84개 임상 변수를 기반으로 머신러닝 모델을 적용해 항경련제별 치료 반응성 분석

약물별 예측 인자 차이 확인...발프로산은 전신 경련, 라모트리진은 고령 발병·짧은 유병 기간과 연관

   뇌전증은 특별한 원인 없이 경련이 반복적으로 발생하는 질환으로, 현재 20여 종 이상의 항경련제가 치료에 사용되고 있다. 그러나 환자마다 약물에 대한 반응이 달라 어떤 약이 잘 맞을지는 실제로 사용해 보기 전까지 알기 어려워, 효과가 없을 경우 약물을 바꾸고 다시 경과를 지켜보는 과정을 반복하는 경우가 많다.

이에 서울대병원 연구팀이 최근 84개의 임상 변수를 토대로 여러 항경련제 중 특정 약물에 대한 치료 반응을 예측하는 AI 기반 머신러닝 모델을 개발했다.

서울대병원 신경과 박경일·이상건 교수와 융합의학과 김영곤 교수팀은 뇌전증 환자 2600여 명으로 구성된 아시아 최대 규모의 단일기관 뇌전증 코호트를 기반으로, 환자의 초기 임상 데이터를 학습해 항경련제 치료 반응을 예측하는 모델을 개발했다고 9일 발표했다.

▲ [사진 왼쪽부터] 서울대병원 신경과 박경일·이상건 교수, 융합의학과 김영곤 교수

뇌전증은 환자마다 약물 반응이 달라 적절한 약제 선택이 쉽지 않으며, 환자 10명 중 3명은 두 차례 이상의 약물 조정에도 반응하지 않는 난치성 경과를 보이는 것으로 알려져 있다. 이에 질환 초기 단계에서 항경련제 치료 반응을 예측할 수 있는 도구의 필요성이 제기돼 왔다.

연구팀은 신규 뇌전증 분류체계가 도입된 2008년부터 2017년까지 서울대병원에서 진료받은 뇌전증 환자의 초기 검사 결과와 3년 이상의 임상 데이터를 수집했다. 수집된 데이터에는 항경련제 사용 패턴, 경련 형태, 뇌 MRI, 뇌파, 혈액검사, 치료 경과 등이 포함됐으며, 처방 빈도가 높은 주요 항경련제로는 ▲레비티라세탐(LEV) ▲옥스카르바제핀(OXC) ▲발프로산(VPA) ▲라모트리진(LMT) 등이 분석 대상에 포함됐다.

연구팀은 총 84개의 변수를 학습시키고 트리 기반 앙상블 분석 기법을 적용해 항경련제 치료 반응을 예측하는 머신러닝 모델을 설계했다. 치료 반응성은 약물 사용 후 경련 빈도가 50% 이상 감소한 경우로 정의했으며, 해당 모델은 환자의 초기 임상 정보를 바탕으로 특정 항경련제에 대한 치료 반응 가능성을 예측해 치료 초기 단계에서 약물 선택을 보다 합리적으로 판단할 수 있도록 지원한다.

▲ 항경련제별 분석 건수와 머신러닝 모델을 이용한 치료 반응 예측력(AUC) 비교

분석 결과, 주요 항경련제 단일요법 가운데서는 발프로산(0.686), 라모트리진(0.674), 옥스카르바제핀(0.633) 순으로 치료 반응 예측력(AUC)이 높게 나타났다. 병용요법 중에서는 카르바마제핀과 레비티라세탐 병용(CBM+LEV) 요법이 가장 높은 예측력(AUC 0.764)을 보였다.

또한 연구팀은 샤플리 가산 설명법(SHAP)을 활용해 항경련제별 치료 반응 예측에 기여한 주요 변수를 분석했다. 그 결과, 전신 경련을 동반한 환자는 발프로산에 대한 치료 반응성이 높았고, 고령에 발병했거나 유병 기간이 짧은 환자는 라모트리진에 대해 치료 반응을 보일 가능성이 큰 것으로 나타났다.

박경일 교수(신경과)는 “뇌전증 환자의 항경련제 선택은 그동안 전문의의 경험적 판단에 의존해온 측면이 있었으나, 이번 연구는 장기간 축적된 대규모 코호트와 다양한 임상 데이터를 기반으로 항경련제 치료 반응을 예측할 수 있는 체계적인 접근법을 제시한 것”이라며 “향후 다기관 데이터를 축적해 이 AI 기반 모델이 임상 판단을 보조하는 도구로 발전할 수 있도록 연구를 확대할 계획”이라고 말했다.

이번 연구는 네이처 자매지 ‘사이언티픽 리포트(Scientific Reports)’ 최근호에 게재됐다.