Clinical outcomes and neuroendocrine features of transformed versus primary small-cell lung cancer

article title

Clinical outcomes and neuroendocrine features of transformed versus primary small-cell lung cancer

authors

Chen et al.

journal

Lung Cancer

year

2025

doi

10.1016/j.lungcan.2025.108714

category

clinical-oncology

pdf

PDF

source

Source

요약

본 연구는 immunotherapy 시대에 transformed small-cell lung cancer (T-SCLC)와 primary SCLC (P-SCLC)의 clinical outcomes 및 neuroendocrine features를 비교하였다. T-SCLC는 P-SCLC에 비해 통계적으로 유의하게 짧은 overall survival (OS)을 보였으나 그 차이는 미미했다. T-SCLC 환자군에서 chemoimmunotherapy가 chemotherapy보다 OS를 현저히 향상시켰으며, baseline neuron-specific enolase (NSE)의 optimal cutoff 값은 두 군 간에 상이하게 도출되었다. 또한 T-SCLC 내에서 neuroendocrine marker 발현이 강한 하위 집단이 더 긴 mOS를 보여 biomarker 기반 예후 예측의 가능성을 시사했다.

방법

Retrospective cohort study로, 2018년 3월부터 2023년 3월까지 T-SCLC (n=42)와 P-SCLC (n=164) 환자 총 206명을 대상으로 clinical outcomes를 분석하였다. T-SCLC 군 내에서 chemoimmunotherapy와 chemotherapy의 치료 효과를 비교하였으며, baseline NSE 수치와 예후 간의 linear correlation 및 regression analysis를 수행하여 optimal cutoff 값을 산출했다. neuroendocrine (NE) marker에 대한 immunohistochemistry 결과를 바탕으로 hierarchical clustering을 적용해 NE feature별 하위 집단을 분류하였다. 주요 endpoint는 overall survival (OS)였으며, Kaplan-Meier method와 Cox regression을 사용해 생존율을 추정하고 통계적 유의성을 검정했다.

주요 결과

T-SCLC 군의 mOS는 P-SCLC 군보다 짧았다 (11.7 vs 12.9개월, P=0.033). T-SCLC 환자에서 chemoimmunotherapy 치료군의 mOS가 chemotherapy군을 유의하게 상회했다 (15.4 vs 8.5개월, P=0.001). baseline NSE의 optimal cutoff 값은 T-SCLC에서 19.7 ng/ml, P-SCLC에서 74.8 ng/ml로 군 간 차이가 있었다. 두 군 모두 고수치 NSE는 mOS 감소와 유의한 연관성을 보였다 (T-SCLC: 10.0 vs 16.5개월, P=0.003; P-SCLC: 10.8 vs 16.5개월, P<0.001). T-SCLC 내 NE marker 발현이 강한 cluster는 약한 cluster 대비 더 긴 mOS를 기록했다 (14.3 vs 10.3개월, P=0.030).

강점

immunotherapy 시기의 T-SCLC와 P-SCLC를 직접 비교하여 lineage transformation 후의 임상적 이질성을 정량적으로 입증했다. 두 군 간 NSE cutoff 값을 구분함으로써 biomarker 해석의 정확도를 높였으며, NE marker clustering을 통해 T-SCLC 내 예후 변이성을 규명했다. 이는 transformed SCLC에 대한 치료 전략 수립과 환자 선별 기준 마련에 직접적인 근거를 제공하여 wiki 내 임상적 의사결정 및 연구 설계 시 유용한 reference가 된다.

해석

본 연구는 NSCLC 치료 중 발생한 lineage transformation으로 인한 T-SCLC가 P-SCLC와 다른 예후 프로파일을 가짐을 확인하며, SCLC의 이질성과 치료 내성 기전에 대한 기존 문헌을 보완한다. LLM Wiki의 oncology 및 pulmonology 섹션에서 EGFR-TKI 내성 후 SCLC transformation 관리, immunotherapy 적용 시기의 치료 패러다임 변화, 그리고 biomarker 기반 prognostic modeling과 연결되어 다학제적 접근에 중요한 근거를 제공한다. 특히 NE feature와 NSE cutoff의 군별 차이는 향후 AI 기반 환자 분류 알고리즘이나 다중오믹스 데이터 해석 시 핵심 변수로 활용될 수 있다.