Biomarker 임상 적용 실패 원인
왜 유망한 지표가 병원에서는 사라지는가1. 통계적 유의성 ≠ 임상적 유용성연구에서 흔히 보는 결과:p AUC = 0.82환자군 vs 대조군 차이 명확하지만 임상 질문은 다릅니다.임상의가 묻는 질문✔ 치료 결정을 바꿀 수 있는가?✔ 기존 검사보다 더 빠른가?✔ 비용 대비 이득이 있는가?✔ 결과 해석이 명확한가?👉 통계적으로 유의해도 의사결정에 영향이 없으면 탈락2. 효과 크기(effect size)가 너무 작다연구에서는 평균 차이가 유의하지만:개인 수준에서는 겹침(overlap) 큼cut-off 설정이 불안정위양성/위음성 증가예:그룹평균분산환자12±5대조군10±5👉 통계적 차이 존재👉 임상에서는 구분 불가3. Cohort bias: “발견된 biomarker”는 특정 집단에만 유효흔한 문제단일 병원 ..
제약산업
2026. 3. 15. 20:27
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- Multi-omics
- 데이터
- 분석
- 바이오마커
- 분석팀
- 제약
- 치료제
- AI
- lc-ms/ms
- 정밀의료
- 대사체 분석
- metabolomics
- 시스템
- audit
- bioanalysis
- 신약 개발
- matrix effect
- Targeted Metabolomics
- ich m10
- 임상시험
- 신약개발
- 미래산업
- 머신러닝
- Spatial metabolomics
- 약물분석
- 디지털헬스케어
- 약물개발
- 제약산업
- 정량분석
- LC-MS
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 |
글 보관함
