본 연구는 27가지 암 종류의 25,775명 환자의 유전체 및 임상 데이터를 포함하는 MSK-MET 데이터셋을 이용하여 전이 양상을 가진 암 환자의 생존율을 예측하는 머신러닝 모델을 개발했습니다. XGBoost, Naïve Bayes, 의사결정 트리, 로지스틱 회귀, 랜덤 포레스트 다섯 가지 모델을 평가한 결과, XGBoost 모델이 AUC 0.82로 가장 우수한 성능을 보였습니다. SHAP 기법을 통해 전이 부위 수, 종양 돌연변이 부담, 게놈 변화율, 장기 특이적 전이 등 주요 예측 변수를 확인하였으며, Kaplan-Meier 곡선, Cox 비례 위험 모델, XGBoost 생존 분석을 이용한 추가 생존 분석을 통해 환자 예후의 중요한 예측 변수를 확인하여 임상의에게 실행 가능한 통찰력을 제공했습니다. 이러한 결과는 개인화된 예후 및 치료 계획에 도움이 되어 환자 치료를 개선할 수 있습니다.
