Adaptive therapy under parametric, structural, and measurement uncertainty

암 치료는 오랫동안 단순하고 공격적인 원칙, 즉 종양을 완전히 없애기 위해 가능한 한 자주, 가능한 한 강하게 타격한다는 원칙에 따라 운영되어 왔습니다. 연속 요법(continuous therapy)으로 알려진 이 방식은 암세포를 죽이기 위해 약물의 최대 용량에 의존합니다. 그러나 자연은 종종 이에 맞서 싸웁니다. 약물이 대다수의 암세포를 죽이면, 그 뒤에는 약물에 자연적으로 내성을 가진 소수의 숨겨진 생존자들이 남게 됩니다. 이제 막 고갈된 민감한 세포들의 경쟁이 사라지면, 이 내성을 가진 생존자들은 빠르게 증식할 수 있으며, 이는 이전보다 더 치료하기 까다로운 종양으로 이어집니다. 이를 해결하기 위해 의사들과 과학자들은 적응형 요법(adaptive therapy)이라 불리는 다른 전략을 탐구하기 시작했습니다. 종양을 제거하려 하는 대신, 이 방법은 종양을 관리하는 것을 목표로 합니다. 종양이 성장할 때는 약을 투여하고 종양이 줄어들 때는 투약을 중단하는 방식으로 약물 용량을 조 조정함으로써, 의사들은 민감한 세포들이 살아남아 있도록 유지하고자 합니다. 이 민감한 세포들은 자연적인 제동 장치 역할을 하여 내성 세포들과 경쟁하며 가능한 한 오랫동안 질병을 억제합니다.

이 접근 방식의 과제는 신체 내부에서 일어나고 있는 일을 정확히 알 수 있는 지식이 필요하다는 점인데, 이는 현실적으로 얻기 매우 어렵습니다. 의사들은 종양의 정확한 크기나 구성을 실시간으로 볼 수 없으며, 전립선 특이 항원(PSA)이라는 단백질을 측정하는 혈액 검사와 같은 간접적인 단서를 활용해야 합니다. 이 단백질은 암세포와 건강한 전립선 세포 모두에서 생성되기 때문에, 수치가 높다고 해서 반드시 종양이 큰 것은 아니며, 수치가 낮다고 해서 반드시 종양이 작은 것도 아닙니다. 더욱이 환자마다 모두 다르며, 그들의 암이 성장하는 것을 지배하는 생물학적 규칙은 시간이 지나면서 변할 수 있습니다. 새로운 연구에서 연구자들은 불완전한 측정값, 알 수 없는 생물학적 차이, 그리고 종양의 행동이 변할 가능성이라는 복잡한 현실에 직면했을 때, 적응형 요법이 실제로 개별 환자에게 효과가 있는지 테스트하고자 했습니다. 그들은 실제 환자 데이터로 보정된 상세한 컴퓨터 모델을 구축하여, 다양한 불확실한 조건 하에서 서로 다른 치료 전략이 어떻게 전개될지를 시뮬레이션했습니다.

연구진은 먼저 "가상 코호트(virtual cohort)"를 생성했습니다. 그들은 간헐적 호르몬 요법을 받은 85명의 전립선암 환자가 포함된 임상 시험 데이터를 가져왔습니다. 통계적 방법을 사용하여 수학적 모델을 각 환자의 PSA 수치 패턴에 맞게 조정했습니다. 이 과정을 통해 연구진은 각기 고유한 생물학적 특성과 불확실성을 가진 다양한 가상 환자 그룹을 생성할 수 있었습니다. 그런 다음 그들은 수천 번의 시뮬레이션을 실행하여, 이 가상 환자들이 표준적인 연속 치료를 받을 때와 새로운 적응형 접근 방식을 따를 때 어떤 일이 일어나는지 관찰했습니다. 그들이 테스트한 AT50이라 불리는 적응형 전략은 PSA 수치가 시작점의 절반으로 떨어질 때까지 약물을 투여하고, 수치가 원래의 기저치까지 다시 상승할 때까지 투약을 중단하는 방식이었습니다. 이 주기는 혈액 검사 결과를 바탕으로 30일마다 반복되었습니다.

시뮬레이션 결과는 적응형 접근 방식에 대해 고무적이었으나, 중요한 주의 사항도 동반했습니다. 연구진이 질병이 더 이상 조절할 수 없는 지점으로 진행되는 데 걸리는 시간을 조사했을 때, 적응형 전략은 약 95%의 시뮬레이션 사례에서 연속 치료보다 우수한 성과를 보였습니다. 이러한 경우, 적응형 일정은 종양이 통제 불능 상태가 되기 전까지의 시간을 유의미하게 연장했습니다. 이러한 개선은 연구진이 혈액 검사가 노이즈가 있고 완벽하게 정확하지 않다는 점을 고려했음에도 불구하고 유효했습니다. 모델은 적응형 전략이 견고함을 보여주었습니다. 즉, 불완전한 측정값의 불확실성을 처리하면서도 대다수의 시나리오에서 표준적인 접근 방식보다 종양을 더 오래 억제할 수 있었습니다.

그러나 이 연구는 이전에 충분히 탐구되지 않았던 잠재적인 트레이드오프(trade-off, 상충 관계)를 밝혀냈습니다. 적응형 요법은 대부분의 경우 질병의 진행을 늦추는 데는 더 효과적이었지만, 세포 유형 간의 경쟁을 유지하기 위해 종양을 더 큰 상태로 유지해야 한다는 점이 있었습니다. 연구진은 전이(metastasis), 즉 암이 신체의 다른 부위로 퍼지는 위험을 측정하기 위해 새로운 지표를 도입했습니다. 시뮬레이션 결과, 적응형 전략 하에서는 종양이 더 오랫동안 더 큰 상태로 남아 있기 때문에, 종양을 공격적으로 축소시키는 연속 치료에 비해 전이 위험이 실제로 더 높을 수 있음을 시사했습니다. 일부 환자들에게는 질병 진행을 늦추는 이점이 종양이 지속되는 동안 발생하는 전이 위험에 의해 상쇄될 수도 있습니다. 이 발견은 모든 사람에게 적용되는 단 하나의 "최선의" 치료법은 없다는 점을 강조합니다. 즉, 올바른 선택은 질병 진행을 늦추려는 욕구와 더 큰 종양이 지속되도록 허용하는 위험 사이의 균형을 맞추는 것에 달려 있습니다.

연구진은 또한 종양의 근본적인 규칙이 변할 때 그들의 예측이 얼마나 신뢰할 수 있는지 조사했습니다. 현실 세계에서 종양은 진화할 수 있으며, 약물에 반응하는 방식이 수년에 걸쳐 변할 수 있습니다. 연구는 만약 모델이 종양의 행동에 대해 약간 잘못 알고 있다면, 미래의 결과에 대한 예측이 신뢰할 수 없게 될 수 있다는 것을 발견했습니다. 구체적으로, 만약 모델이 연속 치료 일정을 따르는 환자의 데이터를 사용하여 구축되었다면, 그 동일한 환자가 적응형 일정에 어떻게 반응할지를 정확하게 예측할 수 없었으며, 그 반대의 경우도 마찬가지였습니다. 이는 서로 다른 치료 일정들이 종양의 서로 다른 생물학적 측면을 드러내기 때문입니다. 만약 의사가 종양이 끊임없이 공격받을 때의 반응만을 본다면, 공격이 멈췄을 때 종양이 어떻게 행동할지는 알 수 없습니다. 이는 적응형 요법을 진정으로 개인화하기 위해서는, 과거의 다른 유형의 치료 데이터에 기반해 추측하는 것이 아니라, 이미 적응형 일정에 있는 동안 환자의 특정 생물학적 규칙을 추론할 수 있어야 함을 시사합니다.

궁극적으로, 이 연구는 적응형 요법이 종양의 진행을 늦출 수 있는 유망한 도구이긴 하지만, 모든 사람에게 완벽하게 작동하는 마법의 탄환은 아니라는 점을 보여줍니다. 이 접근 방식의 성공은 환자의 암이 가진 구체적인 생물학적 특성과 데이터의 노이즈에도 불구하고 종양의 반응을 정확하게 측정하는 능력에 크게 달려 있습니다. 연구진은 적응형 요법이 진정으로 효과적이려면 불확실성에 대한 깊은 이해와 함께 적용되어야 한다고 결론지었습니다. 의사와 환자는 질병 진행을 늦추는 이득과 더 큰 종양 부담을 유지함에 따른 잠재적 위험(예: 전이 가능성 증가) 사이의 무게를 달아보아야 합니다. 우리의 모델이 불완전하며 모든 환자가 고유하다는 점을 인정함으로써, 의료계는 더 효과적이고 개인화된 암 치료를 향한 복잡한 길을 더 잘 헤쳐 나갈 수 있습니다. 이 연구는 암과의 싸움에서 가장 강력한 도구는 새로운 약물이 아니라, 우리 지식의 한계와 질병 자체의 가변성에 대한 명확한 이해라는 점을 상기시켜 줍니다.