Longitudinal Blood Immune-Inflammatory and Radiomic Profiling to Decode Different Patterns of Acquired Resistance to Immunotherapy in Patients with NSCLC
한 줄 요약
이 연구는 advanced non-small cell lung cancer (NSCLC) 환자에서 immune checkpoint inhibitor (IO) 치료 후 발생하는 acquired resistance (AR) 패턴이 oligoAR와 sysAR로 나뉠 때, 이를 구분하는 peripheral blood (PB) immune-inflammatory markers와 CT-derived radiomic features의 longitudinal 모니터링 가치를 평가했다. 105명의 환자를 대상으로 T0와 T1(9~12주) 시점의 혈액 분석 및 영상 데이터를 수집하고 Δ variation을 계산하여 두 AR 패턴 간의 생물학적·영상적 차이를 규명했다. 연구 결과, 면역 세포 동역학 및 사이토카인 변화와 함께 longitudinal radiomic features가 두 저항 패턴을 명확히 구분했으며, oligoAR 환자가 sysAR보다 postprogression survival 기간이 현저히 길었다. 이를 통해 IO 치료 중 발생하는 저항의 이질성을 조기에 해독하고 맞춤형 관리 전략 수립에 활용할 수 있음을 시사한다.
방법
본 연구는 진행성 NSCLC 환자를 대상으로 한 prospective observational study (AIRC IG ID. 23606)로, 1st 또는 2nd line IO 치료(단제 또는 platinum-based chemotherapy 병용)를 받은 105명을 분석 대상에 포함했다. 주요 제외 기준은 active pneumonitis, 누락된 clinical/imaging/blood 자료, prior immunotherapy 이력, 및 follow-up 기간 <6개월이었다. T0와 T1 시점에 PB의 immunophenotypes (flow cytometry), cytokines (IL-1β, IL-2, IL-4, IL-6, IL-10, IL-12p70, IFNγ, TNFα, TGF-β1), soluble PD-L1 (sPD-L1) 및 CT-derived radiomic features (RF)를 수집했다. AR은 RECIST 1.1 기준 초기 반응 (CR/PR) 또는 SD ≥6개월 이후 진행으로 정의했으며, 신규 또는 progressive lesions 수에 따라 oligoAR (≤3개)와 sysAR (>3개)로 분류했다. Δ variation [(T1-T0)/T0 × 100]을 계산하고, clinicopathologic/PB/radiomic 매개변수와 survival outcomes를 통계적으로 상관분석했으며, ROC analysis를 통해 RF의 판별 성능을 평가했다.
주요 결과
전체 환자 중 oligoAR는 24%, sysAR는 12.4%로 발생했다. Baseline PB immune profiles는 두 군 간 유사했으나, Δpos cytotoxic cells (NK, CD8+ granzyme B+) 증가와 Δneg immunosuppressive cells (CD14+ monocytes) 감소가 oligoAR에서 특징적으로 관찰되었으며, IL-6, TGF-β1, TNFα, sPD-L1의 차별적 조절 패턴도 확인되었다 (P < 0.05). Postprogression survival 기간은 oligoAR군이 sysAR군보다 현저히 길었으며 (median 20.3 vs. 5.6 months; HR, 0.22; P < 0.001), oligoAR의 lesions 수와 sites가 PB immune background와 survival에 영향을 미치는 것으로 나타났다. Baseline RF 대비 ΔRFs가 더 우수한 판별력을 보였으며, 15개의 ΔRFs가 oligoAR와 sysAR를 명확히 구분했다 (P range: <0.001–0.04). 상위 ΔRFs의 ROC analysis에서 AUC는 0.88–0.99 범위를 기록했다.
강점
본 연구는 IO 치료 중 발생하는 AR의 이질성을 PB immune-inflammatory markers와 longitudinal radiomics를 결합한 multi-modal 접근으로 정량화했다는 점에서 임상적·연구적 가치가 높다. 특히 baseline 데이터보다 Δ variation 기반 features가 저항 패턴 구분에서 더 높은 성능 (AUC 0.88–0.99)을 보여, 치료 초기 (9~12주)에 저항 양상을 조기에 식별할 수 있는 실용적인 모니터링 프레임워크를 제시한다. wiki 내 면역치료 반응 예측 및 radiomics 기반 biomarker 문헌들과 연계하여, longitudinal tracking의 임상적 유용성을 뒷받침하는 강력한 근거로 활용될 수 있다.
해석
이 논문은 NSCLC에서 IO 치료 후 발생하는 AR이 단일한 생물학적 기전이 아니라 oligoAR와 sysAR로 구분되는 이질적 과정임을 입증하며, 기존 wiki의 면역치료 반응 예측 및 radiomics 문헌들과 직접적으로 연결된다. PB 내 immune cells 동역학 (Δpos cytotoxic/Δneg immunosuppressive)과 영상 기반 ΔRFs를 함께 모니터링하는 longitudinal multi-modal 접근은 AI 기반 예측 모델 개발에 필요한 정량적 표적을 제공하며, 치료 중기 (9~12주)에 저항 패턴을 구분함으로써 local therapy 또는 systemic therapy 변경 시기를 결정하는 데 참고할 수 있는 객관적 지표 체계를 제시한다.