며, 중앙 이완(dissociation)률은 102.5%(범위, 74.9%-123.1%)였다. 혈소판 응집 플래깅에 대한 DxH 900 및 BC-6800Plus 분석기의 민감도는 각각 0.79와 0.72였다. MC-80 디지털 이미지 분석 결과를 통합하면, BC-6800Plus의 민감도는 표준 모드에서 0.89로, PLT-Pro 모드에서는 1.0으로 개선되었다. 결론: BC-6800Plus의 PLT-O 측정 결과는 PTCP 검체에서 혈소판 탈응집으로 얻는 실제 값에 가깝다. BC-6800Plus를 디지털 영상 분석기와 통합하면 PTCP 진단이 효과적으로 개선되며, 추가적인 실험실 절차의 필요성이 감소한다.

배경: 급성 골수성 백혈병(AML)에서 DNA 손상 반응의 조절 이상과 DNA 메틸화의 변화가 보고되어 왔으나, DNA 복구 유전자의 메틸화가 미치는 영향은 아직 연구되지 않았다. 본 연구는 TCGA-LAML(The Cancer Genome Atlas AML) 프로젝트에서 알려진 DNA 복구 유전자의 CpG 부위 메틸화 수준을 바탕으로 비-APL(non-APL) AML 환자의 예후를 예측하고자 하였다. 방법: 우리는 22개의 DNA 복구 유전자의 메틸화 데이터에 대해 TCGA-LAML 코호트(비-APL AML 174명)를 사용하였다. 결과: TCGA-LAML 코호트의 비-APL AML 환자 174명에서 단변량 분석을 시행한 결과, MLH1, RAD51, ATM의 과메틸화는 비-과메틸화 군보다 더 우수한 전체생존(OS)을 보였으나, RAD23A, RAD23B, MLH1, MSH2, BRCA1, BRCA2, RAD50, PARP1의 과메틸화는 불량한 OS와 연관되었다. 또한 DNA 복구 유전자의 CpG 과메틸화 수준이 AML 세포유전학적 위험군에 따라 차이가 있음을 확인하였다. 다변량 분석에서는 MLH1과 RAD51의 과메틸화가 비-과메틸화 환자보다 더 나은 OS를 보였지만, MSH2와 RAD50의 과메틸화는 비-과메틸화 환자보다 더 나쁜 OS와 관련되었다. 결론: MLH1, RAD51, MSH2, RAD50을 포함한 4개의 DNA 복구 유전자의 메틸화는 비-APL AML 환자에서 독립적인 위험 요인으로서의 잠재력을 가질 수 있다.

진단 당시의 돌연변이들. 이 두 질환과 세 가지 유전적 돌연변이의 조합은 한 번에 해석하기가 어렵다(즉, 이 두 클론성 질환의 순서 또는 이러한 돌연변이를 획득한 시점). 본 보고서는 PMF 환자를 진단하거나 치료할 때 PNH가 동시에 존재할 수 있으며 때로는 새롭게 나타날 수 있음을 염두에 두어야 함을 시사한다. 이 환자에서 동시에 확인된 유전적 돌연변이들은 그 임상적 의의와 유전적 연관성을 충분히 규명하기 위해 추가 연구가 필요하다.

목적: 급성 백혈병(AL)은 골수와 혈액에서 발생하는 생명을 위협하는 악성 질환으로, 급성 골수성 백혈병(AML) 또는 급성 림프모구성 백혈병(ALL)으로 분류된다. AL의 진단을 위해서는 숙련된 전문가, 시간, 비용이 필요한 유세포분석과 같은 검사 방법이 요구된다. 우리는 인공지능을 사용하여 AL과 관련된 병적 세포를 포함한 12가지 세포 유형의 말초 혈액 이미지를 분류할 수 있는 모델을 개발하고자 하였다. 방법: 우리는 282명의 환자(AML 82명, ALL 40명, 미성숙 과립구 160명)로부터 말초 혈액 슬라이드의 단일세포 이미지 42,386장을 획득하였다. 결과: 원본 이미지 크기를 사용한 EfficientNet-V2(B2)의 성능이 가장 우수했으며(정확도 0.8779, 정밀도 0.7221, 재현율 0.7225, F1 점수 0.7210), 다음으로 우수한 정확도는 256 × 256 픽셀 이미지를 사용한 EfficientNet-V1(B1)에서 달성되었다. F1 점수는 원본 이미지 크기를 사용한 EfficientNet-V1(B1)에서 가장 높았다. EfficientNet-V1(B1)과 EfficientNet-V2(B2)를 사용하여 앙상블 모델을 개발하였고, 정확도(0.8858)와 F1 점수(0.7361)가 향상되었다. 개발된 앙상블 모델의 12가지 세포 유형에 대한 분류 성능은 양호했으며, 수신자 조작 특성(receiver operating characteristic) 곡선의 면적(AUROC)이 0.9 이상이었고, 각각 골수모구(myeloblast)와 림프모구(lymphoblast)에 대한 F1 점수는 0.8873과 0.8006이었다. 결론: 12가지 세포 분류에 대한 개발된 앙상블 모델의 성능은 만족스러웠으며, 특히 골수모구와 림프모구에서 우수하였다. 본 모델의 적용은 AL의 신속하고 정확한 진단이 어려운 의료 환경에 도움이 될 것으로 기대한다.

배경: 전혈 채혈 과정에서 EDTA로 유발된 가성혈소판감소증(EDTA-induced pseudothrombocytopenia, PTCP)은 정확한 결과를 얻기 위해 상당한 실험실 자원이 필요하다. 본 연구는 EDTA 유발 PTCP에서 혈소판 탈응집 기능 및 BC-6800Plus 혈액학 분석기의 통합 디지털 영상 분석을 이용한 혈소판 응집(clump) 플래깅을 평가하였다. 방법: 혈소판 응집이 의심되는 전혈 검체 132개(EDTA 102개, 나트륨 시트르산염 30개)를 88명으로부터 전향적으로 수집하였다. DxH 900 혈액학 분석기의 임피던스 기반 혈소판 수(platelet count by impedance, PLT-I)와 BC-6800Plus의 PLT-I 또는 광학 혈소판 수(optical platelet count, PLT-O)를 이용해 산출한 혈소판 수를 비교하였다. 혈소판 응집은 수동 육안 검사 및 MC-80 디지털 이미지 분석기로 확인하였다. 결과: 132개의 전혈 검체 중 43개의 EDTA 검체에서 혈소판 응집이 관찰되었다. DxH 900의 PLT-I와 BC-6800Plus의 PLT-I 결과는 EDTA 검체에서 강한 상관관계(r=0.711)를 보였으나, BC-6800Plus의 PLT-O 결과와는 중등도의 상관관계만을 보였다(r=0.506 및 0.545). BC-6800Plus의 PLT-O 결과는 나트륨 시트르산염 혈소판 수와 일치하였으며, 중앙 이완(dissociation)률은 102.5%(범위, 74.9%-123.1%)였다. 혈소판 응집 플래깅에 대한 DxH 900 및 BC-6800Plus 분석기의 민감도는 각각 0.79와 0.72였다. MC-80 디지털 이미지 분석 결과를 통합하면, BC-6800Plus의 민감도는 표준 모드에서 0.89로, PLT-Pro 모드에서는 1.0으로 개선되었다. 결론: BC-6800Plus의 PLT-O 측정 결과는 PTCP 검체에서 혈소판 탈응집으로 얻는 실제 값에 가깝다. BC-6800Plus를 디지털 영상 분석기와 통합하면 PTCP 진단이 효과적으로 개선되며, 추가적인 실험실 절차의 필요성이 감소한다.

배경: 급성 골수성 백혈병(AML)에서 DNA 손상 반응의 조절 이상과 DNA 메틸화의 변화가 보고되어 왔으나, DNA 복구 유전자의 메틸화가 미치는 영향은 아직 연구되지 않았다. 본 연구는 TCGA-LAML(The Cancer Genome Atlas AML) 프로젝트에서 알려진 DNA 복구 유전자의 CpG 부위 메틸화 수준을 바탕으로 비-APL(non-APL) AML 환자의 예후를 예측하고자 하였다. 방법: 우리는 22개의 DNA 복구 유전자의 메틸화 데이터에 대해 TCGA-LAML 코호트(비-APL AML 174명)를 사용하였다. 결과: TCGA-LAML 코호트의 비-APL AML 환자 174명에서 단변량 분석을 시행한 결과, MLH1, RAD51, ATM의 과메틸화는 비-과메틸화 군보다 더 우수한 전체생존(OS)을 보였으나, RAD23A, RAD23B, MLH1, MSH2, BRCA1, BRCA2, RAD50, PARP1의 과메틸화는 불량한 OS와 연관되었다. 또한 DNA 복구 유전자의 CpG 과메틸화 수준이 AML 세포유전학적 위험군에 따라 차이가 있음을 확인하였다. 다변량 분석에서는 MLH1과 RAD51의 과메틸화가 비-과메틸화 환자보다 더 나은 OS를 보였지만, MSH2와 RAD50의 과메틸화는 비-과메틸화 환자보다 더 나쁜 OS와 관련되었다. 결론: MLH1, RAD51, MSH2, RAD50을 포함한 4개의 DNA 복구 유전자의 메틸화는 비-APL AML 환자에서 독립적인 위험 요인으로서의 잠재력을 가질 수 있다.

진단 당시의 돌연변이들. 이 두 질환과 세 가지 유전적 돌연변이의 조합은 한 번에 해석하기가 어렵다(즉, 이 두 클론성 질환의 순서 또는 이러한 돌연변이를 획득한 시점). 본 보고서는 PMF 환자를 진단하거나 치료할 때 PNH가 동시에 존재할 수 있으며 때로는 새롭게 나타날 수 있음을 염두에 두어야 함을 시사한다. 이 환자에서 동시에 확인된 유전적 돌연변이들은 그 임상적 의의와 유전적 연관성을 충분히 규명하기 위해 추가 연구가 필요하다.

배경: DNA 손상 반응(DDR) 경로의 결핍과 DNA 손상의 축적은 변이율을 증가시켜 유전체 불안정성을 초래하며, 궁극적으로 암 위험을 증가시킨다. 본 연구의 목적은 급성 골수성 백혈병(AML)에서 DNA 복구 유전자의 발현을 새로운 예후 바이오마커로서 규명하는 것이었다. 방법: Profiler PCR Array. 결과: Ewha 연구 집단에서 OS(전체 생존)의 독립적 위험인자일 수 있었다. Ewha 연구 집단의 비-APL 환자 중, Z score가 1.5보다 큰 유전자(들)가 최소 1개 이상 포함된 DDR 과발현군의 OS 확률은 DDR 비과발현군보다 불량하였다. 결론: 본 연구에서 APL 환자의 DNA 복구 유전자 발현 프로파일은 비-APL AML 환자와 달랐다. DNA 복구 유전자의 과발현은 비-APL AML에서 불량한 예후 바이오마커일 수 있다.

배경: 대규모 언어 모델(LLMs)은 임상 의사결정 지원의 잠재력을 갖고 있으나, 수혈을 위한 RhD 혈액형을 결정하는 것과 같은 특정 과제에서의 활용은 아직 충분히 탐색되지 않았다. 이에 우리는 한국의 의료 환경에서 RhD 혈액형 관련 이슈를 다루는 데 있어 여섯 가지 LLM의 정확도를 평가하였다. 방법: 실제 수혈 시나리오를 바탕으로 하고 전문가들이 검토한 객관식 15문항 및 참/거짓 문항을 개발하였다. 해당 문항은 여섯 개의 LLM(Clova X, Gemini 1.0, Gemini 1.5, ChatGPT-3.5, GPT-4.0, GPT-4o)에 대해 한국어와 영어로 각각 두 차례 시행되었다. 결과: 결과는 22명의 수혈의학 전문가의 수행 성적과 비교되었다. 특히 어려운 문항의 경우 프롬프트 엔지니어링을 적용하였고, 문항을 재평가하였다. 결과: <0.05). 영어 결과는 모든 모델에서 전반적으로 유사하였다. 수혈 전문가들은 더 높은 정확도(0.8)를 보였다. 프롬프트 엔지니어링을 적용한 다섯 문항 중 GPT-4o만이 하나의 문항에 대해 정답을 제시했으며, 나머지 모델들은 실패하였다. 모든 LLM 모델은 동일한 문항을 반복했을 때 응답을 변경하거나 응답하지 않았다. 결론: 시험한 모델들 중 GPT-4o가 전반적으로 가장 우수한 성능을 보였으며, RhD 혈액제제 수혈 의사결정에 유익할 수 있다. 다만 그 성능은 이를 일차적인 의사결정 도구보다는 보조적 역할로 사용하는 것이 가장 적절함을 시사한다.

배경 및 목적: GPT-4와 같은 대규모 언어 모델(LLM)은 임상 및 교육 환경에서 점차 활용되고 있으나, 수혈의학과 같은 세부 전문 분야에서의 타당성은 충분히 규명되지 않았다. 본 연구는 의사(MD)와 의료기술사(MT)를 위한 한국 국가면허시험에서 수혈 관련 문항에 대해 6종의 LLM이 보인 성능을 평가하였다. 재료 및 방법: 공개적으로 이용 가능한 자료에서 총 23개 MD 문항과 67개 MT 문항(2020-2023)을 추출하였다. 모든 문항은 원래 한국어로 작성되었으며, 교차언어 성능 평가를 위해 이후 영어로 번역되었다. 각 모델에는 표준화된 객관식 프롬프트(5개 보기)를 제공하였고, 정답 여부는 명시적인 정답 선택으로 판정하였다. 정확도는 정답 반응의 비율로 계산하였으며, 0.75를 성능 기준(threshold)으로 지정하였다. 언어 기반 차이를 분석하기 위해 카이제곱 검정을 사용하였다. 결과: GPT-4와 GPT-4o는 두 언어와 두 시험 유형 모두에서 일관되게 0.75 기준을 상회하였다. GPT-3.5는 영어에서는 합리적인 정확도를 보였으나 한국어에서는 현저한 저하를 보였으며, 이는 다언어 일반화에 대한 제한을 시사한다. Gemini 1.5는 특히 한국어에서 Gemini 1을 능가했으나, 두 모델 모두 기술적 세부 영역에 따라 변동성을 보였다. Clova X는 설정 전반에서 일관되지 않은 결과를 보였다. 모든 모델은 법적 및 윤리적 시나리오에서 제한된 성능을 보였다. 결론: GPT-4와 GPT-4o는 다양한 수혈의학 주제에서 견고하고 신뢰할 수 있는 성능을 보였다. 그러나 모델 간 및 언어 간 변동성이 관찰되어, 특히 지역의 규제 및 윤리적 틀의 맥락에서 안전하고 적절한 임상 적용을 지원하기 위해 표적 미세조정의 필요성이 강조된다.

배경: ClinVar(2022년 12월 20일 접속)에서 해석이 상충하는 미스센스 변이들. 방법: VarSome 및 BRCA1/BRCA2: CanVIG-UK 유전자 특이적 지침(CanVIG-UK) 분류를 비교하였고, 원래의 5가지 분류를 3가지 범주(PV/LPV, VUS, BV/LBV)로 통합하였다. ClinVar 데이터를 재추출한 자료와 VarSome 및 CanVIG-UK 결과 간의 합의 분석을 수행하였다. 결과: CanVIG-UK와 VarSome 간의 미스센스 변이 해석에서, VarSome은 PV/LPV, VUS, BV/LBV 분류에 대해 각각 11.3, 24.7, 64.0%의 비율을 보였고, CanVIG-UK는 P/LPV, VUS, BV/LBV 분류에 대해 각각 11.1, 51.6, 37.3%의 비율을 보였다. VarSome에서 PV/LPV로 분류된 변이들은 CanVIG-UK에서 BV/LBV로 분류된 경우가 없었으며, 그 반대의 경우도 없었다. 2024년 5월 1일 기준, 이러한 상충 변이 중 3.8%(17/450)가 ClinVar에서 합의 분류에 도달하여 확정적으로 분류되었는데(9 PV/LPV, 1 VUS, 7 BV/LBV), 결론: VarSome과 CanVIG-UK는 병원성 분류의 정확도를 향상시키는 데 도움이 되는 서로 다른 특징을 가지며, 임상적 의사결정 지원을 위해 두 도구를 상호보완적으로 사용할 가능성을 시사한다.