2026
두 관찰 코호트(COPDGene, AGES‑Reykjavík)의 후향 분석, 기저 CT ILA 522명·370명(추적 CT 275명·168명) · 선형 혼합모형·다변수 Cox 모형 · 전문·보충자료 검토(전문 32쪽·보충 26쪽) · 점수는 초록 기준 · 중요도 8/10 (5축 평균 78.5점)
간질성 폐 이상, 딥러닝 UIP 값과 섬유화 진행·사망
Deep learning classification of radiologic pattern is associated with progression of interstitial lung abnormalities and with survival.
임상적으로 간질성 폐질환 진단을 받지 않은 두 관찰 코호트 참여자의 CT에서, 딥러닝 분류기(MIL‑UIP)로 UIP 가능성을 추정하고 자료 기반 질감 분석(DTA)으로 섬유화를 정량했습니다. 주 분석 대상은 기저 CT에서 육안상 ILA로 분류된 COPDGene 522명과 AGES‑Reykjavík 370명입니다. MIL‑UIP를 연속값으로 본 분석에서는 두 코호트 모두 값이 높을수록 이후 DTA 증가가 빨랐지만, 0.5 기준으로 나눈 비교의 차이는 COPDGene에서만 유의했습니다. 0.5 초과군은 기저 DTA 등을 보정해도 두 코호트 모두 사망 위험이 높았으나, MIL‑UIP를 더해도 생존 모형의 판별력은 거의 늘지 않았습니다.
- 대상: ILA 522명(COPDGene)·370명(AGES‑Reykjavík), 이 중 추적 CT가 있는 사람은 275명·168명. MIL‑UIP 0.5 초과군은 63명·27명이고, 그중 추적 CT가 있는 사람은 20명·10명뿐입니다.
- DTA 연간 상대 증가율(0.5 초과군 대 이하군): COPDGene 13.41%(95% CI 8.10–18.99) 대 6.72%(95% CI 5.08–8.38), 군간 비교 p = 0.014. AGES‑Reykjavík 14.10%(95% CI 5.06–23.91) 대 7.59%(95% CI 5.31–9.92), p = 0.175로 유의하지 않았습니다.
- 사망(0.5 초과군 대 이하군, 기저 DTA·나이·성별·체질량지수·흡연 보정, 전체 사망): COPDGene HR 1.61(95% CI 1.08–2.38; p = 0.018), AGES‑Reykjavík HR 1.62(95% CI 1.01–2.61; p = 0.046).
- 생존 모형의 C 지수는 기저 DTA와 나이 등 보정변수를 포함한 모형에 MIL‑UIP를 더해도 COPDGene 0.691→0.694, AGES‑Reykjavík 0.719→0.719로 거의 변하지 않았습니다(보충 표, 표본 내 값).
- COPDGene ILA에서 MIL‑UIP 0.5 초과 여부와 FVC 연간 감소 사이에 통계적으로 유의한 연관은 확인되지 않았습니다(군간 차이 −8.6 mL, 95% CI −34.6–17.4; p = 0.516). AGES‑Reykjavík는 FVC 결측이 많아 분석하지 않았다고 밝혔습니다.
왜 중요한가ILA는 흔하지만 모두 진행하지는 않아, 위험군을 가를 객관적 CT 지표가 필요합니다. 분류기 값은 두 코호트에서 같은 방향으로 섬유화 진행·사망과 연관됐습니다. 다만 두 번째 코호트는 같은 형식의 모형을 따로 적합한 연관성 재현이며, 예측 모형의 외부 검증은 아닙니다. 0.5 기준은 이 자료에서 고른 값이 아니라 이전 연구에서 미리 정한 값입니다. 저자들은 위험 계층화와 임상시험 대상자 선별에 쓸 가능성을 제시했습니다.
판독실에서판독 기준을 바꾸는 연구는 아닙니다. UIP 유사 소견이 있는 ILA를 보고할 때 참고할 수 있지만, 이 연구는 MIL‑UIP 값에 따라 개별 환자의 추적 간격이나 의뢰 여부를 정하는 전략을 평가하지 않았습니다. COPDGene은 흡연자, AGES‑Reykjavík는 아이슬란드 고령자 코호트라 국내 검진 수검자에 그대로 옮기기 어렵습니다.
한계후향 관찰 연구의 연관성이며, 0.5 초과군 중 추적 CT가 있는 사람은 20명·10명뿐이고 진행 모형의 보고된 보정항에는 기저 섬유화 범위가 없습니다. MIL‑UIP를 더해도 C 지수는 거의 늘지 않았고, 보정도나 다른 코호트에 그대로 적용한 예측 검증은 제시되지 않았습니다. 교신저자 등 2명은 영상분석 업체 VIDA에 실시권이 넘어간 미국 특허의 공동 발명자이고(특허가 이 두 모형에 해당하는지는 원문에 없음), 여러 저자가 베링거인겔하임 자문·연구비를 보고했습니다. 모형 개발팀이 자기 모형을 평가한 연구입니다.
국내 건강검진 흉부 CT를 반복 촬영한 수검자 중 ILA가 있는 사람에서, 딥러닝 UIP 가능성 값이 이후 섬유화 정량값 증가, 폐기능 변화, 간질성 폐질환 진단을 예측하는지 확인할 수 있을까요?