Editorial: Mechanistic, machine learning and hybrid models of the ‘other’ endocrine regulatory systems in health and disease, volume II

Motivation

• Known: 내분비학에서 수학적 모델링과 기계학습의 발표 논문이 2000년 이후 급격히 증가하고 있으며, 특히 diabetes mellitus에 집중되어 있다. 기존의 mechanistic 모델들은 신뢰할 수 있는 연구 방법과 진단 도구를 제공해왔다.
• Gap: 내분비학의 다양한 하위 분야(hyperuricaemia, 신경내분비 상호작용, 갑상선 항상성 등)에 대한 모델링이 diabetology에 비해 훨씬 적은 규모로 이루어져 있으며, 이러한 영역들에 대한 더 많은 연구 관심과 방법론적 발전이 필요하다.
• Why: 내분비 조절 시스템은 복잡하고 다층적인 피드백 루프와 상호작용으로 구성되어 있기 때문에, 수학적 모델링과 machine learning을 통해 질병의 메커니즘을 이해하고 진단 및 치료 전략을 개발하는 것이 임상적으로 중요하다.
• Approach: 다양한 수학적 및 계산적 방법론들(scientometrics, network pharmacology, metabolomics, feature selection, neural networks, compartment analysis, computer simulations)을 통합하여 여러 내분비 시스템(포도당 항상성, hyperuricaemia, 중추신경계-호르몬 상호작용, 갑상선 항상성)에서의 모델링 응용을 종합적으로 제시한다.

Achievement

FIGURE 1

주요 성과:

• 부정맥 관련 하이퍼우리케미아 연구: Ma et al.의 scientometric 분석이 당뇨병과의 연관성 확인 및 향후 치료 전략 제시
• Resveratrol 작용 메커니즘 규명: Xu et al.이 network pharmacology와 metabolomics 결합으로 NF-kB, MAPK, JAK/STAT3 경로 확인
• 스트레스 고혈당증 분석: Xia et al.이 2400명 이상의 패혈증 환자에서 SHR과 사망률의 비선형 관계(U자형) 발견
• 신경내분비 상호작용 모델링: Liu의 HIDN/AHRS 프레임워크가 기존 방법 대비 호르몬-EEG 신호 상호작용 예측 우수성 입증
• 갑상선 시뮬레이터 확장: DiStefano et al.의 p-THYROSIM 앱 개발로 hypothyroidism 환자의 복합 치료(L-T4 + LT3) 효과 확인 및 syndrome T 치료 전망 제시

How

FIGURE 1

• PubMed 데이터베이스에서 관련 검색어를 이용한 publication trend 분석으로 growth trajectory 시각화
• Network pharmacology와 metabolomics를 결합하여 signaling pathway 수준에서 약물 작용 메커니즘 규명
• Boruta algorithm과 survival analysis를 통한 임상 데이터의 통계적 분석
• Differential equations, graph-based neural networks, machine learning을 통합한 hybrid 모델링 프레임워크 개발
• 6십 년에 걸친 thyroid modeling의 연속성을 토대로 mechanistic model을 확장 및 개선

Originality

• 내분비학의 다양한 하위 분야들(diabetes 외 영역)에 대한 종합적인 모델링 관점 제시로 기존 연구 편향성 보정
• Mechanistic, machine learning, hybrid 모델의 통합적 활용을 통해 단일 방법론의 한계 극복
• 임상 데이터와 이론적 모델링의 결합으로 실제 환자 치료 개선 가능성 제시

Limitation & Further Study

• 에디토리얼의 특성상 각 주제에 대한 심층적 기술적 분석이 제한적임
• 현재 모델링 방법들의 임상적 통합 및 의료 현장 적용의 실제 장애 요인에 대한 충분한 논의 부족
• 대부분의 소개된 모델들이 여전히 개별 임상 케이스나 소규모 환자군 수준의 검증에 머물러 있음
• 향후 연구 방향 제시가 다소 일반적이며, 구체적인 기술적 발전 전망에 대한 설명 부족

Evaluation

총평: 본 에디토리얼은 내분비학 전반에 걸친 mathematical modelling과 machine learning의 현재 상태를 포괄적으로 조망하며, diabetes mellitus에 편중된 기존 연구 경향을 보정하고 다양한 내분비 조절 시스템에 대한 모델링의 잠재력을 효과적으로 제시한다. 특히 mechanistic, machine learning, hybrid 모델의 상호 보완적 활용과 임상 응용을 강조함으로써 향후 내분비 질환 연구 및 진료의 방향을 제시하는 학술적 가치가 있다.