Long-term survival comparison of first-line pembrolizumab versus pembrolizumab plus chemotherapy for patients with advanced non-small cell lung cancer: A multicenter propensity-matched cohort study
한 줄 요약
이 연구는 EGFR 및 ALK 돌연변이가 없고 PD-L1 TPS ≥ 1%인 진행성 NSCLC 환자에서 일차 치료로 pembrolizumab 단치료(P-mono)와 pembrolizumab 병용 화학요법(P-combo)의 장기 생존 이점을 비교한 다중 센터 후향적 코호트 연구이다. propensity-score matching을 통해 13개의 기저 변수를 보정한 결과, P-combo가 OS와 PFS에서 유의미하게 우수한 생존 곡선을 보였다. 특히 PD-L1 TPS 1–49% 및 연령 <75세 등 특정 하위 집단에서 더 큰 이점이 관찰되었으며, 중증 부작용은 증가했으나 장기 추적 기간 동안 독성 패턴이 안정화되는 양상을 확인하였다.
방법
연구 설계는 2019년 1월부터 2021년 12월까지 일본 내 13개 기관에서 등록한 진행성 또는 재발성 NSCLC 환자 392명을 대상으로 한 다중 센터 후향적 코호트 연구이다. EGFR 및 ALK 돌연변이가 없으며 PD-L1 TPS ≥ 1%인 환자를 P-mono(n=194)와 P-combo(n=198) 군으로 나누어 분석하였다. propensity-score matching(caliper 0.2)을 통해 연령, 성별, ECOG-PS, 조직학적 유형, 임상 병기, PD-L1 TPS, 스테로이드 및 proton-pump inhibitor 사용 여부 등 13개의 기저 변수를 보정하여 각 군당 97명씩 균일한 코호트를 구성하였다. 주요 endpoint는 OS, PFS, grade ≥3 TRAEs였으며, Kaplan-Meier 곡선과 log-rank test, Cox proportional hazards model을 사용하여 생존 분석을 수행하고 restricted mean survival time로 장기 생존 이점을 추가로 평가하였다.
주요 결과
P-combo 군에서 median OS가 31.8개월로 P-mono 군의 20.7개월보다 유의하게 길었으며(HR 0.67, 95% CI 0.46–0.96), median PFS도 12.5개월로 7.0개월보다 우수했다(HR 0.59, 95% CI 0.43–0.81). 3년 및 4년 OS율은 각각 49.8% 대 28.1%, 42.7% 대 22.3%로 P-combo에서 높았으며, 48개월 restricted mean survival time도 P-combo가 우세했다(p=0.039). 하위 분석에서 연령 <75세, ECOG-PS 0–1, PD-L1 TPS 1–49%, 치료 전 proton-pump inhibitor 사용 군에서 더 큰 생존 이점이 관찰되었다. 안전성 측면에서 grade ≥3 TRAEs 발생률은 P-combo에서 35%로 P-mono의 20%보다 높았으나(p=0.024), treatment-related deaths는 두 군 모두 2%로 동일했으며 pneumonitis 발생률과 중증도는 비교 가능했다. 누적 독성 곡선은 치료 시작 3년 이후에 안정화되었다.
강점
기존 연구들이 주로 단기간(12–22개월)의 데이터와 제한된 공변량만 보정했던 것과 달리, 본 연구는 40개월 이상의 장기 추적 관찰과 13개 기저 변수를 반영한 propensity-score matching을 적용하여 confounding을 효과적으로 통제하였다. PD-L1 TPS 1–49% 영역에서 P-mono와 P-combo의 직접적인 비교 근거가 부족했던 임상적 공백을 메우는 실증 데이터를 제공한다. 또한 장기 추적 기간 동안 중증 부작용이 초기에 집중된 후 안정화되는 패턴을 확인함으로써, 치료 선택 시 단기 독성과 장기 생존 이점을 종합적으로 평가할 수 있는 근거를 제시한다.
해석
본 연구는 LLM Wiki의 oncology 및 pulmonology 문헌에서 driver mutation-negative 진행성 NSCLC의 일차 치료 전략을 논의할 때 핵심적인 real-world evidence로 활용될 수 있다. 특히 KEYNOTE-024 및 KEYNOTE-042 trial의 무작위 대조 시험 결과를 보완하며, 실제 임상 환경에서 PD-L1 발현량과 환자 기저 상태에 따른 pembrolizumab 기반 치료 선택 기준을 정량화한다. 향후 AI 기반 예측 모델이나 clinical decision support system에 입력될 때, 생존 곡선과 하위 집단 반응 패턴을 학습하는 데 직접적인 레이블 데이터로 작용할 것이다.