Recurrence After Complete Resection for Non-Small Cell Lung Cancer in the National Lung Screening Trial
한 줄 요약
Potter et al. (2023)은 National Lung Screening Trial (NLST) 코호트를 활용하여 병기 I-II Non-Small Cell Lung Cancer (NSCLC) 환자에서 완전 절제술 후 재발 패턴, 예측 인자 및 장기 예후를 분석하였다. 연구 결과, 5-year cumulative incidence of recurrence는 20.1%였으며, 재발의 약 82%가 distant sites 또는 locoregional과 distant sites 모두에서 발생하여 생존에 부정적인 영향을 미쳤다. Low-Dose Computed Tomography (LDCT) screening으로 검출된 폐암은 Chest Radiography screening 및 비선별 검출 군에 비해 재발 발생률이 유의하게 낮았다(P < .001). 본 연구는 조기 NSCLC 치료 후 Surveillance 전략 수립과 선별 검사의 임상적 효용성을 평가하는 데 필요한 정량적 근거를 제공한다.
방법
이 연구는 NLST 무작위 시험의 retrospective 분석으로, 2002년부터 2009년 사이에 병기 I-II NSCLC로 진단되어 완전 절제술(lobectomy 또는 bilobectomy)을 받은 497명을 대상으로 하였다. Induction therapy를 받은 환자 및 adjuvant chemotherapy를 받은 병기 IA 환자는 제외되었으며, staging은 AJCC 8th edition 기준을 따랐다. 재발 예측 인자는 competing risks를 고려한 multivariable Fine-Gray competing risks regression model로 분석하였다. 주요 endpoint는 재발 발생률(rate), 2년/5-year cumulative incidence, time to recurrence, 재발 이후 median survival이었으며, Gray test와 Kaplan-Meier method가 사용되었다. baseline characteristics 비교에는 chi-square test와 Wilcoxon rank sum test가 적용되었다.
주요 결과
중앙 추적 관찰 기간 4.0년 동안 94명에서 재발이 발생하여 재발률은 100 person-years당 4.9회(95% CI, 4.0-6.0)였다. 5-year cumulative incidence of recurrence는 20.1% (95% CI, 16.5%-23.9%)였으며, time to recurrence의 중앙 값은 18.8개월 (IQR 10.6-30.7)이었다. 재발 부위는 distant sites alone이 50.0%, locoregional과 distant sites가 함께 발생한 경우가 31.9%였다. LDCT screening으로 발견된 군은 chest radiography screening 및 비선별 검출 군에 비해 재발 발생률이 유의하게 낮았다(P < .001). 재발 이후 median survival은 병기 I에서 locoregional 63.0개월, distant 23.1개월, both 9.8개월이었고, 병기 II에서는 각각 28.9, 8.7, 10.2개월이었다. 수술 후 30일 및 90일 mortality는 각각 1.0%, 1.8%였다. 재발 군에서 tumor size (20 mm vs 17 mm, P=.03)와 pathologic N status N1 (21.3% vs 9.4%, P=.001)가 유의하게 높았다.
통계 분석
분석 설계 — 이 연구는 National Lung Screening Trial (NLST) 데이터베이스를 활용하여, 병리학적 stage I-II non-small cell lung cancer (NSCLC) 환자에서 완전 절제술(lobectomy 또는 bilobectomy) 후 재발 패턴, 예측 인자 및 장기 생존율을 평가하는 것을 목적으로 한다. 연구 설계는 retrospective cohort study이며, 2002년부터 2009년까지 NLST에 등록된 환자 중 inclusion criteria를 충족한 497명을 표본으로 선정했다. 추적 관찰 기간은 median 4.0년이었으며, primary endpoint는 재발(cumulative incidence of recurrence)이다.
무엇을 위해 어떤 분석을 썼는가 — 기저 특성(baseline characteristics)의 재발 유무에 따른 차이를 비교하기 위해 categorical variables에는 $\chi^2$ test를, continuous variables에는 Wilcoxon rank sum test를 사용했다. 재발 발생률(recurrence rate)을 계산하기 위해 person-years at risk 대비 재발 건수의 비율을 산출했으며, 재발의 누적 발생률(cumulative incidence)을 추정하기 위해 cumulative incidence functions를 적용했다. 서로 다른 그룹 간 재발 누적 발생률의 차이를 평가하기 위해 Gray test를 사용했다. 재발 위험과 관련된 요인들을 식별하기 위해 competing risks가 존재하는 상황을 고려한 multivariable Fine-Gray competing risks regression model을 구축했으며, 이 모델에는 age, sex, race, comorbidities (COPD, asthma, pneumonia), smoking pack-year history, smoking status, prior cancer history, histologic type, tumor size, tumor grade, tumor location, pathologic N status, 그리고 lung cancer detection method(LDCT screening, chest radiography screening, 또는 no screening)가 covariates로 포함되었다. 재발 여부에 따른 overall survival을 평가하기 위해 Kaplan-Meier method를 사용했고, stage I과 stage II 환자 간 생존율 차이를 비교하기 위해 log-rank test를 수행했다. 모든 통계 분석은 Stata/MP version 17.0 소프트웨어로 수행되었다.
방법론 평가 — 잘 된 점은 재발 연구에서 흔히 발생하는 competing risk(재발 전 사망)를 고려하여 Fine-Gray model을 적절히 선택했다는 것이다. 또한, proportional hazards assumption의 위반이 없음을 명시적으로 확인했다고 보고하여 모델의 타당성을 지지한다. Effect size로 subdistribution hazard ratio (SHR)와 95% CI를 함께 제시하여 결과의 정량적 해석이 용이하다. 그러나 의심스러운 점은 표본 수(N=497)에 비해 multivariable model에 포함된 변수 수가 많다는 것이다(약 13-14개 covariates). 일반적으로 events per variable (EPV) 기준을 고려할 때, 재발 event가 94건인 상황에서 이 많은 변수를 동시에 모델에 넣으면 overfitting의 위험이 있으며, 통계적 검정력(power)이 부족할 수 있다. 또한, multiple testing 보정(multiple testing correction)이 수행되었는지 원문에 명시되지 않음으로, 여러 하위 그룹 분석(stratified analysis)에서 type I error가 증가했을 가능성이 있다. 결측치 처리 방법도 원문에 명시되지 않음(예: complete case analysis인지, imputation을 사용했는지 불명확).
설계에 참고할 점 — 유사한 연구를 설계할 때는 competing risk를 고려한 Fine-Gray model의 적용은 좋은 접근이지만, 표본 수 대비 변수 수를 줄여 모델의 안정성을 높이는 것이 중요하다. 특히 event 수가 제한된 경우, 사전에 임상적으로 가장 중요한 covariates만 선정하거나, 변수 선택 과정(예: LASSO regression 등)을 통해 overfitting을 방지해야 한다. 또한, multiple testing이 발생하는 하위 분석에서는 False Discovery Rate (FDR) 등의 보정을 적용하여 결과의 신뢰성을 강화하는 것이 필요하다.
강점
이 연구는 대규모 무작위 시험(NLST)의 표준화된 데이터를 활용하여, 단일 기관 연구에서 발생할 수 있는 selection bias를 최소화하였다. Competing risks regression model을 사용하여 사망이라는 경쟁 위험을 고려한 재발 위험 분석은 방법론적으로 엄밀하다. 또한, 선별 검사 방법(LDCT vs Chest Radiography vs No screening)에 따른 재발 패턴의 차이를 명확히 구분하여 제시함으로써, 조기 검출이 재발률 감소에 미치는 영향을 정량적으로 입증하였다.
한계
본 연구는 retrospective design이며, adjuvant therapy의 사용이 병기 IA 환자에게서 제외되었으나 다른 병기에서는 포함되어 있어 치료 이력의 불균형이 재발 결과에 미칠 수 있는 영향을 완전히 통제하기 어렵다. NLST 데이터에는 molecular profiling (예: EGFR, ALK mutation status) 정보가 포함되어 있지 않아, 표적 치료 시대가 된 현재 임상 상황에서의 재발 예측 인자로의 적용성에 한계가 있다. 또한, surveillance protocol이 표준화되지 않았으므로, 재발 검출 시점과 실제 생물학적 재발 시점 간의 차이를 정확히 반영하지 못할 수 있다.
해석
본 연구는 LDCT screening으로 조기 발견된 NSCLC라도 재발 위험이 완전히 제거되지 않으며, 특히 distant metastasis가 주요 사망 원인임을 강조한다. 재발의 65% 이상이 수술 후 1~4년 사이에 발생한다는 결과는 현재 많은 가이드라인에서 2년 이후 surveillance를 완화하는 관행에 대해 재고할 필요성을 시사한다. LLM Wiki의 oncology 문헌과 연결하여 볼 때, 이 데이터는 adjuvant immunotherapy (예: CheckMate 816)나 targeted therapy가 적용되는 현대적 치료 환경에서도, high-risk subgroup (N1 disease, large tumor size)에 대한 intensive surveillance와 추가 치료의 중요성을 뒷받침하는 근거로 활용될 수 있다.