부산지역 주요 암 환자의 생존 예측을 위한 머신러닝 및 딥러닝 기반 모형 비교 연구 = A Comparative Study of Machine Learning and Deep Learning Models for Survival Predictions in Major Cancer Patients in the Busan

국문 초록 (Abstract)

본 연구는 부산지역 대장암 및 폐암 환자를 대상으로 머신러닝 및 딥러닝 기반 생존 예측 모델의 성능을 비교하고, 암종별 생존 구조의 차이가 예측 성능과 변수 기여도에 미치는 영향을 분석하였다. 분석에는 부산광역시 암등록 자료를 활용하였으며, 대장암 33,682명과 폐암 31,331명의 환자가 포함되었다. 예측 변수는 연령, 성별, 요약병기, 치료유형으로 구성하였다.
모델 평가는 4회 반복 5겹 중첩 교차검증(nested cross-validation)을 통해 수행하였으며, 비교 대상 모델은 CoxPH, RSF(random survival forest), XGBSE-DebiasedBCE, DeepSurv였다. 그 결과, XGBSE-DebiasedBCE는 두 암종 모두에서 가장 높거나 동등한 수준의 c-index를 보였고, 폴드 간 변동폭이 가장 낮아 높은 안정성을 나타냈다.
폐암에서 RSF가 다소 낮은 IBS를 보였으나 변동성이 크게 나타나, 전체적으로는 XGBSE-DebiasedBCE가 가장 일관적인 성능을 보이는 모델로 판단되었다.
SHAP 분석에서는 두 암종 모두에서 연령, 병기, 치료 유형이 주요 예측 요인으로 식별되었으며, 특히 폐암은 높은 초기 사망률 특성으로 인해 병기의 영향력이 상대적으로 더 크게 나타났다. 또한 DCA 결과, XGBSE-DebiasedBCE는 넓은 범위의 임계확률(threshold probability)에 걸쳐 일관된 순이익(net benefit)을 제공하였다.
본 연구는 지역의 암 특성을 반영한 안정적이며 해석 가능한 생존 예측 모델 선택에 근거를 제시하며, 인구 기반 종양역학 자료를 활용한 의료 AI 적용 연구의 방법론적 발전에 기여하고자 한다.

목차 (Table of Contents)

• Ⅰ. 서론 1
• Ⅱ. 생존 분석(Survival analysis) 6
• 2.1 Kaplan-Meier 분석 6
• 2.2 CoxPH모델(Cox proportional hazard model) 7
• 2.3 머신 러닝 기반 생존 예측 모델 7
• 2.3.1 RSF(Random survival forest) 8
• 2.3.2 XGBSE-DebiasedBCE 10
• 2.3.3 DeepSurv 12
• 2.4 생존 예측 성능 및 임상적 유용성 평가 지표 14
• 2.4.1 c-index(concordance-index) 14
• 2.4.2 IBS(integrated brier score) 15
• 2.4.3 DCA(decision curve analysis) 16
• 2.5 교차 검증 및 하이퍼파라미터 최적화 17
• 2.5.1 Repeated k-Fold cross validation 17
• 2.5.2 Optuna 기반 하이퍼파라미터 최적화 18
• 2.6 변수 기여도 해석 방법: SHAP 19
• Ⅲ. 연구 방법 및 데이터 21
• 3.1 연구 대상 및 데이터 21
• 3.2 변수 정의 및 전처리 21
• 3.3 생존 예측 모델 구조 및 비교 22
• 3.4 비례위험 가정 검정 24
• 3.5 중첩 교차 검증 기반 모델 구축 및 평가 24
• 3.6 최종 대표 모델 구축 및 변수 기여도 분석 26
• Ⅳ. 연구 결과 28
• 4.1 연구 대상 특성 및 기술 통계 28
• 4.2 Kaplan-Meier 방법을 활용한 기초 생존분석 32
• 4.3 비례위험 가정 검정 결과 34
• 4.4 생존 예측 모델 성능 비교 35
• 4.4.1 대장암 환자군 성능 비교 35
• 4.4.2 폐암 환자군 성능 비교 38
• 4.4.3 모델 성능의 통계적 유의성 검정 40
• 4.4.4 모델 성능 종합 분석 및 해석 41
• 4.5 주요 변수 기여도 분석 43
• 4.6 임상적 의사 결정 기반 평가(Decision curve analysis) 45
• Ⅴ. 결론 및 제언 48
• 참고문헌 50
• 부록 53