대장암 생존 예측: 랜덤 생존 산림 모델의 이점
대장암은 전 세계적으로 암 관련 사망의 주요 원인이며, 정확한 예후 모델 개발의 중요성이 커지고 있다. 기존 연구에서는 생존 예측 시 시간-대-사건(time-to-event) 데이터를 이진 변수로 변환하여 일반 분류 알고리즘을 적용하는 경우가 많았다. 이는 데이터의 시간적 특성과 중도 절단(censoring)을 무시하는 방법론적 한계를 내포한다. 본 연구는 이러한 관행의 문제점을 비판하고, 중도 절단을 적절히 처리하며 해석 가능한 생존 분석 전용 기계 학습 방법론의 필요성을 강조한다. 브라질 상파울루주 대장암 환자 데이터를 활용하여, 기존 분류 기반 XGBoost 모델 연구를 재검토하고, 랜덤 생존 산림(Random Survival Forests, RSF) 모델을 다양한 분할 규칙으로 적용하여 비교 분석했다. 예측 성능은 Harrell의 C-index와 Integrated Brier Score로 평가했으며, SHAP 값을 통해 모델의 해석 가능성을 분석했다. 연구 결과, RSF는 안정적인 성능을 보이며 임상적으로 유의미한 사망 예측 인자를 식별했다. 반면, 분류 모델은 특히 중도 절단 비율이 높을수록 생존 확률을 체계적으로 과소평가하는 경향을 보였으며, 이는 시뮬레이션 연구를 통해 재확인되었다. 이러한 발견은 중도 절단된 시간-대-사건 데이터 분석에 있어 생존 분석 전용 기계 학습 방법론의 중요성을 강조한다. 본 연구는 대장암 환자의 예후 예측 정확도를 높이고, 보다 신뢰할 수 있는 임상 의사결정을 지원하는 데 기여할 수 있다.