식도암은 미국에서 새로운 암 사례의 약 1%를 차지하며 , 이는 세계 다른 지역의 비율보다 훨씬 낮다. 그러나 연하 곤란, 속쓰림 악화, 기침, 쉰 목소리 등의 증상이 시작된 말기에 발견되는 경우가 많기 때문에 생존율은 무척 낮은 편이다. 식도 세포에 전암성 변화가 있는 바렛 식도 라는 상태는 식도암 의 위험 요소다 . 바렛 식도는 위산이 반복적으로 식도로 역류하여 식도 내막을 자극할 때 발생하는 위식도 역류 질환 (GERD)으로 인해 발생한다.

식도암 전문의는 여러 위험 요인이 있는 사람들의 경우 바렛 식도 검사를 권장한다. 선별검사에는 내시경검사 라는 절차가 포함된다. 내시경 검사 중에 의료 전문가는 끝에 카메라가 달린 조명 튜브(내시경)를 목 아래로 통과시켜 식도 조직의 변화 징후를 확인한다. 이러한 권장 사항에도 불구하고 바렛식도에 대한 선별검사 비율은 낮다. 메이요크리닉 위장병 전문의이자 연구원인 라이어(Prasad Iyer) 박사는 이러한 상황을 바꾸기 위해 노력하고 있다.

"이제 우리는 Barrett의 식도 검사를 위한 새로운 최소 침습 도구를 이용할 수 있게 되었습니다. 그러나 전자 건강 기록 데이터와 함께 쉽게 사용할 수 있는 보다 정확한 Barrett의 식도암 및 식도암 위험 평가 도구를 개발하는 것이 중요합니다."라고 전했다. 이러한 도구는 의료 전문가가 검사를 통해 가장 큰 혜택을 받을 수 있는 사람들을 식별하는 데 도움이 될 것이다.

문제를 해결하기 위해 Iyer 박사와 연구진은 신원 확인이 불가능한 전자 건강 기록의 대규모 데이터베이스 데이터를 기반으로 Barrett 식도 및 식도암의 위험을 예측하기 위해 인공 지능(AI)을 사용하는 도구를 개발하고 테스트했다. 그들의 연구 결과는 2023년 Clinical and Translational Gastroenterology 에 게재되었다.

연구 진행 방식
라이어 박사와 그의 연구팀은 600만 명의 Mayo Clinic 환자의 비식별 전자 건강 기록을 기반으로 개발된 AI 모델을 사용하여 진단 최소 1년 전에 Barrett의 식도 및 식도암 위험을 판단할 수 있는 위험 예측 도구를 만들었다. 위험 예측 도구는 전자 건강 기록과 통합될 수 있으며, 적절한 경우 의료 전문가가 환자의 바렛 식도 검사를 고려하도록 유도할 수 있다. 연구자들은 전자 건강 기록의 임상, 내시경, 검사실 및 병리학 기록을 바탕으로 바렛 식도 환자 8,476명, 식도암 환자 1,539명, 대조군 252,276명을 식별했다. 그런 다음 이러한 그룹을 사용하여 위험 예측 도구에 대한 예측 모델을 개발했다.

연구 결과
연구 결과는 도구의 예측 모델이 높은 수준의 정확도를 가지고 있음을 보여주었다. 이 도구는 76% 민감도(음성으로 정확하게 식별된 샘플의 비율), 76% 특이도(양성으로 올바르게 식별된 샘플의 비율), 0.84의 AUROC(수신기 작동 곡선 아래 영역)로 바렛 식도를 예측했다. AUROC는 AI 모델이 생성한 예측 품질을 측정하는 데 사용되는 측정항목이다. 범위는 0에서 1까지이며 1이 가장 높은 품질이다. 이 도구는 민감도 84%, 특이도 70%, AUROC 0.84로 식도암을 예측했다. 또한 바렛식도암과 식도암에 대해 알려진 위험 요인뿐만 아니라 관상 동맥질환, 중성 지방 수치, 전해질 수치 등 고려해야 할 새로운 위험 요인도 식별했다.

"우리의 연구는 AI와 전자 건강 기록 데이터를 사용하여 Barrett의 식도 및 식도암에 대한 보다 정확한 위험 평가 도구를 만드는 것이 가능하다는 것을 보여주었습니다. 이 도구는 전자 건강 기록에 통합될 수 있으며 최소 침습(비내시경) 검사 도구와 결합되어 1차 의료 분야의 의료 전문가가 사용할 수 있습니다."라고 그는 말한다.

라이어 박사는 의료 전문가가 검진을 권장해야 하는 시기를 명확히 하고 기타 세부 사항을 명확히 하기 위해서는 더 많은 연구가 필요하다고 지적한다. "환자를 대상으로 이 위험 예측 도구를 테스트하고 도구의 성능을 평가하는 것이 다음 단계에서 중요합니다."라고 그는 전했다.

참조:
mayoclinic