Menu
토구 짐볼 - 2024년 실시간 업데이트
조기 발병 대장암 환자의 사망 위험을 예측할 수 있는 양자 머신러닝 모델이 개발됐다.
사진=게티이미지뱅크 연세대 의대 의생명시스템정보학교실 박유랑 교수와 유재용 박사,토구 짐볼 심우섭 연구원과 연세암병원 종양내과 김한상 교수 연구팀은 조기 발병 대장암 환자의 임상데이터를 기반으로 예측정확도 90%에 달하는 사망 위험 예측 양자 머신러닝 모델을 개발했다고 12일 밝혔다. 
젊은 대장암이라고도 불리는‘조기 발병 대장암’은 50세 미만에서 발생하는 대장암을 말한다. 조기 발병 대장암은 다른 연령층에서 진단되는 대장암과 비교해 더 공격적이고 생존율이 낮아 질병 조기발견과 치료가 중요하다.우리나라 20~40대 대장암 발병률은 인구 10만명당 12.9로 세계 1위다.
연구팀은 2008년부터 2020년까지 세브란스병원에 내원한 조기 발병 대장암 환자 1253명의 치료 데이터를 기반으로 환자의 질병 상태에 따른 사망 위험을 예측하는 양자 머신러닝 모델을 개발했다. 양자컴퓨팅 기술을 활용한 머신러닝 모델의 예측 인자로는 나이,토구 짐볼 성별과 같은 환자 정보 데이터와 병기, 치료 정보에 관한 임상데이터 등 총 93개의 변수를 적용했다.
국내연구진이 개발한 양자 머신러닝 모델이(QSVM)의 예측 정확도를 분석한 결과 기존 머신러닝 모델(Conventional SVM (70%))에 조기 발병 대장암 환자의 사망 위험 예측 정확도가 더 높은 90%로 확인됐다.또 결과변수가 희소해짐에도 양자 머신러닝의 예측 정확도는 유지되는 것을 확인할 수 있었다.(오른쪽) 효과성을 확인하기 위해 최적의 변수 개수,토구 짐볼 표본 크기, 결과변수의 비율에 따른 정확도를 기존 머신러닝모델과 비교분석했다. 예측 정확도는‘수신기 작동 특성 곡선’(AUROC)의 지표로 분석했다.AUROC는‘ROC 곡선의 아래 면적’으로, 어떤 예후를 예측하기 위한 특정 검사 도구의 예측 정확도를 나타내는 방법이다.AI 모델의 성능평가 지표로 주로 사용되는데,토구 짐볼 통상적으로 1에 가까울수록 성능이 뛰어나며 0.8 이상이면 고성능 모델로 평가된다. 
분석 결과 기존 머신러닝 모델(Conventional SVM)의 예측 정확도는 70%인데 반해 양자 머신러닝 모델은 조기 발병 대장암 환자의 사망 위험 예측 정확도가 90%를 기록했다.
연구팀은 또 양자컴퓨팅의 견고성을 검증하기 위해,토구 짐볼 사망과 생존의 비율을 조절해 성능 검증을 진행했다.그 결과 기존 머신러닝 모델은 사망 비율을 불균형하게 조정했을 때 예측 성능이 80%를 보였지만 양자 머신러닝 모델의 예측 정확도는 사망 비율이 불균형한 상황에서도 88%의 높은 예측 정확도를 유지했다.
박유랑 교수는 “이번 연구를 통해 조기 발병 대장암 환자의 사망 위험을 정확히 예측하는 양자 머신러닝 모델을 구축했다”면서 “이를 기반으로 앞으로도 양자 머신런닝 모델을 활용해 다양한 영역의 헬스케어 분야에 확장이 가능할 것으로 기대한다”고 말했다. 
이번 연구 결과는 국제학술지‘어플라이드 소프트 컴퓨팅’(Applied Soft Computing)’에 게재됐다.
