Association of clinicopathological features with spread through air spaces in non-small cell lung cancer: a retrospective machine-learning study

기술 요약: 비소세포폐암(NSCLC)에서 공기 통로를 통한 확산(STAS)과 임상병리적 특징의 연관성

문제 정의
공기 통로를 통한 확산(STAS)은 비소세포폐암(NSCLC)에서 불량한 예후 및 재발과 연관된 조직학적 침윤 패턴이다. 결정적인 임상적 한계는 STAS 상태가 일반적으로 절제 범위에 대한 수술적 결정이 이미 내려진 후인 절제 표본의 형태학적 검사를 통해서만 확인된다는 점이다. 이전 연구들은 수술 전 STAS 평가를 위해 CT 특징과 라디오믹스를 탐구해 왔으나, 본 연구는 일상적인 임상병리적 특성만을 활용한 변별 잠재력을 평가하는 데 집중한다. 저자들은 가용 가능한 임상, 형태학적, 분자적 특징들의 조합이 STAS 양성 사례와 음성 사례를 구별하기에 충분한 신호를 포함하고 있는지 확인하고자 하며, 수술 후 데이터를 사용하여 수술 전 예측을 수행할 때 발생하는 한계를 엄격하게 다룬다.

연구 방법론
본 연구는 2022년에서 2025년 사이 러시아 톰스크 소재 암 연구소에서 수술적 치료를 받은 230명의 NSCLC 환자(선암 137명, 편평상피세포암 93명)를 대상으로 단일 기관, 후향적 코호트 설계를 채택하였다. 코호트에는 81명의 STAS 양성 사례와 149명의 STAS 음성 사례가 포함되었다.

• 데이터 및 예측 변수: 분석에는 19개의 임상병리적 예측 변수로 구성된 기본 설정이 사용되었다. 주목할 점은 단 하나의 변수(연령)만이 명확하게 수술 전 변수였으며, 11개 특징은 수술 후 병리적 특성이었고, 나머지 7개 특징의 시점은 모호했다. 데이터셋의 전체 결측치 비율은 25.5%였으며, 연속형 변수는 K-최근접 이웃(K-nearest neighbors)을 통해, 범주형 변수는 최빈값 대체법을 통해 처리되었다.
• 머신러닝 파이프라인: AutoGluon TabularPredictor를 사용하여 모델을 학습시켰다. 연구에는 엄격한 반복 중첩 교차 검증(repeated nested cross-validation) 체계가 사용되었다:
  • 외부 루프(Outer Loop): 5회 반복되는 5-폴드 교차 검증(총 25개의 외부 테스트 폴드)을 통해 교차 검증 외(out-of-fold, OOF) 예측값을 생성하였다.
  • 내부 루프(Inner Loop): 각 외부 훈련 세트 내에서 4-폴드 교차 검증을 수행하여, 테스트 레이블의 누출 없이 최적의 클래스 불균형 교정 전략(예: SMOTENC, ADASYN, RandomOverSampler)을 선택하였다.
• 평가 지표: 성능은 평균 환자 수준의 OOF 확률로부터 계산된 ROC-AUC 및 평균 정밀도(Average Precision, AP)를 사용하여 평가되었다. 임계값 의존적 지표(F1, 민감도, 특이도, PPV, NPV)는 0.5의 고정 임계값에서 다수결 투표를 사용하여 계산되었다.
• 통계적 검증:
  • 95% 신뢰 구간(CI)은 1,000회의 비모수적 환자 수준 부트스트랩 샘플링을 통해 추정되었다.
  • 양측 순열 검정(10,000회 순열)을 통해 ROC-AUC가 0.5와 같다는 귀무가설을 검정하였다.
  • 19개 특징 모델과 축소된 15개 및 10개 특징 구성 간의 쌍체 비교는 Holm 교정을 적용한 쌍체 무작위 검정(paired randomization tests)을 통해 수행되었다.
  • 보정(Calibration)은 Brier 점수와 보정 곡선을 통해 평가되었다.

주요 결과

• 변별 성능: 19개 특징 모델은 0.685(95% CI 0.611–0.751)의 ROC-AUC와 0.523(95% CI 0.422–0.641)의 평균 정밀도를 달성하였다. 순열 검정 결과, 귀무가설과의 유의미한 차이가 확인되었다(p = 0.0001).
• 임계값 의존적 지표: 0.5 임계값에서 모델은 0.531의 민감도와 0.779의 특이도를 나타냈다. 결정적으로, 모델은 81개의 STAS 양성 사례 중 38개를 식별하지 못하였으며(위음성 = 38), 이는 약 47%의 위음성률을 기록했다.
• 특징 중요도: 순열 중요도(Permutation importance) 분석 결과 종양 등급, pN 병기, 혈관 침범, 고형 및 미세유두상 패턴, 종양 크기, 연령이 가장 안정적이고 중요한 예측 변수로 식와되었다.
• 모델 비교: 19개 특징 구성이 축소된 특징 세트(15개 및 10개 특징)보다 약간 높은 점수 추정치를 보였으나, Holm 교정 후 어떤 쌍체 비교도 통계적 유의성에 도달하지 못했다.
• 보정: Brier 점수는 0.211이었으며, 보정 곡선은 특히 높은 예측 확률 범위에서 이상적인 보정으로부터 눈에 띄는 편차를 보였다.

의의 및 주장
저자들은 본 연구를 검증된 수술 전 임상 도구가 아닌 연관성에 대한 탐색적 연구로 규정한다. 주요 기여는 가용한 임상병리 데이터가 ST-양성 사례에 대해 "중등도의 내부 변별 신호"를 포함하고 있음을 정량적으로 입증한 것이며, 이는 통계적으로는 감지 가능하지만 임상 배치에는 불충분하다는 점을 보여준다.

논문은 결과물인 구성이 다음의 이유로 수술 전 의사결정 도구로 사용될 수 없다고 명시적으로 밝힌다:

1. 절제 전에는 사용할 수 없는 수술 후 변수(예: 병리적 병기, 침윤 상태)에 의존함.
2. 높은 위음성률(STAS 양성 사례의 거의 절반을 놓침).
3. 불량한 확률 보정.

대신, 본 연구는 향-다중 모달 연구를 위한 베이스라인 역할을 하기 위해 (고정된 시드, 명시적 집계 규칙, 투명한 보고를 포함한) 재현 가능하고 결정론적인 연구 프레임워크를 제공한다. 저자들은 다음 논리적 단계로, 이 임상병리적 베이스라인에 진정한 수술 전 영상 및 분자적 특징(예: 질량 분석 프로파일)을 추가하여 그 증분 가치를 평가하고, 이후 독립적인 외부 검증을 수행하는 것을 제안한다.