10강 / 20강

"침윤이 있다" 는 몇 %부터인가 — 문턱과 이름

brisk / non-brisk 는 누가 정했나

임상 병리에는 오래된 분류가 있습니다. 흑색종을 볼 때 쓰는 brisk / non-brisk / absent 세 등급이에요. "림프구가 활발하게 침윤했다 / 드문드문하다 / 없다".

이 등급은 병리학자가 눈으로 보고 붙입니다. 그런데 우리에겐 연속된 숫자가 있죠. 숫자로 옮기려면 문턱이 필요합니다. "5% 이상이면 brisk" 같은 식으로요.

이 5% 는 어디서 왔을까요? 어디서도 오지 않았습니다. 누군가 정한 것이고, 다른 사람은 다르게 정합니다.

고등학생몇 %부터 '침윤이 있다' 인가

병리 보고서에는 brisk / non-brisk 같은 말이 쓰인다. "침윤이 활발하다 / 아니다."

그런데 기준이 무엇인가

정의 방식	문제
병리학자의 눈	주관적 · 관찰자 간 차이
정해진 % 문턱	그 % 는 어디서 왔나

흑색종에서 쓰이는 brisk 라는 용어는 원래 정성적 판단 이었다.

임상에서 쓰이는 범주가 언제나 명확한 정의를 갖는 것은 아니다

문턱을 0.5%로 두면 유방암도 73%가 "침윤 있음"이 되고, 20%로 두면 2.5%만 남습니다.

Python 브라우저에서 실행

import til

d = til.slides()
문턱들 = [0.5, 1, 2, 5, 10, 20]

print(f"{'암종':<6}" + "".join(f"{c:>8}%" for c in 문턱들))
for t in til.TUMORS:
    g = d[d.tumor == t]
    몫 = [100 * (g.til_pct >= c).mean() for c in 문턱들]
    print(f"{t:<6}" + "".join(f"{v:>8.1f}" for v in 몫))
print()
print("표의 숫자는 '그 문턱 이상이라 침윤 있음으로 불리는 슬라이드의 %' 입니다.")

고등학생이분화의 대가

연속 값을 두 범주로 나누면 정보를 버린다.

침윤률	범주
4.9%	낮음
5.1%	높음
50%	높음

5.1% 와 50% 가 같은 범주 인데 4.9% 와 5.1% 는 다른 범주 다.

통계적으로도 손해다

연속 변수를 이분화하면 검정력이 떨어진다. 정보를 버렸으니 당연하다.

대략 표본을 30% 잃는 것 과 비슷하다는 계산이 있다.

이분화는 해석을 쉽게 하는 대신 검정력을 내준다

문턱이 흔들려도 암종의 순위는 꽤 안정적입니다. 위암·직장암이 늘 위쪽이고 유방암·전립선암이 늘 아래쪽이에요. 이것은 좋은 소식입니다 — "어느 암종이 더 침윤이 많은가" 는 문턱에 덜 민감합니다.

나쁜 소식은 환자 한 명에 관한 문장입니다. "이 환자는 침윤이 있다" 는 문턱 하나에 완전히 달려 있고, 게다가 11강에서 보게 되듯 같은 환자의 다른 슬라이드에서 뒤집히기도 합니다.

고등학생그런데 임상에서는 범주가 필요하다

이유	내용
결정이 이분법적	치료할까 말까
보고서에 써야 함	"침윤률 7.3%" 는 해석이 어려움
지침을 만들려면	기준이 있어야

그럼 어떻게 하나

권장	내용
분석은 연속 값으로	검정력 유지
보고는 범주로도	임상 소통
문턱의 근거를 밝힘	어떻게 정했나
여러 문턱에서 확인	안정성

분석의 필요와 소통의 필요를 나눠서 각각에 맞는 방식을 쓴다

흑색종 환자 405명 중 brisk 가 190명인지 297명인지는 우리가 정하기 나름입니다.

Python 브라우저에서 실행

import til

d = til.patients()          # 환자마다 한 장씩
g = d[d.tumor == "SKCM"]    # 흑색종 — brisk 등급이 실제로 쓰이는 암종

for cut in (2, 5, 10):
    brisk = g[g.til_pct >= cut]
    print(f"문턱 {cut:>2}% →  brisk {len(brisk):>3}명 / {len(g)}명"
          f"  ({100*len(brisk)/len(g):4.1f}%)")
print()
print("같은 환자들입니다. 문턱만 바꿨을 뿐인데 'brisk 환자' 의 수가 크게 달라집니다.")

고등학생문턱을 자료에서 찾으면 안 되는 이유

15강에서 자세히 다룰 문제를 미리 짚는다.

유혹적인 방법

여러 문턱을 시도해 보고 p 값이 가장 작은 곳 을 고른다.

그러면 무슨 일이 생기나

아무 관계 없는 자료에서도 유의한 문턱이 나온다. 수십 번 시도했으니 우연히 맞는 것이 있다.

시도한 문턱 수	우연히 p<0.05 가 나올 확률
1	5%
20	64%

문턱을 찾아 헤매면 없던 결과가 생겨난다 — 15강의 주제

🤔 확인 문제

문턱을 바꿔도 비교적 안정적인 것은?

🤔 확인 문제

논문에서 'TIL-high 를 5% 이상으로 정의했다' 는 문장을 읽었습니다. 물어야 할 것은?