목적 본 연구는 두개골 기저부가 아닌 양성 뇌수막종에서 감마나이프 방사선수술(Gamma Knife radiosurgery, GKRS)의 성공 여부에 대한 기계학습(ML) 앙상블 모델의 예측 가능성을 평가하고자 하였다. 방법 1997년부터 2015년까지 GKRS로 주로 치료된 두개골 기저부가 아닌 양성 뇌수막종 331예를 후향적으로 분석하였다. 종양이 마지막 영상 추적에서 초기 종양 용적의 125%를 넘지 않았고, 종양 주변의 고신호강도(high signal intensity) 영역에 유의한 변화가 없을 때 이를 ‘치료 성공(treatment success, TS)’으로 분류하였다. 단변량 상관 분석 및 다변량 로지스틱 회귀분석을 수행하여 통계적으로 유의한 예후 인자를 확인하였다. GKRS의 결과를 예측하기 위해 4가지 앙상블 알고리즘을 학습하였다. TS와 관련된 특성(feature)의 중요도를 분석하였다. 결과 중앙값 MR 영상 추적 기간은 8.6년이었다. 종양 조절(tumor control) 및 신호 변화율은 각각 91.5%와 16.3%였으며, TS 비율은 77.6%였다. 기존의 다변량 로지스틱 회귀 모델은 정확도 83.7%, 특이도 37.8%를 보였다. ML 모델들은 정확도 78.0%~82.2%, 특이도 30.3%~80.7%의 범위를 보였고, 기존 로지스틱 회귀분석과 유사하였다. GKRS 동안 14 Gy를 초과하여 흡수한 더 작은 뇌 용적은 모든 모델에서 TS의 유리한 예후 인자였으며, GKRS 이전에 신호 변화가 없는 점 또한 모든 모델에서 TS에 대해 유리한 예후 인자로 나타났다. 선택된 특성을 사용한 bagging 알고리즘은 특이도 80.7%로 가장 우수하였고, AUC는 0.723으로 가장 유의하였다. 결론 선택된 특성을 적용한 bagging 앙상블 알고리즘은 비두개골 기저부 뇌수막종에서 GKRS 예후를 예측할 때, 기존 다변량 로지스틱 회귀분석과 유사한 정확도를 유지하면서 특이도가 더 우수하였다.

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