Smart Media Journal (스마트미디어저널)

THE KOREAN INSTITUTE OF SMART MEDIA (한국스마트미디어학회)
권호 표지
DOI QR코드

DOI QR Code

Accessing the Clustering of TNM Stages on Survival Analysis of Lung Cancer Patient

폐암환자 생존분석에 대한 TNM 병기 군집분석 평가

  • 최철웅 (전남대학교 인공지능융합학과) ;
  • 김경백 (전남대학교 인공지능융합학과)
  • Received : 2020.08.18
  • Accepted : 2020.11.10
  • Published : 2020.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

The treatment policy and prognosis are determined based on the final stage of lung cancer patients. The final stage of lung cancer patients is determined based on the T, N, and M stage classification table provided by the American Cancer Society (AJCC). However, the final stage of AJCC has limitations in its use for various fields such as patient treatment, prognosis and survival days prediction. In this paper, clustering algorithm which is one of non-supervised learning algorithms was assessed in order to check whether using only T, N, M stages with a data science method is effective for classifying the group of patients in the aspect of survival days. The final stage groups and T, N, M stage clustering groups of lung cancer patients were compared by using the cox proportional hazard model. It is confirmed that the accuracy of prediction of survival days with only T, N, M stages becomes higher than the accuracy with the final stages of patients. Especially, the accuracy of prediction of survival days with clustering of T, N, M stages improves when more or less clusters are analyzed than the seven clusters which is same to the number of final stage of AJCC.

병원에서는 폐암 환자의 최종병기를 기준으로 치료방침 및 예후를 결정하고 있다. 폐암 환자의 최종병기는 미국 암 연합회(AJCC)에서 제공하는 TNM 분류방법을 바탕으로 7단계로 나누어 진단된다. 이런 접근 방법은 환자의 치료, 예후 및 생존일 예측 등 다양한 분야에서 사용하기에 한계가 있다. 이 논문에서는 데이터 과학적 접근을 통해 T, N, M병기를 사용하여 생존일수별 환자집단을 나눌 수 있는지 알아보기 위해 비지도 학습 중 하나인 군집분석(Clustering)을 진행한 후 군집분석의 결과를 Cox비례위험모형을 사용하여 비교 하였다. 환자들의 최종병기를 사용하지 않고, T, N, M병기 정보만 사용하였을 때 생존시간 예측정확도가 더 높은 것을 확인하였다. 특히, AJCC의 최종병기 7단계와 같이 군집의 개수를 7로 설정했을 때보다 군집의 수를 축소하거나 확장했을 때 T, N, M 병기 군집분석을 통한 생존시간 예측정확도가 향상하는 것을 확인하였다.

Keywords

References

  1. 박예민, 김명건, et al, "가천의대 길병원에서 진단된 폐암 환자의 임상적 특성," 대한내과학회지, 제78권, 제2호, 215-221쪽, 2010년
  2. Wu, Dengyuan, et al, "An examination of TNM staging of melanoma by a machine learning algorithm," 2012 International Conference on Computerized Healthcare (ICCH). IEEE, pp. 120-126, Dec. 2012.
  3. 김혜영, "폐암의 병기 결정," 대한의사협회 대한의사협회지, 제51권, 제12호, 1118-1124쪽, 2008년 https://doi.org/10.5124/jkma.2008.51.12.1118
  4. McGhan, Lee J., et al, "Validation of the updated 7th edition AJCC TNM staging criteria for gastric adenocarcinoma," Journal of Gastrointestinal Surgery, vol. 16, no. 1, pp. 53-61, 2012. https://doi.org/10.1007/s11605-011-1707-3
  5. Detterbeck, Frank C., et al, "The IASLC Lung Cancer Staging Project: methodology and validation used in the development of proposals for revision of the stage classification of NSCLC in the forthcoming (eighth) edition of the TNM classification of lung cancer," Journal of thoracic oncology, vol. 11, no. 9, pp. 1433-1446, 2016. https://doi.org/10.1016/j.jtho.2016.06.028
  6. Chansky, Kari, et al, "The IASLC lung cancer staging project: external validation of the revision of the TNM stage groupings in the eighth edition of the TNM classification of lung cancer," Journal of Thoracic Oncology, vol. 12, no. 7, pp. 1109-1121, 2017. https://doi.org/10.1016/j.jtho.2017.04.011
  7. Sui, Xizhao, et al, "Validation of the stage groupings in the eighth edition of the TNM classification for lung cancer," Journal of Thoracic Oncology, vol. 12, no. 11, pp. 1679-1686, 2017. https://doi.org/10.1016/j.jtho.2017.07.028
  8. Goldstraw, Peter, et al, "The IASLC Lung Cancer Staging Project: proposals for the revision of the TNM stage groupings in the forthcoming (seventh) edition of the TNM Classification of malignant tumours," Journal of thoracic oncology, vol. 2, no. 8, pp. 706-714, 2007. https://doi.org/10.1097/JTO.0b013e31812f3c1a
  9. Goldstraw, Peter, et al, "The IASLC lung cancer staging project: proposals for revision of the TNM stage groupings in the forthcoming (eighth) edition of the TNM classification for lung cancer," Journal of Thoracic Oncology, vol. 11, no. 1, pp. 39-51, 2016. https://doi.org/10.1016/j.jtho.2015.09.009
  10. 최철웅, 벨무루간 아레수 발라지, 김경백, "TNM 병기 클러스터링을 활용한 폐암 최종병기 결정," 한국스마트미디어학회 춘계학술대회, 554-557쪽, 조선대학교, 대한민국, 2020년 5월
  11. Kaur, Harjot, and Prince Verma, "Comparative Weka Analysis of Clustering Algorithm's," International Journal of Information Technology and Computer Science, pp. 56-67, Aug. 2017.
  12. 홍의석, 박미경, "대표적인 클러스터링 알고리즘을 사용한 비감독형 결함 예측 모델," 정보처리학회논문지/소프트웨어 및 데이터 공학, 제3권, 제2호, 57-64쪽, 2014년
  13. Lee, Seungmin, and Beom Park, "Analyzing Brain Cancer Survivability Using SEER (Surveillance, Epidemiology, and End Results Program) Data with method of Kaplan Meier," 대한인간공학회 학술대회논문집, 92-96쪽, 2015년
  14. In, Junyong, and Dong Kyu Lee, "Survival analysis: Part I-analysis of time-to-event," Korean journal of anesthesiology, 제71권, 제3호, 182-191쪽, 2018년 https://doi.org/10.4097/kja.d.18.00067
  15. Steck, Harald, et al, "On ranking in survival analysis: Bounds on the concordance index," Advances in neural information processing systems, 2008.
  16. Amigo, Enrique, et al, "A comparison of extrinsic clustering evaluation metrics based on formal constraints," Information retrieval, vol. 12, no. 4, pp. 461-486, 2009. https://doi.org/10.1007/s10791-008-9066-8
  17. 이동수, 김영광, 신혜주, 김진술, "K-평균 군집화 알고리즘 및 딥러닝 기반 군중 집계를 이용한 전염병 확진자 접총 가능성 여부 판단 모니터링 시스템 제안," 스마트미디어저널, 제9권, 제3호, 122-129쪽, 2020년 09월 https://doi.org/10.30693/SMJ.2020.9.3.122
  18. 임명진, 김판구, 신주현, "리뷰의 의미적 토픽 분류를 적용한 감성 분석 모델," 스마트미디어저널, 제9권, 제2호, 69-77쪽, 2020년 06월 https://doi.org/10.30693/SMJ.2020.9.2.69
  19. 이진우, 모하매드 바니아타, 홍지만, "무선 센서 네트워크를 위한 효율적인 클러스터링 기법," 스마트미디어저널, 제6권, 제4호, 24-31쪽, 2017년 12월