AI Based Volumetric CT Analysis of Sarcopenia and Myosteatosis for Prognostic Stratification in Endometrial Cancer = 자궁내막암 환자 예후 평가를 위한 인공지능 기반 CT 체성분 분석: 근감소증과 근육내 지방침착의 임상적 의의

국문 초록 (Abstract)

배경 : 자궁내막암(endometrial cancer, EC)의 발병률은 전 세계적으로 증가하고 있으며 비만, 근감소증(sarcopenia), 그리고 근지방증(myosteatosis)이 중요한 예후 인자로 주목받고 있다. 기존 대부분의 체성분과 자궁내막암의 예후 관련 연구는 제3요추(L3) 단면을 이용한 분석에 의존했으나, 최근 인공지능(AI) 기반 체성분의 3차원 정량화 기술의 발전으로 보다 정밀하고 재현성 높은 평가가 가능해졌다.

방법 : 2014년부터 2024년까지 두 기관에서 수술을 받은 자궁내막암 환자 460명을 후향적으로 분석하였다. 수술 전, 보조치료 후, 재발 시의 CT 영상을 인공지능 기반 체성분 자동분할 도구로 분석하여 골격근량과 근질(muscle quality)을 정량화하였다. 근감소증과 근육내 지방변성은 25 사분위수 기준값 및 ROC 곡선에서 도출된 절단값으로 정의하였다. 무진행생존율(PFS)과 전체생존율과(OS)의 연관성은 Kaplan–Meier 및 Cox 회귀분석을 통해 평가하였다.

결과 : 치료 전 시점에서 L3 단면 기준으로 44.6%의 환자가 근감소증에 해당하였으며, 체적 근감소증에서는 기준 값에 따라 분류 비율이 달랐다. L3 기반 근감소증은 생존과 관련이 없었으나, 치료 전 ROC curve 기반의 체적 근감소증은 5년 PFS(72.9% vs. 86.3%, p=0.002) 및 OS(92.6% vs. 98.1%, p=0.003)의 유의한 감소와 관련되었다. 다변량 분석에서 FIGO 진행 병기(aHR 18.8, p<0.001)와 낮은 체적 골격근 지수(aHR 3.96, p=0.037)는 독립적인 사망 위험 인자로 확인되었다. 보조치료 이후에도 체적 근감소증은 낮은 PFS와 OS와 연관되었으며, 특히 L3 수준에서의 근질 저하는 전체생존율의 감소와 관련이 있었다. 재발 시에도 체적 근감소증은 재발 후 생존율을 악화시켰다. 또한 치료 전 근감소증이 있던 환자들은 치료 중 근육 손실이 더욱 컸다.

결론 : AI 기반 CT 체성분 분석을 통해 정량화된 체적 근감소증과 근질 저하는 자궁내막암 환자의 새로운 예후 평가 기준을 제시한다. 이러한 인자는 치료 전후 근육 변화와 그 예후적 의미를 포착할 수 있어, 보다 정밀한 위험도 평가가 가능하다. 임상 진료 과정에 체성분의 체적분석을 도입함으로써, 고위험군 환자의 조기 선별 및 근육 보존을 위한 맞춤형 중재 전략 수립에 기여할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Background
The incidence of endometrial cancer (EC) is increasing globally, with obesity, sarcopenia, and myosteatosis increasingly recognized as prognostic factors. While most prior studies on body composition and the prognosis of EC relied on cross-sectional measurements at the L3 vertebra, advances in AI-based volumetric body composition analysis now enable a more precise and reproducible quantification.

Methods
We retrospectively analyzed 460 patients with EC who underwent surgery at two institutions between 2014 and 2024. Skeletal muscle mass and muscle quality were quantified using an AI–based CT segmentation tool at baseline, after adjuvant treatment, and at recurrence. Sarcopenia and myosteatosis were defined using interquartile range–based cut-offs and ROC-derived thresholds. Associations with progression-free survival (PFS) and overall survival (OS) were evaluated using Kaplan–Meier and Cox regression analysis.

Results
At the pre-treatment point, 44.6% of patients were sarcopenic according to the L3 criteria, whereas the volumetric sarcopenia classification varied with cut-off methods. L3-based sarcopenia was not associated with survival, whereas volumetric sarcopenia significantly predicted worse 5-year PFS (72.9% vs. 86.3%, p=0.002) and OS (92.6% vs. 98.1%, p=0.003) when Receiver Operating Characteristic(ROC)-based thresholds were applied. In the multivariate analysis, advanced FIGO stage (aHR 18.8, p<0.001) and low volumetric skeletal muscle index(SMI) (aHR 3.96, p=0.037) independently predicted OS. After adjuvant therapy, volumetric sarcopenia remained associated with inferior PFS and OS, whereas poor muscle quality (especially at the L3 level) was correlated with reduced survival. At recurrence, volumetric sarcopenia adversely affected post-recurrence OS. Notably, patients with pre-treatment sarcopenia experienced greater muscle loss during therapy than those without.

Conclusions
Volumetric sarcopenia and decreased muscle quality, quantified through AI-based CT body composition analysis, provide new reference standards for the prognostic evaluation of EC. These parameters capture longitudinal muscle loss and its prognostic implications, providing a framework for more precise risk assessment. Incorporating volumetric analysis into clinical workflows may facilitate the early identification of high-risk patients and guide targeted interventions to preserve muscle mass and improve survival outcomes.

Keywords : Endometrial cancer; Sarcopenia; Myosteatosis; Artificial intelligence; Body composition analysis; Prognostic evaluation

목차 (Table of Contents)

• Table of Contents
• List of Tables -4-
• List of Figures -5-
• List of Abbreviation -7-
• Chapter 1. Introduction 1
• Chapter 2. Materials and Methods 3
• Chapter 3. Results 9
• Chapter 4. Discussion 100
• Chapter 5. Conclusion 107
• Acknowledgement 108
• Bibliography 109
• Abstract in Korean 113