Criteria for the diagnosis of extranodal extension detected on radiological imaging in head and neck cancer: Head and Neck Cancer International Group consensus recommendations
한 줄 요약
이 논문은 head and neck squamous cell carcinoma에서 radiological imaging으로 감지된 extranodal extension(ENE)의 진단 기준과 용어 표준화를 위한 Head and Neck Cancer International Group(HNCIG)의 consensus recommendations를 제시한다. 14개국 18명의 전문가 패널을 대상으로 한 5단계 modified Delphi 과정을 통해, 기존 classification system보다 선호되는 새로운 grading framework와 online educational resource를 개발하였다. imaging-detected ENE는 HPV-negative disease에서 AJCC staging에 반영될 정도로 중요한 prognostic marker이며, trimodality therapy의 독성을 피하기 위한 non-surgical approach 선택에 직접적인 영향을 미칠 수 있다. 특히, indistinct nodal margin과 perinodal fat invasion 등 구체적인 영상 소견을 ENE 진단 기준으로 명확히 정의함으로써 임상적 불확실성을 줄이고자 했다. 이 권고안은 19개 국가 및 국제 기관(34개국 대표)으로부터 endorsement을 받아, 향후 연구와 임상 관행의 표준화 기반이 될 것으로 기대된다.
방법
Head and Neck Cancer International Group(HNCIG)이 주도한 5-round modified Delphi process를 수행하였다. 21개 회원 기관 중 14개 기관에서 추천된 head and neck radiology 전문가 18명이 Qualtrics 온라인 설문 플랫폼을 통해 참여했다. RAND methodology에 기반하여 합의 기준을 설정했으며, ≥80%는 strong agreement, 67–79%는 agreement, 21–66%는 no agreement로 판정하였다. 설문 항목은 imaging-detected ENE의 진단 criteria, inter-observer agreement 수준(1-5점 척도), core biopsy의 영향, 그리고 reporting을 위한 classification system에 대한 선호도를 포함했다. 각 라운드 전에는 독립적인 전문가 그룹을 통해 readability와 content validity를 검증했다.
첫 번째 라운드에서는 45개의 질문이 제시되었으며, 이후 각 라운드마다 합의가 이루어진 항목은 제외하고 새로운 질문이나 기존 질문의 수정안이 추가되었다. 두 번째 라운드에서는 38개, 세 번째 라운드에서는 18개 질문이 평가되었다. 응답자들은 imaging 소견과 histology-detected ENE 간의 상관관계 정도를 consistent (>90%), suspicious (60–90%), possible (30–60%), unlikely (<30%)로 분류하도록 요청받았다. 또한, inter-observer agreement의 가능성은 1(very low)부터 5(very high)까지의 척도로 평가했다. 최종적으로 49개의 항목이 consensus를 달성했으며, 이 결과는 19개 전문 협회 및 연구 그룹으로부터 endorsement을 받았다.
주요 결과
imaging-detected ENE가 histology-detected ENE를 예측하는 성능은 sensitivity 60–80%, specificity 72–96%로 보고되었다. HPV-mediated oropharyngeal cancer 환자군에서 imaging-detected ENE는 histology-detected ENE보다 mortality에 대해 더 높은 hazard ratio(HR)을 보이는 것으로 나타났다. 전문가 패널은 기존 classification system보다 제안된 새로운 classification system을 선호했으며, 이를 통해 imaging-detected ENE의 정도를 체계적으로 grading할 수 있는 online educational resource가 개발되었다. 최종 권고안은 19개 국가 및 국제 기관(34개국 대표)으로부터 endorsement을 받았다.
구체적인 진단 기준에 대해, "indistinct or irregular nodal margin or border"는 모든 전문가(17명 중 100%)가 imaging-detected ENE의 기준으로 사용해야 한다고 strong agreement를 보였다. 이 소견은 histology-detected ENE와 "suspicious for" (60–90% correlation)로 간주되며, CT 및 MRI 해석에 적용 가능하지만 ultrasound에는 적용되지 않는 것으로 합의되었다. 또한, "extension into perinodal fat"과 "extension into adjacent structures (muscle, skin, glands, neurovascular bundle)"는 모두 histology-detected ENE와 "consistent with" (>90% correlation)로 간주되며, CT, MRI, 그리고 ultrasound(adjacent structures의 경우에만) 해석에 적용 가능하다고 strong agreement를 얻었다. 반면, conglomerate, matted, coalescent nodes 역시 imaging-detected ENE의 기준으로 사용되어야 한다고 strong agreement를 보였다.
통계 분석
분석 설계 — 이 연구는 영상학적으로 확인된 extranodal extension(ENE)의 진단 기준과 분류 체계에 대한 국제적 합의를 도출하기 위해 수행되었다. 연구 설계는 전통적인 환자 코호트 분석이 아닌, 14개 국가의 임상 연구 그룹을 대표하는 18명의 두경부 방사선 전문의로 구성된 전문가 패널을 대상으로 한 modified Delphi process를 채택했다. 표본 수는 고정된 환자군이 아니라 5개 라운드에 걸쳐 반복적으로 응답한 전문가 수(최종 15명)이며, 추적 기간은 적용되지 않는다. primary endpoint는 특정 임상 결과 지표가 아니라, RAND methodology를 기반으로 한 합의도(threshold: ≥80% strong agreement, 67–79% agreement)를 달성하는 것이다.
무엇을 위해 어떤 분석을 썼는가 — 전문가들의 주관적 판단을 정량화하고 합의를 도출하기 위해 Likert scale 기반의 설문 응답을 수집했다. 구체적으로, 영상 소견과 조직병리학적 ENE 간의 상관관계 정도를 평가하기 위해 4단계 범주(consistent >90%, suspicious 60–90%, possible 30–60%, unlikely <30%)를 사용했으며, 관찰자 간 일치도(inter-observer agreement)를 예측하기 위해 5점 척도(1: very low likelihood ~ 5: very high likelihood)를 적용했다. 각 라운드 종료 후 응답 데이터를 집계하여 RAND methodology의 사전 정의된 합의 기준을 충족하는 항목을 선별하고, 미달성 항목은 다음 라운드에서 수정하거나 추가 질문을 통해 재평가했다. 통계 소프트웨어나 특정 버전은 원문에 명시되지 않음.
방법론 평가 — 잘 된 점은 Delphi 과정의 투명성과 구조화이다. 5개 라운드에 걸쳐 피드백을 제공하며 전문가들의 의견을 수렴했고, 각 라운드 전 독립적인 전문가 그룹을 통해 설문지의 가독성(face validity)과 내용 타당도(content validity)를 사전 검증(pilot testing)했다는 점이 강점이다. 또한 RAND methodology의 객관적 기준(80% 이상 strong agreement 등)을 적용하여 합의 도출 과정을 정량화했다. 그러나 의심스러운 점은 다음과 같다. 첫째, 표본 크기가 매우 작아(18명 중 최종 15명 완료) 통계적 검정력(power)이나 일반화 가능성(generalizability)에 한계가 있다. 둘째, inter-observer agreement의 실제 측정값(kappa statistic 등)이 제시되지 않고, 전문가들이 '일치도 가능성'을 주관적으로 예측한 결과만 보고되어 있어 객관성이 부족하다. 셋째, multiple testing 보정이나 model assumption 검증은 Delphi 연구의 특성상 적용되지 않지만, 응답자 dropout(1명 탈락, 1명 교체, 1명 미참석)에 따른 bias 분석이 원문에 명시되지 않음. 마지막으로, effect size와 CI는 해당하지 않으며, 내부/외부 검증(validation)은 향후 필요하다고 언급되었지만 본 연구 내에서는 수행되지 않았다.
설계에 참고할 점 — 유사한 합의 연구(guideline development)를 설계할 경우, RAND methodology와 같은 명확한 합의 기준을 사전에 정의하고, 각 라운드 간 피드백 루프를 체계적으로 관리하는 접근법을 채택해야 한다. 반면, 소수의 전문가 패널에만 의존하기보다는 더 다양한 지역과 전문성을 가진 참여자를 확보하여 대표성을 높이고, 주관적 예측 대신 실제 observer agreement study를 병행하여 객관성을 강화하는 보완이 필요하다.
강점
이 연구는 국제적으로 인정받는 14개국의 head and neck radiology 전문가들이 참여한 대규모 consensus 과정이라는 점에서 신뢰성이 높다. modified Delphi process를 통해 반복적인 피드백과 수정을 거치며, 각 라운드마다 합의 수준을 정량적으로 평가하여 객관성을 확보했다. 또한, RAND methodology를 적용하여 strong agreement와 agreement의 기준을 명확히 설정함으로써, 주관적 판단을 최소화하고 과학적 근거에 기반한 권고안을 도출했다. 마지막으로, 19개 국가 및 국제 기관으로부터 endorsement을 받아, 이 권고안이 전 세계적으로 널리 수용될 가능성이 높다는 점을 시사한다.
한계
이 연구의 주요 한계는 표본 크기가 작다는 점이다. 18명의 전문가 중 최종적으로 15명만이 모든 라운드를 완료했으며, 이는 통계적 검정력(power)과 일반화 가능성(generalizability)에 제한을 줄 수 있다. 또한, inter-observer agreement의 실제 측정값(kappa statistic 등)이 제시되지 않고, 전문가들이 '일치도 가능성'을 주관적으로 예측한 결과만 보고되어 있어 객관성이 부족하다. 마지막으로, imaging-detected ENE의 진단 기준이 주로 CT와 MRI에 기반하고 있으며, ultrasound의 역할은 제한적으로 다루어져, 다양한 imaging modality에서의 적용성에 대한 검증이 추가로 필요하다.
해석
이 연구는 head and neck cancer에서 imaging-detected ENE의 진단 기준을 표준화함으로써, 임상적 의사결정과 치료 계획 수립에 중요한 기여를 했다. 특히, HPV-negative disease에서 AJCC staging에 반영되는 imaging-detected ENE의 중요성을 강조하며, trimodality therapy의 독성을 피하기 위한 non-surgical approach 선택에 직접적인 영향을 미칠 수 있음을 시사한다. 이 권고안은 향후 대규모 코호트 연구나 randomized controlled trial을 통해 검증되어야 하며, 다양한 imaging modality에서의 적용성과 inter-observer agreement를 개선하기 위한 추가 연구가 필요하다. 또한, LLM Wiki의 oncology/imaging/pulmonology/AI 문헌들과 연계하여, AI 기반의 자동 ENE 감지 알고리즘 개발과 같은 기술적 발전에도 기여할 수 있을 것으로 기대된다.