Combined circulating tumor antigen model demonstrates additional prognostic value in first-line treatment of non-small cell lung cancer

authors

Tran et al.

year

2026

category

clinical-oncology

pdf

PDF

source

Source

업데이트

2026-08-16

요약

이 연구는 전이성 비소세포폐암(NSCLC) 환자에서 circulating tumor antigen (ctA) 패널과 machine learning (ML) 모델이 overall survival (OS) 예측에 가하는 prognostic value를 평가했다. IMpower130, 131, 132, 150, 110 등 5개 phase 3 임상시험의 2,300명 이상 환자 데이터를 활용하여 atezolizumab 기반 chemoimmunotherapy 또는 chemotherapy 단독 요법을 받은 환자의 baseline 및 treatment 6주차(C3D1) ctA 수치를 분석했다. 연구진은 XGBoost 모델을 사용하여 histology-specific (squamous vs non-squamous) 예측 모델을 구축하고, 이를 radiographic imaging 결과와 비교 평가했다. 주요 발견은 CYFRA가 가장 중요한 feature이며, ctA ML 모델이 radiographic response (PR, SD, PD) 내에서 환자들을 low-risk 및 high-risk 그룹으로 효과적으로 stratify할 수 있다는 것이다. 특히 1-year OS 예측에서 model cut-off는 sensitivity 61%, specificity 78%를 달성하여 imaging alone보다 추가적인 prognostic 정보를 제공함을 보였다. 그러나 early drug development surrogate로서의 성능은 ctDNA 모델에 비해 현저히 낮았다.

방법

Study design은 retrospective analysis로, IMpower 시리즈 5개 임상시험의 pooled dataset을 사용했다. 대상 환자는 metastatic NSCLC 환자였으며, 포함 기준은 atezolizumab±bevacizumab±chemotherapy 또는 chemotherapy alone 치료를 받은 환자였다. 배제 기준은 명시되지 않았으나, ctA 데이터가 누락된 환자(baseline 또는 C3D1 중 하나라도 결측)는 분석에서 제외되었다. IMpower150의 hold-back set 192명만 missForest 알고리즘을 통해 missing value imputation이 수행되었다.

ctA panel은 CA125, CEA, Cyfra21-1 (CYFRA), NSE, SCC, ProGRP 및 CRP로 구성되었으며, Roche cobas® e platform을 사용하여 serum에서 정량 측정했다. Feature engineering 단계에서 outlier 처리를 위해 2%와 98% quantile 값을 censoring했고, baseline 대비 C3D1의 log2 fold change와 percent change를 계산하여 추가 feature로 사용했다. 모델 구축에는 Elastic Net과 XGBoost 알고리즘이 사용되었으며, 최종적으로 성능이 더 우수한 XGBoost 모델을 선택했다. XGBoost 모델은 Cox proportional hazards model을 기반으로 training되었고, 5-fold cross-validation과 grid search를 통해 hyperparameter optimization이 수행되었다. Feature importance는 SHAP values로 평가했다.

Primary endpoint는 OS 예측 정확도였으며, secondary endpoint로는 1-year OS stratification 성능 및 radiographic response와의 비교가 포함되었다. 모델 성능은 Harrell’s c-index와 AUC로 평가했으며, early surrogate로서의 유용성은 OC (operational characteristic) simulation을 통해 ctDNA, ORR, PFS와 비교 평가했다. 추적 기간은 각 임상시험의 기존 follow-up 데이터를 따랐다.

주요 결과

Individual ctA 분석에서 baseline CYFRA, CA125, CRP 수치가 median 이상인 환자는 low group 대비 OS 위험이 유의하게 높았다. C3D1 시점의 CYFRA는 baseline보다 더 뚜렷한 OS separation을 보였으며, 특히 squamous NSCLC에서 두드러졌다. Histology-specific XGBoost 모델은 training set에서 non-squamous OS HR 4.01 (95% CI 3.39–4.73), squamous OS HR 7.30 (95% CI 5.11–10.32)을 기록하여 CYFRA 단독 사용(non-sq HR 2.35, sq HR 3.11)보다 prognostic 성능이 우수했다. Test set에서의 c-index는 non-squamous 0.71, squamous 0.73이었다. Top features로는 C3D1 CYFRA, baseline CRP, C3D1 CA125 (non-sq) 및 C3D1 CYFRA, CA125, CEA, SCC (sq)가 선정되었다.

1-year OS stratification 분석에서 non-squamous 모델의 training AUC는 0.79 (95% CI 0.75–0.82), test AUC는 0.67 (95% CI 0.61–0.72)였다. 최적화된 cut-off 적용 시 PPV 69.6%, NPV 70.2%, sensitivity 60.9%, specificity 77.7%를 달성했다. 이 모델은 week 6 radiographic response (PR, SD, PD) 또는 best confirmed overall response (BCOR) 그룹 내에서 환자들을 low-risk와 high-risk로 성공적으로 분리시켰다. 그러나 OC simulation에서 ctA 모델의 true-go rate은 ABCP vs BCP 비교 시 5.7%, ACP vs BCP 비교 시 3.0%에 불과하여, ctDNA 모델(ABCP 52.6%, ACP 62.4%) 및 week 6 ORR/PFS보다 early surrogate로서의 성능이 현저히 낮았다.

강점

이 연구는 기존 단일 biomarker 분석을 넘어 5개 대규모 phase 3 임상시험의 pooled data (n > 2,300)를 활용하여 ctA의 prognostic value를 검증한 점에서 표본 규모와 통계적 검정력이 우수하다. Histology-specific 모델 구축을 통해 squamous와 non-squamous NSCLC 간의 biomarker dynamic 차이를 반영한 맞춤형 예측 모델을 제시했다. 또한, radiographic imaging만으로는 구분하기 어려운 stable disease (SD) 또는 partial response (PR) 환자군 내에서도 OS 위험도를 stratify할 수 있음을 입증하여 clinical decision-making에 대한 추가적인 정보 가치를 보였다.

한계

ctA 모델은 early drug development surrogate로서의 성능이 ctDNA에 비해 현저히 낮아, phase 2에서 phase 3으로의 go/no-go 결정에는 적합하지 않을 수 있다. Test set에서의 AUC 감소 (0.79 → 0.67)는 training과 test cohort 간 treatment regimen 또는 patient population 차이로 인한 generalizability 제한을 시사한다. 또한, missing data 처리가 대부분의 환자에서 exclusion 방식으로 이루어져 sample size 손실이 발생했으며, imputation은 소수 subset에만 적용되어 bias 가능성이 존재한다. Radiographic response와 ctA 모델의 독립적인 prognostic value를 완전히 분리하여 평가한 multivariate analysis 결과가 명시적으로 제시되지 않았다.

해석

이 연구는 ctA가 radiographic imaging을 보완하는 prognostic tool로서 유효함을 보여주며, 특히 treatment 초기 (6주) 시점의 biomarker 변화가 long-term OS 예측에 중요함을 강조한다. CYFRA가 squamous와 non-squamous 모두에서 핵심 feature로 선정된 점은 기존 문헌과 일치하며, CRP 및 CA125의 추가적 기여는 inflammation 및 tumor burden을 반영하는 다각적 접근의 필요성을 시사한다. LLM Wiki의 oncology 문헌과 연결할 때, 이 연구는 ctDNA의 high cost와 technical barrier를 고려할 때 ctA가 accessible한 alternative prognostic marker로서 clinical utility를 가질 수 있음을 보여준다. 그러나 early surrogate로서의 한계는 ctDNA 기반 모델이 drug development pipeline에서 여전히 superior임을 재확인시켜 준다.