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

업데이트

2026-07-31

요약

본 연구는 EGFR-TKI 치료 후 소세포폐암(SCLC)으로 변이된 transformed SCLC (T-SCLC)와原発성 primary SCLC (P-SCLC)의 임상적 예후 및 신경내분비(neuroendocrine, NE) 특성을 면역치료 시대에 비교 분석하였다. T-SCLC 군은 P-SCLC 군에 비해 통계적으로 유의하게 짧은 median overall survival (mOS)을 보였으나(11.7 vs 12.9개월), 그 차이는 임상적으로 미미한 수준이었다. T-SCLC 환자에서 chemoimmunotherapy는 chemotherapy 대비 OS를 현저히 향상시켰으며, 이는 P-SCLC 군에서도 유사하게 관찰되었다. Baseline neuron-specific enolase (NSE)의 optimal cutoff 값은 두 군 간에 상이하게 도출되었으며(T-SCLC: 19.7 ng/ml, P-SCLC: 74.8 ng/ml), 고수치 NSE는 두 군 모두에서 예후 불량과 유의한 연관성을 보였다. T-SCLC 내에서 NE marker 발현이 강한 하위 집단(cluster)이 더 긴 mOS를 기록하여, 조직학적 NE 특성이 예후 예측에 유용할 수 있음을 시사했다.

방법

Single-center retrospective cohort study로, 2018년 3월부터 2023년 3월까지 Guangdong Provincial People’s Hospital에서 진단된 환자 중 T-SCLC (n=42)와 P-SCLC (n=164) 총 206명을 포함하였다. P-SCLC 군은 초기 진단 시 순수 SCLC 병리를 가진 stage IVA/B 환자로 구성되었으며, T-SCLC 군은 EGFR mutation이 있는 lung adenocarcinoma (LUAD)에서 EGFR-TKI 치료 후 SCLC로 병리학적 변이가 확인된 stage IVA/B 환자였다. Limited-stage disease, best supportive care만 받은 경우, 추적 관찰 중단자는 제외하였으며, 2L 이후에 immune checkpoint inhibitors (ICIs)를 시작한 T-SCLC 2명과 P-SCLC 1명, 그리고 ALK-EML4 fusion이 있는 T-SCLC 1명은 추가로 배제되었다.

Baseline 정의는 군별로 상이하게 설정되었다: T-SCLC의 baseline은 병리적 변형 시점(pathological transformation)으로 정의되어 이후 치료를 first-line (1L)로 간주했으며, P-SCLC의 baseline은 초기 SCLC 진단 시점으로 정의했다. Primary endpoint는 overall survival (OS)이었으며, progression-free survival (PFS)과 objective response rate (ORR)을 secondary endpoint로 평가했다. ORR은 RECIST v1.1 기준에 따라 investigator가 평가했으며, Clopper-Pearson method로 95% CI를 계산했다. Tumor tissue는 formalin-fixed paraffin-embedded (FFPE) 샘플로 준비되어 hematoxylin and eosin (H&E) 및 immunohistochemistry (IHC) 분석을 수행했다. IHC marker로는 Ki67, chromogranin A (CgA), synaptophysin (Syn), CD56 (NCAM)을 사용했으며, 양성 세포 비율에 따라 negative (<10%), 1+ (10-25%), 2+ (>25-75%), 3+ (>75%)로 점수화했다. PD-L1 tumor proportion score (TPS)는 DAKO 22C3 antibody를 사용하여 평가했다.

Genomic analysis는 tissue 및 liquid biopsy 샘플을 대상으로 Burning Rock Biotech와 Nanjing Geneseeq Technology Inc.에서 수행되었으며, Illumina 플랫폼을 이용한 targeted capture sequencing으로 168, 196, 또는 520개 lung cancer-associated gene alterations를 검출했다. 통계 분석에서는 continuous variables의 정규분포 여부에 따라 Student's t-test 또는 Mann-Whitney U test를, categorical variables에는 Pearson’s chi-square test 또는 Fisher’s exact test를 적용했다. Survival analysis는 Kaplan-Meier method와 log-rank test를 사용했으며, hazard ratio (HR)과 95% CI는 Cox regression으로 산출했다. Baseline NSE의 optimal cutoff 값은 R package Survminer (version 0.4.9)를 사용하여 maximally selected rank statistics에서 p-value를 최소화하는 값을 도출했다. T-SCLC 환자의 NE marker 발현 패턴은 Gower distance 기반 hierarchical clustering을 통해 그룹화했으며, heatmap은 R package pheatmap (version 1.0.12)로 생성했다. Data cut-off date는 2024년 6월 22일이며, median follow-up time은 P-SCLC 군 32.4개월 (95% CI: 28.4–34.6), T-SCLC 군 31.7개월이었다.

주요 결과

T-SCLC 군의 mOS는 11.7개월 (95% CI: 9.8–14.8)로, P-SCLC 군의 mOS 12.9개월 (95% CI: 10.9–15.2)보다 통계적으로 유의하게 짧았다 (P = 0.033). Treatment subgroup 분석에서 T-SCLC chemoimmunotherapy 군 (n=20)의 mOS는 chemotherapy 군 (n=22)에 비해 현저히 길었다 (15.4개월 [95% CI: 11.0–17.3] vs 8.5개월 [95% CI: 6.7–11.7], P < 0.001). Cox regression 분석에서 chemoimmunotherapy는 T-SCLC 군에서 OS의 protective factor로 확인되었다 (HR = 0.34, 95% CI: 0.17–0.65, P = 0.001). P-SCLC 군에서도 chemoimmunotherapy 군 (n=104)이 chemotherapy 군 (n=60)보다 mOS가 길었다 (13.9개월 [95% CI: 11.3–18.4] vs 11.0개월 [95% CI: 9.0–14.6], P = 0.014; HR = 0.63, 95% CI: 0.44–0.91, P = 0.014). ORR 비교에서 T-SCLC chemo+I/O 군은 45% (95% CI: 23.1%-68.5%), P-SCLC chemo+I/O 군은 52% (95% CI: 41.8%-62.1%)를 기록했다. Chemotherapy alone 군에서는 T-SCLC가 26.3% (95% CI: 9.1%-51.2%), P-SCLC가 44.1% (95% CI: 31.1%-57.6%)의 ORR을 보였다.

T-SCLC 내 treatment strategy별 분석에서, atezolizumab plus bevacizumab plus carboplatin plus paclitaxel (ABCP) regimen (n=12)은 etoposide plus carboplatin/cisplatin plus atezolizumab (ECT/EPT) regimen (n=5)에 비해 더 높은 ORR (66.6% vs 0%)과 더 긴 median PFS (mPFS)를 보였다 (6.4개월 [95% CI: 3.7–7.7] vs 3.6개월 [95% CI: 1.9–NA], HR = 0.26, 95% CI: 0.07–0.92, P = 0.037). mOS는 ABCP 군이 15.1개월 (95% CI: 10.5–19.8)로 ECT/EPT 군의 11.0개월 (95% CI: 8.7–NA)보다 수치상 길었으나 통계적 유의성은 없었다 (HR = 0.49, 95% CI: 0.16–1.49, P = 0.210). First-line treatment 비교에서 chemotherapy alone (n=9), chemotherapy plus TKI (n=10), chemotherapy plus I/O (n=7) 군의 mPFS는 각각 4.4개월, 4.4개월, 6.5개월이었으며, mOS는 각각 8.5개월, 8.7개월, 10.5개월로 유의한 차이는 없었다.

Baseline NSE 분석에서 optimal cutoff 값은 T-SCLC 군이 19.7 ng/ml, P-SCLC 군이 74.8 ng/ml로 상이했다. High baseline NSE는 두 군 모두에서 예후 불량과 유의한 연관성을 보였다: T-SCLC (HR = 3.28, 95% CI: 1.50–7.20, P = 0.003; mOS 10.0개월 vs 16.5개월), P-SCLC (HR = 1.94, 95% CI: 1.31–2.88, P < 0.001; mOS 10.8개월 vs 16.5개월). T-SCLC 내 NE marker 발현에 따른 hierarchical clustering 결과, NE marker 발현이 강한 cluster는 약한 cluster에 비해 더 긴 mOS를 기록했다 (14.3개월 vs 10.3개월, P = 0.030). 또한, T-SCLC chemo+I/O 군에서 TKI 치료 전 duration of response (DOR)은 OS와 유의한 양의 상관관계를 보였다 (r = 0.61, P = 0.044), 반면 chemo alone 군에서는 유의한 상관관계가 없었다 (r = 0.16, P = 0.709). EGFR mutation subtype (L858R vs 19del)에 따른 mOS 차이는 두 treatment subgroup 모두에서 통계적으로 유의하지 않았다.

통계 분석

분석 설계 — 이 연구는 면역치료 시대에 변이형 소세포폐암(T-SCLC)과原発성 소세포폐암(P-SCLC)의 임상적 예후와 신경내분비 특성이 어떻게 다른지 비교하기 위해 수행되었다. 연구 디자인은 단기관 회고적 코호트 연구(single-center retrospective study)로, 2018년 3월부터 2023년 3월까지 Guangdong Provincial People’s Hospital에서 진단된 환자 중 T-SCLC 42명과 P-SCLC 164명, 총 206명을 포함했다. Primary endpoint는 Overall survival (OS)이었으며, T-SCLC의 baseline은 병리적 변형 시점, P-SCLC의 baseline은 초기 진단 시점으로 정의되어 두 군 간 OS 비교에 주의가 필요함을 명시했다. 추적 기간(data cut-off date)은 2024년 6월 22일이며, 중위 추적 시간은 P-SCLC군 32.4개월, T-SCLC군 31.7개월이었다.

무엇을 위해 어떤 분석을 썼는가 — 두 군(P-SCLC vs T-SCLC) 간 기저 특성 차이를 확인하기 위해 연속형 변수는 정규분포 여부에 따라 Student's t-test 또는 Mann-Whitney U test를, 범주형 변수는 Pearson’s chi-square test 또는 Fisher’s exact test를 사용했다. 생존 곡선을 추정하고 군 간 생존 차이(예: T-SCLC vs P-SCLC, chemoimmunotherapy vs chemotherapy)를 평가하기 위해 Kaplan–Meier method와 log-rank test를 적용했으며, Hazard ratio (HR)과 95% CI는 Cox regression을 통해 산출했다. 특히 baseline NSE의 최적 cutoff 값을 결정하기 위해 R package Survminer(version 0.4.9)를 사용하여 maximally selected rank statistics에서 p-value를 최소화하는 값을 도출했다. 또한, T-SCLC 환자의 신경내분비 표지자(CgA, Syn, CD56 등) 발현 패턴을 그룹화하기 위해 Gower distance 기반의 hierarchical clustering을 수행했고, heatmap은 R package pheatmap(version 1.0.12)로 생성했다. NSE, CEA와 OS 간의 선형 상관관계 및 회귀 분석 시 데이터가 정규분포에 근접하도록 변환(transformed)한 후 분석했으며, 모든 통계 처리는 GraphPad Prism version 10.1, IBM SPSS Statistics version 24, R version 4.3.2를 활용했다.

방법론 평가 — 잘 된 점은 OS 비교 시 T-SCLC와 P-SCLC의 baseline 정의 차이(변형 시점 vs 진단 시점)로 인한 해석상의 한계를 명시적으로 경고한 점이며, 이는 연구 설계의 투명성을 높인다. 또한, NSE cutoff 값 도출에 Survminer 패키지를 사용해 통계적으로 최적화된 임계값을 제시했고, 생존 분석에서 HR과 95% CI를 함께 보고하여 effect size와 정밀도를 동시에 전달했다. 그러나 의심스러운 점은 다음과 같다: 첫째, T-SCLC군(n=42)이 P-SCLC군(n=164)에 비해 표본 수가 현저히 적어, 하위 군 분석(예: ABCP vs ECT/EPT regimen 비교, n=12 vs n=5)에서 통계적 검정력(power)이 부족할 수 있으며, 이는 HR의 95% CI가 매우 넓게 나타나는 원인일 수 있다. 둘째, multivariable Cox regression을 통해 교란 변수(age, sex, ECOG PS 등)를 보정한 분석 결과가 원문에 명시되지 않아, 관찰된 생존 차이가 치료 효과인지 기저 특성 불균형 때문인지 명확히 구분하기 어렵다. 셋째, multiple testing 보정(예: Bonferroni correction)이 수행되었는지 언급되지 않았으며, 특히 여러 하위 군 비교와 biomarker cutoff 탐색 과정에서 Type I error 증가 가능성이 있다. 넷째, 결측치 처리 방법(missing data handling)이 명시되지 않았다. 마지막으로, proportional hazards assumption의 검증 과정이 기술되어 있지 않아 Cox model의 타당성에 대한 확신이 부족하다.

설계에 참고할 점 — 유사한 연구를 설계할 때는 T-SCLC와 P-SCLC의 baseline 정의 차이로 인한 lead-time bias를 최소화하기 위해 landmark analysis나 propensity score matching을 고려해야 한다. 또한, 작은 표본 크기(n=42)로 인한 하위 군 분석의 불안정성을 보완하기 위해 다변량 회귀 분석에서 교란 변수를 충분히 포함하고, multiple testing 보정을 적용하여 결과의 신뢰도를 높여야 한다. 마지막으로, biomarker cutoff 값 도출 시 내부 검증(예: bootstrap resampling)이나 외부 검증 코호트를 활용하면 결과의 일반화 가능성을 강화할 수 있다.

강점

본 연구는 면역치료 시대에 T-SCLC와 P-SCLC의 임상적 예후를 직접 비교한 최초의 대규모 단일 기관 코호트 연구 중 하나로, 기존 문헌에서 보고된 "T-SCLC와 P-SCLC의 예후가 유사하다"는 가설을 검증하며 미미하지만 통계적으로 유의한 OS 차이를 규명했다. T-SCLC 환자 42명과 P-SCLC 환자 164명을 포함하여 비교적 충분한 표본 크기를 확보했으며, median follow-up time이 30개월 이상으로 충분히 길어 장기 생존 결과를 신뢰할 수 있게 평가했다. Baseline NSE의 optimal cutoff 값을 통계적으로 최적화한 Survminer 패키지를 사용하여 군별 상이한 임계값을 도출함으로써, 기존 연구에서 단일 cutoff를 적용했던 한계를 극복하고 더 정교한 biomarker 기반 예후 예측 모델을 제시했다. T-SCLC 내 다양한 treatment regimen (ABCP vs ECT/EPT)의 세부적인 비교 분석을 통해, anti-angiogenic agent와 ICI의 조합이 T-SCLC에서 특히 유익할 수 있음을 시사하는 구체적인 임상 데이터를 제공했다.

한계

본 연구는 retrospective design으로 인해 selection bias와 confounding factors를 완전히 통제하기 어렵다는 방법론적 제약이 존재한다. 특히 T-SCLC와 P-SCLC의 baseline 정의가 상이하게 설정되어(변형 시점 vs 초기 진단 시점), 두 군 간 OS 비교 시 lead-time bias나 stage migration effect의 가능성이 배제되지 않으며, 저자들도 이를 명시적으로 경고했다. T-SCLC 군의 표본 크기 (n=42)가 P-SCLC 군 (n=164)에 비해 상대적으로 작아, subgroup 분석 (예: ABCP vs ECT/EPT, EGFR mutation subtype별 비교)에서 통계적 검정력 (statistical power)이 부족하여 일부 결과가 유의하지 않게 나왔을 가능성이 있다. Single-center study로서 특정 기관의 treatment practice와 patient population이 반영되어 있어, 결과의 generalizability에 제한이 있을 수 있다. 또한, NSE cutoff 값 도출에 사용된 maximally selected rank statistics는 overfitting의 위험이 있으며, 독립적인 validation cohort에서의 검증이 이루어지지 않았다.

해석

본 연구 결과는 T-SCLC가 P-SCLC와 임상적으로 완전히 동일하지 않으며, 면역치료 시대에 chemoimmunotherapy가 T-SCLC 환자의 예후를 현저히 개선할 수 있음을 시사한다. 특히 ABCP regimen이 ECT/EPT regimen보다 T-SCLC에서 더 우수한 PFS와 수치상 OS 이점을 보인 점은, anti-angiogenic therapy의 추가가 T-SCLC의 aggressive biology를 제어하는 데 도움이 될 수 있음을 암시한다. Baseline NSE cutoff 값의 군별 차이는 T-SCLC와 P-SCLC가 서로 다른 생물학적 기전을 가질 가능성을 지지하며, 이는 향후 personalized medicine 접근에서 biomarker stratification의 중요성을 강조한다. NE marker 발현이 강한 T-SCLC 하위 집단이 더 나은 예후를 보인 결과는, histological transformation 후에도 residual neuroendocrine differentiation가 치료 반응성과 연관될 수 있음을 시사하며, 이는 기존에 "NE marker 발현 감소가 예후 불량과 연관된다"는 일반론과는 다른 해석을 요구한다. LLM Wiki의 oncology 문헌에서, 본 연구는 T-SCLC의 treatment landscape를 명확히 하고, biomarker 기반 patient selection의 필요성을 부각시킴으로써, 향후 prospective trial 설계와 clinical guideline 업데이트에 중요한 근거를 제공한다.