TraceOrg의 PKD 종단 플롯은 반복 영상 검사를 시간에 따른 신장 부피 변화 요약으로 정리합니다. 각 점은 하나의 검사입니다. 선은 추정된 추세를 보여줍니다. 색 배경은 Mayo Imaging Classification 밴드입니다.
예시부터 보기
아래 예시는 2012년부터 2040년까지 8개의 검사를 가진 가상 TraceOrg 계정입니다. 4개 검사는 Transition date 이전이고, 4개 검사는 이후입니다. 실제 반복 측정과 비슷하게 보이도록 작은 검사 간 변동을 추가했습니다.
그림에서:
파란 점은 Transition date 이전 검사입니다.
초록 점은 Transition date 이후 검사입니다.
빨간 세로선은 Transition date를 나타냅니다.
파란 선과 초록 선은 각각 전후 기간의 추세를 요약합니다.
배경 밴드는 Mayo 1A부터 1E까지를 보여줍니다.
Transition date는 중립적인 시간 표시입니다. 시간축을 두 기간으로 나누는 데 도움을 주지만, 변화의 원인을 증명하지는 않습니다.
TraceOrg에서 만드는 방법
PKD subject를 열거나 새로 만듭니다.
비교할 영상 검사를 업로드합니다.
각 검사의 study date가 맞는지 확인합니다.
필수 subject 정보인 출생연도와 키를 입력합니다.
전후 기간으로 나누고 싶으면 Transition date를 입력합니다.
PKD workflow를 실행합니다.
생성된 longitudinal report를 엽니다.
여러 검사가 시간 간격을 두고 있을수록 추세를 해석하기 쉽습니다. 유효한 검사가 많을수록 피팅에 사용할 정보도 많아집니다.
TraceOrg가 측정하는 값
TraceOrg는 사용 가능한 세그멘테이션 출력에서 신장 부피를 추정합니다.
TKV는 왼쪽 신장 부피와 오른쪽 신장 부피의 합입니다.
htTKV는 TKV를 미터 단위 키로 나눈 값입니다.
가능한 경우 왼쪽 신장, 오른쪽 신장, 간 부피도 표시됩니다.
플롯 아래 표에는 그림에 사용된 study date, 나이, htTKV, TKV, 장기 부피, 기간이 표시됩니다.
피팅 선 계산 방법
TraceOrg는 htTKV를 나이에 따른 지수 형태의 변화로 모델링합니다.
htTKV(age) = a * exp(b * age)계산에서는 htTKV의 자연로그를 사용합니다.
log(htTKV) = log(a) + b * age그다음 로그 변환된 값에 최소제곱 피팅을 적용합니다. 연간 성장률은 다음과 같습니다.
annual growth (%) = (exp(b) - 1) * 100유효한 htTKV 검사가 4개 이상이면 TraceOrg는 관측된 검사점만 사용하는 two-parameter least squares fit을 사용합니다. 이 경우 시작 수준과 성장률을 모두 관측값에서 추정합니다.
유효한 htTKV 검사가 1개에서 3개이면 TraceOrg는 배경 참고를 위해 Mayo-anchored fallback을 사용합니다. 이 방식은 출생 시 htTKV를 150 mL/m로 보는 Mayo Imaging Classification 기준을 사용합니다. 이 앵커는 피팅 참고용이며 가짜 검사점으로 표시되거나 표에 추가되지 않습니다.
Transition split 처리
Transition date가 입력되면 TraceOrg는 각 검사가 그 전인지 후인지 계산합니다. 두 기간 모두 충분한 유효 측정값이 있으면 전후 추세선을 따로 그립니다.
한 기간의 유효 측정값이 너무 적으면 점과 Transition date는 계속 표시하지만, 강한 기간별 추세 판단은 피합니다. 보고서 주석에서 split이 데이터 부족인지 설명합니다.
추세를 읽기 전 확인할 점
Study date가 올바릅니다.
출생연도와 키가 올바릅니다.
포함된 검사가 의도한 TraceOrg 계정에 속합니다.
신장 세그멘테이션 QA가 타당합니다.
부피 표가 예상한 검사와 일치합니다.
이 플롯은 연구 영상 요약입니다. 종단 측정값을 정리하는 데 도움이 되지만 원본 영상, 세그멘테이션 QA, 보고서 전체와 함께 읽어야 합니다.
참고문헌
1. Hu Z, Sharbatdaran A, He X, et al. Scientific Reports 2024. Nature article
2. Irazabal MV, Rangel LJ, Bergstralh EJ, et al. JASN 2015. PubMed
3. Bae KT, Shi T, Tao C, et al. JASN 2020. PMC