Radiogenomic-based multiomic analysis reveals imaging intratumor heterogeneity phenotypes and therapeutic targets
한 줄 요약
본 연구는 유방암 환자에서 DCE-MRI 기반 radiomics를 활용하여 imaging intratumor heterogeneity (IITH)를 비침습적으로 정량화하고, 이를 multiomic 데이터와 연계하여 예후 및 therapeutic targets를 규명했다. High-IITH phenotype은 genomic ITH 및 cellular morphological ITH와 상관관계가 있으며, independent poor prognostic indicator로 작용하는 것으로 확인되었다. 특히 metabolomics 및 transcriptomics 통합 분석을 통해 high-IITH 종양에서 ferroptosis pathway의 활성화가 관찰되어, 이를 잠재적 therapeutic target으로 제안했다.
방법
Study design은 3개 독립 cohort (FUSCC n=711, DUKE n=641, TCGA n=122)를 포함한 multicenter observational study이다. Imaging modality는 DCE-MRI이며, pre-contrast 및 post-contrast phase에서 4개의 ROI로부터 first-order 및 textural radiomics features를 추출했다. Median absolute deviation (MAD) >1인 highly variable heterogeneity-related features 203개를 선별하고, Similarity network fusion (SNF) 알고리즘을 적용하여 high-IITH와 low-IITH phenotypes로 분류했다. Endpoint는 Relapse-free survival (RFS)과 Overall survival (OS)이며, Multivariable Cox proportional hazards model을 사용하여 tumor size, positive lymph nodes, lymphovascular invasion status, clinical subtype 등을 보정했다. Biological validation을 위해 Whole-exome sequencing (WES), transcriptomics, Copy number variation (CNV), metabolomics, H&E digital pathology 데이터를 연계 분석했다.
주요 결과
High-IITH 군은 더 높은 T stage 및 N stage, 낮은 ER/PR 양성 비율, 큰 종양 크기, 불규칙한 형태, wash-in pattern에 의한 높은 overall perfusion을 보였다. Prognostic validation에서 high-IITH는 FUSCC cohort에서 RFS가 유의하게 짧았으며 (log-rank P=0.004), Multivariable Cox 분석 후 independent poor prognostic indicator로 작용했다 (HR=2.15, 95% CI: 1.22-3.80, P=0.008). DUKE cohort에서도 external validation 결과 RFS가 악화되었으며 (log-rank P=0.003), independent prognostic value를 확인했다 (HR=1.79, 95% CI: 1.01-3.18, P=0.046). OS에서도 high-IITH는 유의한 예측 인자였다 (log-rank P=0.004). Multiomic 통합 분석 결과, high-IITH 종양에서 oncogenic pathways의 활성화와 metabolic dysregulation이 관찰되었으며, metabolomics 및 transcriptomics 데이터를 기반으로 ferroptosis가 therapeutic target으로 제안되었다.
통계 분석
분석 설계 — 이 연구는 DCE-MRI 기반의 비침습적 영상 특징(radiomic features)을 통해 유방암 환자의 Imaging Intra Tumor Heterogeneity (IITH)를 정량화하고, 이것이 종양의 생물학적 특성 및 임상 예후와 어떻게 연관되는지를 규명하기 위해 설계되었다. 연구는 총 1474명의 다기관 코호트(FUSCC n=711, DUKE n=641, TCGA n=122)를 활용했으며, FUSCC 코호트를 discovery cohort로 사용하여 IITH signature를 개발하고 예후 가치를 검증한 후, DUKE와 TCGA 코호트를 external validation cohort로 사용하여 결과의 일반화 가능성을 확인하는 구조를 취했다. Primary endpoint는 Recurrence-Free Survival (RFS)과 Overall Survival (OS)이었으며, 추적 관찰 기간은 FUSCC 코호트에서 장기적인 임상 follow-up 데이터를 기반으로 했다.
무엇을 위해 어떤 분석을 썼는가 — 먼저, 1968개의 radiomic features 중 변이가 큰 특징들을 선별하기 위해 Median Absolute Deviation (MAD)를 계산하여 MAD > 1인 203개의 high variability features를 추출했다. 이후, First-order features와 Texture features를 각각 Similarity Network Fusion (SNF) 알고리즘에 적용하여 IITH의 두 가지 distinct phenotypes(high-IITH vs low-IITH)을 unsupervised clustering 방식으로 분류했다. 각 샘플의 heterogeneity 수준을 정량화하기 위해 Heterogeneity Index (HI) score를 산출했으며, 그룹 간 HI score 차이를 비교하기 위해 Wilcoxon rank-sum test를 사용했다. IITH와 Genomic Intra Tumor Heterogeneity (GITH) 및 Morphological Intra Tumor Heterogeneity (MITH) 간의 연관성을 검증하기 위해 Mutant-Allele Tumor Heterogeneity (MATH) 알고리즘으로 GITH를 측정하고, 전체 슬라이드 이미지(WSI)에서 추출한 nuclear morphology features로 MITH를 정량화하여 그룹 간 차이를 평가했다. 예후 분석에서는 Kaplan-Meier curve와 log-rank test를 사용하여 IITH 그룹 간 RFS 및 OS의 유의미한 차이를 확인했고, Tumor size, Positive lymph nodes, Lymphovascular invasion status, Clinical subtype 등 잘 알려진 prognostic factors를 보정한 후에도 IITH가 독립적인 예후 인자인지 확인하기 위해 Multivariable Cox proportional hazards model을 적용했다. 마지막으로, 고-IITH 종양의 생물학적 기전을 규명하기 위해 Gene Set Enrichment Analysis (GSEA)를 수행하여 활성화된 oncogenic pathways(예: Hippo, RAS, PI3K-AKT-mTOR, MAPK)와 metabolic dysregulation을 식별했으며, Metabolomic data와의 통합 분석을 위해 Differential Abundance (DA) score analysis를 사용하여 fatty acid biosynthesis 등 특정 대사 경로의 up-regulation을 확인했다.
방법론 평가 — 잘 된 점은 다기관 코호트(FUSCC, DUKE, TCGA)를 활용하여 discovery와 external validation을 명확히 구분함으로써 결과의 robustness를 높였다는 것이다. 또한, Radiomics뿐만 아니라 Genomics(WES), Transcriptomics, Metabolomics, Digital Pathology(WSI) 등 multi-omics 데이터를 통합하여 IITH의 생물학적 타당성을 다각도로 검증한 것은 방법론적으로 강점이다. 특히, Cox regression 모델에서 HR과 95% CI를 함께 보고하여 effect size를 명확히 제시했으며, log-rank test와 multivariable analysis를 병행하여 univariate 및 multivariate 수준의 예후 가치를 모두 평가했다. 그러나 의심스러운 점은 SNF clustering 과정에서 feature selection의 기준이 MAD > 1이라는 임계값에 의존하고 있어, 이 cutoff value가 통계적으로 최적화되었는지 아니면 arbitrary하게 설정된 것인지 원문에 명시되지 않음이다. 또한, Multivariable Cox model에서 proportional hazards assumption을 검증했는지 여부가 언급되지 않았으며, 결측치(Missing data) 처리 방법(예: imputation 또는 complete-case analysis)에 대한 설명이 부족하다. GSEA 분석에서 multiple testing correction(예: FDR adjustment)가 적용되었는지 명시되지 않아 false discovery rate에 대한 우려가 있을 수 있다.
설계에 참고할 점 — 유사한 연구를 설계할 때는 이 논문처럼 Radiomics signature를 개발한 후, 외부 코호트에서의 external validation을 반드시 포함하여 결과의 generalizability를 확보해야 한다. 또한, 단일 영상 데이터의 한계를 극복하기 위해 Genomics나 Pathology 등 다른 omics 데이터와의 correlation analysis를 통해 생물학적 타당성을 입증하는 접근법을 채택할 가치가 있다. 반면, feature selection 과정의 투명성(예: MAD cutoff의 근거)과 통계 모델의 가정 검증(proportional hazards), 그리고 multiple testing 보정 방법을 연구 설계 단계에서 명확히 정의하고 보고해야 신뢰도를 높일 수 있다.
강점
본 연구는 1474명의 대규모 multicenter cohort를 활용하여 IITH의 prognostic value를 robust하게 검증했다. DCE-MRI radiomics를 통해 noninvasive하게 ITH를 평가하는 방법을 제시함으로써, 기존 biopsy 기반 genomic analysis의 sampling bias 문제를 해결할 수 있는 대안을 마련했다. 또한, transcriptomics와 metabolomics를 통합하여 high-IITH 종양의 biological basis를 규명하고, ferroptosis를 구체적인 therapeutic target으로 제안한 점이 임상적 의의를 지닌다.
한계
본 연구는 observational study로, 인과관계를 직접 입증하기에는 제한적이다. Ferroptosis pathway의 활성화가 high-IITH 종양에서 치료 반응에 미치는 실제 영향은 prospective clinical trial을 통해 검증되어야 한다. 또한, metabolomics 데이터가 FUSCC cohort에서만 일부 (n=221) 이용 가능하여, 다른 cohort와의 generalizability에 대한 추가 검증이 필요하다.
해석
본 연구는 DCE-MRI radiomics를 통해 ITH를 noninvasively 평가할 수 있음을 보여주며, 이는 precision medicine에서 imaging biomarker의 중요성을 강조한다. High-IITH 종양에서 ferroptosis pathway가 활성화된다는 발견은, 해당 경로를 표적으로 하는 therapeutic strategy (예: ferroptosis inducers)가 high-IITH 유방암 환자에서 유효할 수 있음을 시사한다. 이는 기존 chemotherapy나 targeted therapy에 대한 resistance를 극복하는 새로운 접근법으로 고려될 수 있다.