default_top_notch
default_setNet1_2

‘더 새로운 세브란스를 함께 만들어 가겠습니다’

기사승인 2020-08-03  17:03:45

공유
default_news_ad1

- 윤동섭 연세의료원장 취임식 개최

   

연세대 의과대학 윤동섭 교수(외과학)가 제18대 신임 연세의료원장으로 임기를 시작했다.

연세의료원은 3일(월) 오전 연세대 세브란스병원 은명대강당에서 제18대 연세대학교 의무부총장 겸 의료원장 취임식 행사를 진행했다.

이날 취임식에는 연세대학교 법인이사와 서승환 총장 등 교무위원, 의·치·간호대학장, 세브란스병원장 및 의료원 행정책임자, 유경선 연세대 총동문회장, 한승경 연세대 의대 총동창회장, 의·치·간호대 교수평의회 의장, 권미경 연세의료원 노동조합위원장이 참석했다. 또, 김병수, 김한중 전 연세대 총장, 김일순, 지훈상, 이철, 윤도흠 전 연세의료원장 등도 함께했다.

서승환 총장은 임명사를 통해 연세의료원 발전이라는 중책을 짊어진 윤동섭 신임 의료원장을 중심으로 모든 의료원 구성원이 한마음으로 뭉쳐 연세대와의 융복합 연구 활성화를 통한 연구력 향상을 이룩하길 기대했다. 또, Global Standard로 인정받은 환자안전 의료서비스를 발전시키며, 섬김의 정신을 마음속에 간직한 국제감각의 보건의료 인재를 육성하길 기대했다.

신임 윤동섭 연세의료원장은 ‘함께 만드는 더 새로운 100년’을 주제로 한 취임사를 통해, 향후 4년간의 연세의료원 발전 계획을 밝혔다.

먼저 하나 된 연세의료원을 만들겠다고 강조했다. 연세의료원의 지적 자산, 행정 자산, 공간 자산들을 유기적으로 연결하고 효율적으로 관리해, 커져 가는 연세의료원 안에서 소통을 원활하게 하고, 시너지는 극대화할 예정이다.

다음으로 미래형 교육, 연구, 진료 기관으로 거듭나도록 역량을 결집하겠다고 밝혔다. 비대면 진료, 데이터 중심 정밀의료, 스마트병원, 온라인 강의 등은 이미 전해진 화두였지만 코로나바이러스 감염증-19로 인해 급격히 우리의 교육과 의료 현장으로 다가왔다며, 이 현실을 능동적으로 대처하고 기회로 삼아 글로벌 디지털 리더십을 확보하겠다고 밝혔다.

인재 중심의 행복하게 일할 수 있는 연세의료원을 만드는 것도 강조했다. 구성원들이 본연의 업무에 몰입하며 성취를 얻고 이를 통해 자긍심을 굳건하며, 우수 인재 성장을 위한 생태계를 조성할 계획이다. 전주기적 의사 과학자 양성 프로그램을 집중 지원하고, 인재들의 개성과 능력을 존중해 여러 분야에서 꿈을 펼칠 수 있도록 지원한다.

마지막으로 연세의료원의 창립정신, 기독교정신에 충실한 의료원 문화를 완성하고, 교육을 통한 사회적 책임 실천과 사랑 실천을 통한 기독교 정신 구현을 위해 힘쓸 예정이다.

이어 김병수 전 연세대 총장의 권면사와 한승경 연세의대 총동창회장은 축사를 통해 신임 윤동섭 의료원장을 중심으로 연세의료원이 더욱 발전하기를 기원했다.

한편, 오늘부터 4년간의 임기를 시작한 윤동섭 연세의료원장은 1987년 연세대 의대를 졸업하고 강남세브란스병원 병원장과 강남세브란스병원 기획관리실장, 연세대 의과대학 강남부학장과 외과학교실 주임교수, 연세의료원 건설사업단 강남중장기사업본부 본부장을 역임했다.

대외적으로 대한외과학회 이사장과 간담췌외과학회 이사장, 보건복지부 수련환경평가위원회 위원장, 대한병원협회 병원평가위원회 위원장 등을 지냈다.

삶의 질 정보 활용한 머신러닝 , 폐암 생존 예측 정확도 높여서울의대·국립암센터 연구팀, 기존의 인구학적〮임상적 특성을 넘어, 폐암 생존자 삶의 질 및 생활습관 정보 데이터를 활용한 머신러닝 기반의 사망예측 모델 개발

머신러닝 및 AI(인공지능) 관련 기술이 혁신적으로 발전하는 가운데, 의료 현장에 이를 적용하려는 노력이 점차 늘고 있다. 머신러닝 및 AI(인공지능) 관련 기술은 질병 진단의 정확도를 높이는 데에도 도움을 주는 것을 넘어, 미래의 환자 상태 및 나아가 사망까지도 예측하여 이를 예방하는 것에도 활용된다.

서울의대와 국립암센터 연구팀(심진아, 김영애 박사, 윤영호 교수)은 폐암 치료 후 암 생존자들의 생활 습관 및 삶의 질 정보를 활용하여 머신러닝 기반의 사망예측 모델을 개발했으며, 이를 통해 5년 후 암 생존자의 사망을 보다 정확하게 예측하는데 성공했다. 본 암 생존자 사망 예측 모형은 2001년부터 2006년 사이에 국립암센터와 삼성서울병원에서 수술 후 완치를 판정받은 폐암 환자 809명을 대상으로, 2006-2007년도에 걸쳐 생활 습관 및 삶의 질 자료를 수집하였으며, 이 자료를 바탕으로 5년 후의 사망을 예측하였다.

폐암은 국내 암 사망률 1위의 암이다. 이렇듯, 장기생존이 어려운 암으로 알려졌음에도 불구하고, 최근 진단 및 치료 기술의 발전으로 생존율이 점차 높아지고 있다. 암 생존자가 점차적으로 증가함에 따라 치료 후 삶의 질 및 생활습관 관리등도 주목받고 있다.

연구팀은 잘 알려진 폐암 예후 인자(연령, 성별, 병기요인, 종양의 특성 등)외에도 삶의 질과 생활습관 정보(불안, 우울, 삶의 질, 긍정적 성장 및 과체중)들이 실제로 암 생존자들의 5년 이후의 생존예측력을 높일 수 있는지를 중점적으로 연구하였으며, 이에 대한 예측정확도를 높이고자 머신러닝 알고리즘을 적용하였다. 그동안 폐암 환자를 대상으로 삶의 질과 사망 위험 간의 상관성을 장기간에 걸쳐 분석하여, 머신러닝 및 AI등의 알고리즘을 적용하여 사망 예측모형으로까지 만든 연구는 거의 없었다.

이에, 폐암 생존자들의 사망률을 평가하기 위해 컴퓨터가 예제를 통해 학습하는 데 도움이 되는 지도학습 알고리즘 중, 하나의 모델을 학습시켜 사용하는 의사결정나무(decision tree), 로지스틱회귀분석(logistic regression)과 가능한 임의의 결과를 반영하는 여러 개의 나무 모양 모델을 결합한 랜덤포레스트(random forest), 배깅(Bagging), 아다부스트(Adaptive Boosting)등의 다섯 가지 유형의 머신러닝 알고리즘을 테스트했다. 그런 다음, 각각의 모델에 대한 예측 성능을 비교하였다.

연구팀은 폐암 치료 후 암 생존자들의 생활 습관 및 삶의 질 정보를 활용하여 개발 된 사망 예측 모형은 기존의 잘 알려져 있는 예후 요인인 연령, 성별, 종양의 특성 등만 활용한 모델의 사망 예측보다 훨씬 더 정확했다고 밝혔다. 또한, 다양한 머신러닝기법을 적용함으로써 암 사망에 대한 예측력을 보다 높일 수 있다고 밝혔다.

모든 수치계산이 완료되었을 때, 암 생존자들이 기존의 예후인자들만 고려한 랜덤포레스트 (Random Forest) 모델과 아다부스트(Adaptive Boosting) 모델은 암 생존자들의 5년 생존여부를 약 69.1% 와 71.3%만 정확하게 예측하는 수준인 반면, 삶의 질 및 생활습관을 고려한 랜덤포레스트 알고리즘 및 아다부스트 모델은 폐암 생존자 5년 생존여부의 94.1% 와 94.8%를 정확하게 식별해 보다 정확한 예측을 제공했다.

심진아 박사는 "머신러닝기술을 이용한 암 생존자들의 생존 예측 시 기존의 임상정보에 삶의 질 및 생활습관 정보를 추가했을 때 5년 생존율을 훨씬 정확하게 예측할 수 있음을 확인하였다" 며, " 이러한 삶의 질 요인을 포함한 예측모형은 ICT 기술과 융합되어, 실제 생존자들의 자가 관리를 도울 수 있으며, 향후 유전자 분석을 기반으로 한 정밀의학에서도 삶의 질 정보가 신중히 고려돼야 한다"고 말했다.

국내 암경험자가 170만 명을 넘었고, 5년 넘는 암 생존자가 100만명을 넘은 가운데, 대부분의 환자는 치료 후에는 재발 여부를 확인하는 것 이외에는 적절한 관리를 받지 못해 암 재발이나 사망에 대한 막연한 불안을 가지고 있다. 윤영호 교수는 “암 치료 후 재발 감시뿐 아니라 운동, 식이 등과 함께 삶의 질을 평가하고 체계적으로 관리할 수 있도록, 사망 예측 및 관리 모형을 포함한 통합케어 시스템을 갖추는 것이 시급하다. 그리고 이에 대한 보험수가 인정 등 국가 차원의 지원이 반드시 이뤄져야 한다.”고 밝혔다.

이 연구 결과는 Nature 계열의 권위 학술지인 ‘Scientific Report' 최근호에 게재했다.

문선희 기자 kmedinfo@hanmail.net

<저작권자 © 의료정보 무단전재 및 재배포금지>
default_news_ad4
default_side_ad1

인기기사

default_side_ad2

포토

1 2 3
set_P1
default_side_ad3

섹션별 인기기사 및 최근기사

default_setNet2
default_bottom
#top
default_bottom_notch