Lesson 19 of 20

그림 한 장을 처음부터 — 폐선암 병기별 생존곡선

표 두 개에서 시작해 그림 한 장까지

마지막 실습입니다. 지금까지 배운 것으로 그림 한 장을 처음부터 만듭니다. 논문에 실리는 그 그림이에요.

거쳐야 할 결정이 여섯 개 있습니다. 전부 앞에서 한 번씩 정한 것들입니다.

단계	결정	어디서 정했나
1	종양 표본만 남긴다	3강 · 넷째 칸 01
2	환자 한 명에 한 줄	4강 · 중복 정리
3	병기 표기를 네 무리로 묶는다	8강 · 빈칸과 표기
4	종점은 OS 로 한다	9강 · 네 종점
5	중도절단을 카플란-마이어로 다룬다	17강
6	가설은 미리 정한다 — 병기 하나만	18강

High school표 두 개에서 그림 한 장까지

단계	하는 일	강
1	임상 표를 읽고 LUAD만 남김	1강
2	환자 단위로 정리	4강
3	병기 열을 정리 (표기 통일)	8강
4	종점을 고름 (OS)	9강
5	병기별로 카플란-마이어	17강
6	로그순위검정	—

566 → 514 → 505. 표를 붙이는 순간 52개가 사라지고(임상표에 없는 표본), 생존 정보가 빈 9개가 더 빠집니다. 어디서 몇 개가 빠졌는지 적어 두는 것이 논문의 흐름도예요.

Python Runs in your browser

import pandas as pd
import tcga

# ── 1~2단계. 표를 붙이고 종양 표본만 남긴다
c = tcga.clinical()
s = tcga.luad_sample()
m = s.merge(c, on="sample", how="inner")

print("붙인 표 :", len(m), "줄")
m = m[m["sample"].map(tcga.is_tumor)]
print("종양만  :", len(m), "줄")
m = m[m["OS"].notna() & m["OS_time"].notna()]
print("OS 있음 :", len(m), "줄")
print("환자 수 :", m["patient"].nunique(), "명")

[Discrepancy] 7줄과 빈칸 1줄을 버립니다. 8강에서 본 대로 이것은 병기가 아니라 표기 문제예요.

Python Runs in your browser

import pandas as pd
import tcga

c = tcga.clinical(); s = tcga.luad_sample()
m = s.merge(c, on="sample", how="inner")
m = m[m["OS"].notna() & m["OS_time"].notna()]

# ── 3단계. 병기 표기를 네 무리로
def 무리(v):
    if not isinstance(v, str) or not v.startswith("Stage"):
        return None
    if v.startswith("Stage IV"):  return "IV"
    if v.startswith("Stage III"): return "III"
    if v.startswith("Stage II"):  return "II"
    return "I"

print("원래 표기")
for 값, n in m["stage"].value_counts(dropna=False).items():
    print("   %-16s %4d" % (값, n))
print()
m["group"] = m["stage"].map(무리)
print("묶은 뒤")
for g in ["I", "II", "III", "IV"]:
    print("   %-4s %4d" % (g, (m["group"] == g).sum()))
print("   버림 %4d  (Stage 표기가 아닌 줄)" % m["group"].isna().sum())

High school각 단계에서 몇 명이 빠지나

단계	남는 수 (예시)
전체	12,591 표본
LUAD만	수백
원발 종양만	더 줄어듦
환자 단위	505
병기 정보 있음	더 줄어듦

각 단계에서 몇 명이 빠졌는지 기록하는 것이 재현성의 기초입니다.

네 곡선이 순서대로 갈립니다. 1기 중앙생존 2620일, 3기 807일 — 세 배 가까이 차이가 나요.

Python Runs in your browser

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tcga

c = tcga.clinical(); s = tcga.luad_sample()
m = s.merge(c, on="sample", how="inner")
m = m[m["OS"].notna() & m["OS_time"].notna()]

def 무리(v):
    if not isinstance(v, str) or not v.startswith("Stage"): return None
    if v.startswith("Stage IV"):  return "IV"
    if v.startswith("Stage III"): return "III"
    if v.startswith("Stage II"):  return "II"
    return "I"
m["group"] = m["stage"].map(무리)

# ── 4~5단계. OS 로 카플란-마이어
색 = {"I": "#2980b9", "II": "#27ae60", "III": "#e67e22", "IV": "#c0392b"}
fig, ax = plt.subplots()
for g in ["I", "II", "III", "IV"]:
    d = m[m["group"] == g]
    t, S = tcga.km(d["OS_time"], d["OS"])
    중앙 = tcga.median_survival(d["OS_time"], d["OS"])
    ax.step(t / 365.25, S, where="post", lw=2, color=색[g],
            label="Stage %-3s n=%3d  median=%s d" % (g, len(d), 중앙))
ax.set_xlabel("years since diagnosis"); ax.set_ylabel("overall survival")
ax.set_xlim(0, 10); ax.set_ylim(0, 1); ax.grid(alpha=.25)
ax.legend(fontsize=9); ax.set_title("TCGA LUAD  overall survival by stage")
plt.show()

High school병기별 곡선을 그릴 때

결정	선택지
병기를 몇 개로	I·II·III·IV 넷 · 또는 조기/진행 둘
하위 병기 (IIA·IIB)	합칠까 나눌까
결측 병기	제외 · 별도 범주
검정	전체 로그순위 · 쌍별 비교

네 군을 쌍별로 비교하면 6번 검정 — 보정이 필요합니다.

p = 9e-15. 18강의 TMB 훑기(가장 작아야 0.157)와 견줘 보세요. 진짜 신호는 이렇게 생겼습니다.

Python Runs in your browser

import pandas as pd
import tcga

c = tcga.clinical(); s = tcga.luad_sample()
m = s.merge(c, on="sample", how="inner")
m = m[m["OS"].notna() & m["OS_time"].notna()]

def 무리(v):
    if not isinstance(v, str) or not v.startswith("Stage"): return None
    if v.startswith("Stage IV"):  return "IV"
    if v.startswith("Stage III"): return "III"
    if v.startswith("Stage II"):  return "II"
    return "I"
m["group"] = m["stage"].map(무리)

# ── 6단계. 미리 정한 가설 하나만 검정한다 : 초기(I) vs 진행(III·IV)
초기 = m[m["group"] == "I"]
진행 = m[m["group"].isin(["III", "IV"])]

chi2, p = tcga.logrank(초기["OS_time"], 초기["OS"], 진행["OS_time"], 진행["OS"])
print("초기 1기      %3d명  중앙생존 %s일" % (len(초기), tcga.median_survival(초기["OS_time"], 초기["OS"])))
print("진행 3~4기    %3d명  중앙생존 %s일" % (len(진행), tcga.median_survival(진행["OS_time"], 진행["OS"])))
print()
print("로그순위  chi2 = %.1f   p = %.3g" % (chi2, p))

High school결과를 읽을 때

기대	내용
병기가 높을수록 생존이 나쁨	예상대로면 분석이 작동
순서가 어긋남	표본 수 부족 · 병기 정리 오류

병기는 알려진 예후 인자입니다 — 이것이 안 나오면 방법을 의심해야 해요.

이것이 양성 대조 역할을 합니다. 아는 것이 나와야 모르는 것도 믿을 수 있어요.

🤔 Check yourself

startswith("Stage II") 를 "Stage III" 보다 먼저 검사하면?

🤔 Check yourself

이 그림으로 말할 수 없는 것은?