Category Archives: 02_Pathology

Charlson Comorbidity Index

환자의 중증도를 평가하기 위해서는 보통 의무기록 검토를 통해서 각종 위험인자들을 파악한다. 그런데 심평원이나 건보공단같은 빅데이터 자료를 이용한 연구에서는 의무기록을 통한 위험인자를 파악할 수 없다. 혈액검사 결과가 기본적으로 없으니 검사 결과와 연동된 것도 할 수 없다. 이럴 때 이용할 수 있는 것이 Charlson Comorbidity Index (CCI)이다.

이전에 다른 연구를 통하여 CCI에 대하여 알게 되었다. 그 때에는 몰랐는데 나중에 다른 연구를 하면서 공동 연구자가 고혈압이 없는 것 같다는 이야기를 했었다. 그 때는 그냥 지나갔는데, 이번에 다른 연구자와 연구를 진행하게 되면서 내가 다른 연구원에게 해당 정보를 알려줄려고 하니 이 부분을 알아봐야 하겠다는 생각이 들었다. 그래서 관련 논문을 찾아 보았다.

https://pubmed.ncbi.nlm.nih.gov/3558716/
J Chronic Dis. 1987;40(5):373-83. doi: 10.1016/0021-9681(87)90171-8.
A new method of classifying prognostic comorbidity in longitudinal studies: development and validation
M E Charlson, P Pompei, K L Ales, C R MacKenzie
PMID: 3558716 DOI: 10.1016/0021-9681(87)90171-8

이 논문은 유방암 환자들의 1년 사망율을 예측하고자 한 것이었다. 그래서 여러 인자들에 대하여 분석을 하였다. 그리고 다른 코호트를 이용하여 10년간 생존 분석을 해보았고, 역시 유효한 결과를 얻었다.

고혈압은 처음에 분석 인자로 고려되었다. 하지만, adjusted relative risk가 낮아서 후속 분석 과정에서 빠지게 되었다.

기본적으로 가중치가 0, 1, 2, 3이상으로 분류하였다.

논문을 읽게 되면서 새로 알게 된 중요한 내용으로 나이가 있다. 나이 또한 매우 유의한 인자였기 때문에 이를 반영한 comorbidity-age combined risk score가 있다. 40대 이전은 0점이며 10년 단위로 1점씩 증가한다. 논문의 예시로 가중치 1점이 있는 60대는 3점이 되며, 가중치 3점이 있으면 5점으로 계산할 수 있다.

CellProfiler v4

https://cellprofiler.org/releases

분석을 시작할려고 지난번에 CellProfiler로 실행한 결과를 검토해 보았다. 7개로 분할한 결과를 합치려고 보니 1~3번 세트와 4~7번 세트의 컬럼값이 달랐다. 아마 중간에 뭔가 바꾼 것이 있을 것이다. 그냥 일치하는 컬럼값만 선택하여 분석을 시작해도 되겠지만, 굳이 그런 위험은 감수하고 싶지 않았다. 보름 정도 다시 실행할 생각을 하니 가슴이 좀 답답해져 왔다.

그런데 홈페이지를 가보니 version 4가 정말 몇 일 전에 공개되어 있었다. Python v2에서 v3로 바꾼 것을 포함하여 여러 곳에서 변화가 있다고 한다. 파라미터를 조정해 주어야 하는게 있을까 싶어서 100개 정도만 실행하여 보았는데 지난번보다 훨씬 빠른 속도로 분석이 가능하였다. 분석 초기에 나오는 오류 메시지도 보이지 않았다. 그래서 7개로 분할한 것을 다시 하나로 합쳐서 분석을 돌렸다. 아마 내일 퇴근할 무렵이 되면 끝날 것 같다.

bfconvert series

bfconvert에서 SVS 파일을 TIFF 로 변환하다 보면 series 라는 표현이 나온다. 처음에는 왜 용량이 다르지라고 생각해서 파일을 살펴 보았는데 동일한 이미지 2개가 하나에 있는 경우도 있었다. 뭔가 숨은게 있구나 싶었다. 오늘 자료를 좀 찾아보았는데, 명확한 것은 찾지 못했다. OME의 관련 문서들을 보면 다른 해상도 정보가 들어간 것이 아니니 Z축의 정보가 반영된 것이 아닐까 싶었다. 페이지나 레이어가 반영될 수 있는 TIFF 포맷이기 때문에 과감하게 그냥 버리고 파일을 처리하기로 했다.

bfconvert -series 0

이와 같이 series를 고정시키고 변환을 하면 파일 픽셀이 동일한 파일에서는 파일 용량이 동일하게 생성된다. 아마 이렇게 처리하는것이 맞는 것 같다.

https://docs.openmicroscopy.org/ome-model/6.0.0/ome-tiff/specification.html