Quantifying the rate and predictors of occult lymph node involvement in patients with clinically node-negative non-small cell lung cancer
한 줄 요약
이 연구는 임상적으로 림프절 음성(cN0)인 초기 non-small cell lung cancer (NSCLC) 환자에서 occult lymph node disease의 발생률과 예측 인자를 정량화한다. 특히 stereotactic ablative radiotherapy (SABR)와 같은 비수술적 치료를 고려할 때, 병리학적 림프절 평가가 불가능한 상황에서 치료 전 위험도 추정을 위한 근거를 제공한다. nationwide database인 National Cancer Data Base (NCDB)의 2006년부터 2015년까지 데이터를 활용한 후향적 코호트 분석 결과, 종양 크기 증가에 따라 pN+ 발생률이 비례하여 상승하며, moderately-poorly differentiated 병리 및 adenocarcinoma histology가 높은 위험과 연관되었다. 이를 통해 영상 및 생검 정보만으로 occult 전이 위험을 대략적으로 추정할 수 있는 도구를 제시한다.
방법
Study design은 2006년부터 2015년까지의 National Cancer Data Base (NCDB)를 활용한 후향적 코호트 분석이다. 대상군은 neoadjuvant therapy 없이 수술과 lymph node dissection을 받은 cT1-4 cN0 cM0 lung squamous cell carcinoma 또는 adenocarcinoma 환자 109,964명이다. 주요 endpoint는 mediastinal lymph node dissection (MLND)에서 확인된 occult pN+ disease의 발생률이며, 종양 크기, 제거된 림프절 수, 수술 방식, 조직학적 분화도 등을 기준으로 하위 분석을 수행했다. 통계적 방법은 multivariable logistic regression을 사용했으며, 두측 검정 기준 p < .05를 유의수준으로 적용했다. Kaplan-Meier analysis는 데이터의 heterogeneity로 인해 의도적으로 수행하지 않았다.
주요 결과
전체 occult pN+ 발생률은 13.2% (14,535/109,964)였다. 종양 크기에 따른 발생률은 ≤1.0 cm에서 4.4%, 1.1-2.0 cm에서 7.7%, 2.1-3.0 cm에서 12.9%, 3.1-4.0 cm에서 18.0%, 4.1-5.0 cm에서 20.2%, 5.1-6.0 cm에서 22.5%, 6.1-7.0 cm에서 24.4%, >7.0 cm에서 26.4%로 증가했다. 제거된 림프절이 10개 이상인 하위군에서는 각각 6.6%, 11.5%, 17.6%, 25.3%, 26.8%, 29.7%, 30.7%, 31.6%로 나타났다. multivariable logistic regression 분석 결과, moderately-poorly differentiated 병리 및 adenocarcinoma histology가 pN+ 발생률 증가와 유의하게 연관되었다(p < .001). 종양 크기가 1 cm 증가할 때마다 occult 림프절 전이 위험은 9.9-14.2% 증가했으며(p < .001), 진단부터 MLND까지 경과 일수가 하루 늘어날 때마다 위험은 약 0.9-1.0% 증가했다(p < .001). Pneumonectomy를 시행한 군에서는 작은 종양에서도 예상보다 높은 pN+ 발생률이 관찰되었다.
통계 분석
분석 설계 — 이 연구는 임상적으로 림프절 음성(cN0)인 초기 비소세포폐암(NSCLC) 환자에서 병리학적 림프절 양성(pN+)의 위험도를 정량화하고, 이를 예측하는 요인을 규명하기 위해 수행되었다. 연구 설계는 미국 National Cancer Database(NCDB)의 2006년부터 2015년까지의 데이터를 활용한 단면(retrospective cohort) 분석이다. 표본 수는 총 109,964명으로 매우 크며, 포함 기준은 cT1-4 cN0 cM0의 squamous cell carcinoma 또는 adenocarcinoma 환자 중 수술 및 림프절 절제술(LN dissection)을 받고 neoadjuvant therapy를 받지 않은 환자로 한정되었다. Primary endpoint는 병리학적 림프절 침범(pN+ disease)의 발생률이며, 이를 통해 SABR(stereotactic ablative radiotherapy) 등 비수술적 치료를 고려할 때의 잠재적 위험을 추정하는 것을 목표로 했다.
무엇을 위해 어떤 분석을 썼는가 — 연구자들은 pN+ 질병과 관련된 요인을 평가하기 위해 multivariable logistic regression analysis를 사용했다. 이 모델에는 모든 수집된 변수가 포함되었으며, 이를 통해 각 변수가 pN+ 발견에 미치는 독립적인 영향을 Odds Ratio(OR)로 산출했다. 또한, 종양 크기(tumor size), 조직학(histology), 분화도(differentiation status)와 같은 영상 및 생검으로 쉽게 확인 가능한 세 가지 변수만을 사용하여 임상가가 환자의 occult LN 위험을 대략적으로 추정할 수 있도록 Microsoft Excel에서 scatter plot과 best-fit line을 생성했다. 통계적 유의성 판단 기준은 two-sided test로 p < .05를 적용했으며, 모든 분석은 STATA (version 14) 소프트웨어를 통해 수행되었다. Kaplan-Meier analysis는 NCDB 데이터의 이질성과 교란 요인의 복잡성으로 인해 고의로 배제되었다.
방법론 평가 — 잘 된 점은 매우 큰 표본 크기(N=109,964)를 활용하여 이전의 소규모 연구들보다 더 정교한 층별 분석(stratification by tumor size, number of LNs removed, surgery type)이 가능했다는 것이다. 또한, 림프절 절제 개수(>10 LNs vs others)와 수술 종류(pneumonectomy 제외 subgroup)에 따른 sensitivity analysis를 수행하여 결과의 robustness를 확인하려는 시도가 있었다. 모든 multivariable model 결과에서 OR과 95% CI를 함께 보고하여 effect size의 불확실성을 제시한 점도 적절하다. 그러나 의심스러운 점은 다음과 같다. 첫째, multivariable logistic regression에 "all variables were included"라고만 명시되어 있어 변수 선택 과정(stepwise selection 등)이나 다중 공선성(multicollinearity) 검증 여부가 명확하지 않다. 둘째, multiple testing 보정(procedure for controlling false discovery rate 등)이 언급되지 않았다. 셋째, model assumption(예: linearity in the logit for continuous variables like tumor size and days from diagnosis)에 대한 검증 결과가 원문에 명시되지 않음. 넷째, 결측치(missing data) 처리 방법이 명시되지 않았으며, Table 1에서 'Not recorded' 항목이 존재하지만 이를 어떻게 모델링에 반영했는지(예: separate category로 포함 vs exclusion)가 방법론 섹션에서 구체적으로 설명되지 않았다. 마지막으로, Kaplan-Meier 분석을 배제한 이유는 데이터의 이질성이라고 했지만, 생존 분석이 아닌 binary outcome(pN+/-) 예측이 주목적이었으므로 logistic regression 사용 자체는 타당하나, time-to-event 정보가 있는 NCDB 특성상 이를 활용하지 못한 점은 아쉬울 수 있다.
설계에 참고할 점 — 유사한 연구를 설계할 때는 이 논문처럼 대규모 registry database를 활용하여 충분한 statistical power를 확보하는 접근법을 채택하되, 변수 선택 과정과 model assumption 검증(예: Hosmer-Lemeshow test, linearity check)을 명시적으로 보고해야 한다. 또한, 결측치 처리 전략(multiple imputation 등)을 사전에 정의하고 적용해야 하며, multiple testing이 발생하는 경우 적절한 보정 방법을 고려하여 false positive risk를 관리해야 한다. 마지막으로, clinical utility를 높이기 위해 이 논문처럼 복잡한 모델 결과를 단순화된 nomogram 또는 graph 형태로 시각화하는 것은 좋은 참고 사례가 될 수 있다.
강점
이 연구는 매우 큰 표본 크기(N=109,964)를 활용하여 이전의 소규모 연구들보다 더 정교한 층별 분석(stratification by tumor size, number of LNs removed, surgery type)이 가능했다는 것이다. 또한, 림프절 절제 개수(>10 LNs vs others)와 수술 종류(pneumonectomy 제외 subgroup)에 따른 sensitivity analysis를 수행하여 결과의 robustness를 확인하려는 시도가 있었다. 모든 multivariable model 결과에서 OR과 95% CI를 함께 보고하여 effect size의 불확실성을 제시한 점도 적절하다.
한계
NCDB 데이터는 preoperative workup 정보(PET-CT, invasive mediastinal staging 등)를 포함하지 않아 finer risk assessment가 어렵다. 또한, MLND의 표준화가 이루어지지 않았으며, 특정 nodal stations dissected 정보가 기록되지 않았다. Pneumonectomy cases가 outlier로 작용할 가능성이 있어, 이를 제외한 재분석을 수행했으나 여전히 일부 편향이 존재할 수 있다. 마지막으로, best-fit line이 tumor size와 nodal spread 간의 선형 상관관계를 가정하지만, 매우 큰 종양 크기에서는 이 관계가 quadratic nature를 띨 수 있어 위험을 과소 또는 과대평가할 가능성이 있다.
해석
이 연구는 cN0 NSCLC 환자에서 occult lymph node disease의 발생률을 정량화하고, 이를 예측하는 요인을 규명함으로써 SABR 등 비수술적 치료를 고려할 때 유용한 정보를 제공한다. 특히, 종양 크기와 진단 후 경과 시간이 occult LN risk에 미치는 영향을 명확히 제시하여, 임상가들이 치료 전 위험도를 대략적으로 추정할 수 있도록 돕는다. 이러한 결과는 emerging methods like radiomics와 결합될 경우 더 정밀한风险评估를 가능하게 할 것으로 기대된다.