유방암 수술 후 액와웹증후군 예측 모델: 기계학습 기반 위험 요인 분석
Frontiers in oncology · 2026
Predictive modeling of axillary web syndrome in Chinese postoperative breast cancer patients using interpretable machine learning.
PMID 42755747
원문 논문 바로가기 →
① 유방암 수술 후 발생하는 액와웹증후군(AWS)의 발생률과 주요 위험 요인을 분석한 후향적 연구입니다.
② LASSO 회귀 분석을 통해 14가지 핵심 예측 인자를 도출하였으며, 림프절 수술 방식과 림프부종이 가장 큰 영향을 미치는 것으로 나타났습니다.
③ 로지스틱 회귀 모델이 0.72의 AUC와 76%의 정확도를 기록하며 가장 우수한 예측 성능을 보였습니다.
유방암 수술 후 흔히 발생하는 액와웹증후군(AWS)이란 무엇인가요?
유방암 치료 기술이 발전하면서 환자의 생존율은 크게 향상되었고, 이와 함께 수술 후 삶의 질을 높이는 문제가 중요한 화두로 떠올랐습니다. 그중에서도 액와웹증후군(Axillary Web Syndrome, 림프절 수술 후 겨드랑이부터 팔 안쪽으로 굵은 줄 같은 구조물이 당기는 현상)은 수술 후 비교적 흔하게 발생하지만 자칫 간과하기 쉬운 합병증 중 하나입니다. 이 증후군은 환자의 환측 상지(아픈 쪽 팔)에 통증을 유발하고 관절 가동 범위를 제한하여 장기적으로는 오십견이나 근막동통증후군 같은 이차적인 문제를 초래할 수 있습니다.
연구에 따르면 유방암 수술을 받은 환자 중 상당수가 이 증후군을 겪는 것으로 보고되나, 발생 빈도는 연구마다 6%에서 91%까지 큰 편차를 보입니다. 증상의 정확한 발생 기전은 아직 완전히 밝혀지지 않았으나, 수술 과정에서 림프관이 손상되어 림프액 순환에 이상이 생기고 주변 조직에 섬유화가 진행되면서 줄기 형태의 구조물이 형성되는 것으로 추정됩니다. 따라서 이러한 증상의 위험 요인을 미리 파악하고 대비하는 것이 환자의 일상 회복에 매우 중요한 과정이 됩니다.
이번 연구는 어떤 환자들을 대상으로 어떻게 진행되었나요?
쓰촨성 암병원 연구팀은 2021년부터 2024년 사이에 수술을 받은 유방암 환자 655명을 대상으로 대규모 후향적 단면 연구를 진행했습니다. 연구의 신뢰성을 높이기 위해 엄격한 선정 및 제외 기준을 적용하였으며, 수술 후 3개월 이내에 전문적인 림프부종 치료사들이 표준화된 신체 검진을 통해 액와웹증후군 발생 여부를 면밀히 평가했습니다. 전체 655명의 환자 중 176명(26.9%)에게서 액와웹증후군이 발생한 것으로 확인되었습니다.
연구진은 환자의 인구통계학적 특성, 임상 데이터, 치료 방식 및 수술 후 합병증 등 다양한 변수를 수집하여 분석에 활용했습니다. 특히 전통적인 통계 방식의 한계를 보완하고 복잡한 임상 변수 간의 관계를 정확히 파악하기 위해, 여러 기계학습(Machine Learning, 컴퓨터가 데이터로부터 학습하여 패턴을 찾아내는 인공지능 기술) 알고리즘을 도입하여 예측 모델을 구축하고 그 성능을 상호 비교하는 방식을 취했습니다.
수술받은 655명 중 176명 — 다른 연구들이 보고한 폭 안에서는 어디쯤인가
쓰촨성 암병원 · 2021~2024년 수술 환자 · 수술 후 3개월 이내에 림프부종 치료사가 표준화된 신체 검진으로 액와웹증후군 여부를 판정했다.
이 연구의 환자 655명 전체를 한 줄로 놓은 것
26.9%는 «내가 겪을 확률»이 아닙니다. 한 병원에서 수술받은 환자들을 수술 후 3개월 안에 검진해 센 비율입니다. 다른 연구들의 값이 6%에서 91%까지 벌어져 있다는 것은 본문에 적혀 있지만, 왜 그렇게 벌어지는지는 본문에 없습니다. 또 이 연구는 지난 기록을 모아 한 시점에서 본 후향적 연구라, 아래 그림의 위험 요인들도 «원인»이 아니라 «함께 나타난 특성»으로 읽어야 합니다.
출처: 본문에 실린 쓰촨성 암병원 후향적 단면 연구 (Frontiers in Oncology, 2026)
액와웹증후군 발생 위험을 높이는 가장 결정적인 요인은 무엇인가요?
데이터 분석 결과, 액와웹증후군 그룹은 비발디 그룹에 비해 유방절제술을 받은 비율이 높았으며, 액와림프절곽청술(Axillary Lymph Node Dissection, 암 전이를 확인하기 위해 겨드랑이 림프절을 광범위하게 절제하는 수술)을 받은 비율과 절제된 림프절의 평균 개수도 유의하게 많았습니다. LASSO 회귀 분석을 통해 선별된 14개의 특성 지표 중, 림프절 수술의 범위와 림프부종(lymphedema, 림프액이 원활히 흐르지 못해 팔 등이 붓는 상태) 유무가 예측 모델에서 가장 높은 기여도를 기록했습니다.
이는 림프계 관련 요인이 액와웹증후군 발병 기전에 중심적인 역할을 한다는 점을 명확히 보여줍니다. 액와림프절곽청술은 감시림프절생검(Sentinel Lymph Node Biopsy, 암세포가 처음으로 도달하는 림프절 몇 개만 선별하여 검사하는 수술)에 비해 수술 범위가 넓기 때문에, 겨드랑이 부위의 림프관과 표재성 정맥이 손상될 위험이 큽니다. 이로 인해 림프 순환 장애와 국소 염증 반응이 유발되고, 결과적으로 줄기 형태의 섬유화 조직이 생길 가능성이 높아지는 것입니다.
여러 기계학습 모델 중 어떤 알고리즘이 가장 우수한 성능을 보였나요?
연구진은 로지스틱 회귀(Logistic Regression, 범주형 결과를 예측하기 위해 널리 쓰이는 통계적 분류 모델), K-최근접 이웃, 서포트 벡터 머신, 랜덤 포레스트 등 총 9가지의 서로 다른 기계학습 알고리즘을 개발 세트와 테스트 세트에 적용하여 성능을 검증했습니다. 5겹 교차 검증을 통해 각 모델의 수신기 작동 특성 곡선 아래 면적(AUC), 정확도, 정밀도, 재현율 등을 종합적으로 비교 분석했습니다.
그 결과, 로지스틱 회귀 모델이 AUC 0.72와 정확도 76%를 기록하며 가장 안정적이고 우수한 예측 성능을 입증했습니다. 또한 보정 곡선과 호스머-레메쇼우 검정을 통해 모델의 예측 확률과 실제 관찰 결과가 잘 일치함을 확인했습니다. 복잡한 앙상블 알고리즘에 비해 상대적으로 단순해 보이는 로지스틱 회귀 모델이 이처럼 높은 임상적 유효성을 보인 것은, 임상 현장에서 직관적으로 해석하고 적용하기에 매우 유리하다는 점을 시사합니다.
아홉 가지 알고리즘을 겨뤘더니, 가장 해석하기 쉬운 모델이 남았다
같은 자료를 개발 세트와 테스트 세트로 나누고, 5겹 교차 검증으로 AUC · 정확도 · 정밀도 · 재현율을 비교했다. 본문이 이름을 밝힌 알고리즘은 네 가지다.
14개 중 기여도가 가장 컸던 두 가지 — 림프절 수술의 범위(액와림프절곽청술 · 절제된 림프절 수) · 림프부종 유무
AUC 0.72 는 «100명 중 72명을 맞힌다»는 뜻이 아닙니다. AUC 는 증후군이 생긴 사람과 생기지 않은 사람을 얼마나 잘 가려내는지를 요약한 값이고, 정확도 76%와도 다른 자입니다. 이 모델은 한 병원의 자료로 만들고 그 자료 안에서 나눠 검증했습니다 — 다른 병원 환자로 검증했다는 내용은 본문에 없습니다. 림프절 수술 범위가 가장 컸다는 것도 예측에 쓸모가 컸다는 뜻이지, 수술 범위를 줄여야 한다는 결론은 아닙니다.
출처: 본문의 «가장 결정적인 요인» · «가장 우수한 성능» 항목 (Frontiers in Oncology, 2026)
이번 연구 결과가 실제 임상 현장과 환자 관리에서 갖는 의미는 무엇인가요?
의사 결정 곡선 분석(Decision Curve Analysis, 임상적 유용성을 평가하기 위한 경제성·효과성 분석 방법) 결과, 이번에 개발된 로지스틱 회귀 모델은 임상적으로 의미 있는 위험도 범위 내에서 환자에게 긍정적인 순이익을 제공하는 것으로 나타났습니다. 이는 단순히 일률적인 치료나 무대책 대응에 비해, 모델을 활용한 선별적 개입이 환자의 예후를 실질적으로 개선할 수 있음을 뒷받침합니다.
환자와 보호자 입장에서 이 연구가 주는 시사점은 명확합니다. 수술 전후 의료진과 긴밀히 소통하여 자신의 림프절 절제 범위와 림프부종 위험도를 정확히 인지하는 것이 중요합니다. 특히 고위험군으로 분류된 환자들은 조기에 재활 운동이나 물리치료를 병행함으로써 수술 후 삶의 질을 저하시키는 합병증을 현명하게 예방하고 대처할 수 있습니다.
참고 자료
- Hyuna Sung 외. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA: A Cancer Journal for Clinicians, 2021. 10.3322/caac.21660.
- Xiuqing Zhang 외. The Impact of VR-CALM Intervention Based on VR on Psychological Distress and Symptom Management in Breast Cancer Survivors. Journal of Oncology, 2022. 10.1155/2022/1012813 · PMID 35712124.
- Mirela Mariana Roman 외. Lymphoscintigraphic Investigations for Axillary Web Syndromes. Lymphatic Research and Biology, 2022. 10.1089/lrb.2021.0015 · PMID 34813367.
- Panmei Wei 외. Axillary web syndrome following secondary breast-conserving surgery: a case report. World Journal of Surgical Oncology, 2013. 10.1186/1477-7819-11-8 · PMID 23327341.
- Cintia Furlan 외. Vascular Alterations in Axillary and Brachial Vessels in Patients with Axillary Web Syndrome After Breast Cancer Surgery. Lymphatic Research and Biology, 2018. 10.1089/lrb.2017.0037.
- Margherita Beatrice Borg 외. Tolerability, Safety and Efficacy of a Specific Rehabilitation Treatment Protocol for Axillary Web Syndrome: An Observational Retrospective Study. Cancers, 2023. 10.3390/cancers15020426 · PMID 36672375.
- LA Koehler 외. Axillary web syndrome following breast cancer surgery: symptoms, complications, and management strategies. Breast Cancer: Targets and Therapy, 2018. 10.2147/BCTT.S146635 · PMID 30588087.
- Sangah Jeong 외. A Risk Factor Analysis of Axillary Web Syndrome in Patients After Breast Cancer Surgery: A Single Center Study in Korea. Annals of Rehabilitation Medicine, 2021. 10.5535/ARM.21092 · PMID 34743483.
※ 위 목록은 원 논문이 실제로 인용한 참고문헌입니다. 관찰연구는 인과로 단정하지 않습니다.