Machine Learning 기반 폐암 위험 예측 모델: XGBoost를 활용한 폐암 스크리닝 정확도 혁신
Lung Cancer Risk Prediction Model · XGBoost · 폐암 조기검진 AI 1. 서론 : 폐암 스크리닝과 머신러닝 기반 위험 예측의 필요성 폐암 (Lung Cancer) 은 전 세계적으로 암 사망률 1 위를 차지하는 질환으로 , 조기 진단 여부가 예후를 결정하는 핵심 요소이다 . 그러나 기존의 폐암 스크리닝 전략은 연령 , 흡연력 (pack-years) 등 제한된 임상 변수에 기반한 단순 기준을 적용해 왔으며 , 이로 인해 고위험군 누락 (false negative) 과 저위험군 과잉검사 (false positive) 문제가 지속적으로 제기되어 왔다 . 최근 의료 인공지능 (AI) 과 머신러닝 (Machine Learning) 기술의 발전은 이러한 한계를 극복할 수 있는 새로운 가능성을 제시하고 있다 . 특히 폐암 위험 예측 모델 (Lung Cancer Risk Prediction Model) 은 다변량 임상 데이터를 종합적으로 분석하여 , 스크리닝 단계에서 개인 맞춤형 위험도 평가 를 가능하게 한다 . 본 컬럼에서는 중국 광저우 Lung-Care Project Program 코호트 (11,708 명 ) 를 기반으로 수행된 연구를 중심으로 , · Logistic Regression 기반 폐암 위험 예측 모델 과 · XGBoost 기반 머신러닝 폐암 위험 예측 모델 의 성능을 비교 · 분석하고 , 임상적 · 영상의학적 의미를 심층적으로 고찰한다 . 2. 연구 개요 및 데이터 구성 2.1 연구 대상 및 코호트 특성 본 연구는 전향적 코호트 연구 (prospective cohort study) 로 설계되었으며 , 광저우 Lung-Care Project Program 에 등록된 총 11,708 명 의 일반...
