Machine learning-based survival modeling reveals distinct surgical benefits across molecular subtypes in young women with de novo metastatic breast cancer

유방암은 단일 질환이 아니라 각기 고유한 생물학적 특성에 의해 유발되는 다양한 상태들의 집합입니다. 질병이 유방 내에서 발견되기도 전에 신체의 다른 부위로 이미 퍼진 경우, 이를 '데 노보(de novo) 전이성 유방암'이라고 부릅니다. 이 단계는 매우 심각하며 현재로서는 완치가 불가능하므로, 치료의 목표는 질병을 관리하고 환자가 가능한 한 최상의 상태를 유지하며 의학이 허용하는 한 생명을 연장하는 것입니다. 의사들은 유방에 있는 원래의 종양을 제거하는 것이 이미 몸의 다른 곳에 암이 퍼진 환자들에게 도움이 되는지에 대해 오랫동안 논쟁해 왔습니다. 어떤 연구들은 수술이 도움이 될 수 있다고 제안하는 반면, 어떤 연구들은 차이가 없음을 보여줍니다. 문제는 모든 환자가 서로 다르다는 점입니다. 환자의 암은 서로 다른 호르몬에 의해 촉진될 수 있고, 서로 다른 장기로 퍼질 수 있으며, 약물에 반응하는 방식도 독특합니다. 이러한 다양성 때문에 모두에게 적용되는 단 하나의 규칙은 작동하지 않습니다. 연구자들은 어떤 치료가 실제로 어떤 사람들에게 도움이 되는지 알아내기 위해 환자 사례의 모든 복잡한 세부 사항을 한꺼번에 살펴볼 방법이 필요합니다.

연구팀은 방대한 의료 기록을 분석하기 위해 고급 컴퓨터 학습 도구를 사용하여 이 수수께끼를 풀고자 했습니다. 그들은 2010년부터 2019년 사이에 전이성 유방암 진단을 받은 50세 미만 여성 2,605명의 데이터를 조사했습니다. 이 기록들은 미국 전역의 암 사례를 추적하는 대규모 국가 데이터베이스에서 가져온 것입니다. 과학자들은 환자의 특정 종양 유형, 암이 전이된 위치, 그리고 어떤 치료를 받았는지를 바탕으로 환자의 생존 기간을 예측할 수 있는 컴퓨터 모델을 구축하고자 했습니다. 그들은 데이터에서 패턴을 찾아내도록 설계된 수학적 프로그램인 8가지 유형의 컴퓨터 알고리즘을 테스트했습니다. 일부 프로그램은 많은 결정 트리를 구축하는 방식으로 작동하는 반면, 다른 프로그램들은 다양한 요인의 중요도를 가중하는 다른 방법을 사용합니다. 목표는 생존을 예측하는 가장 정확한 방법을 찾고, 더 중요하게는 어떤 요인들이 가장 중요한지를 이해하는 것이었습니다.

컴퓨터 모델은 암의 종류와 전이 범위가 환자의 미래를 예측하는 데 있어 가장 강력한 예측 변수임을 밝혀냈습니다. 구체적으로, 종양의 생물학적 구성과 신체의 어느 정도까지 도달했는지가 다른 거의 모든 것보다 더 중요했습니다. 그러나 가장 놀라운 발견은 수술에 관한 것이었습니다. 분석 결과, 유방의 원발 종양을 제거하는 것이 특정 집단에게는 실제로 생존 기간을 늘리는 데 도움이 된다는 사실이 드러났습니다. 연구진이 환자 간의 다른 차이점들을 조정하여 공정한 비교를 수행했을 때, 수술을 받은 환자들이 그렇지 않은 환자들보다 현저히 오래 살았습니다. 평균적으로 수술을 받은 환자는 약 63~65개월을 생존한 반면, 수술을 받지 않은 환자는 약 37개월을 생존했습니다. 이러한 생존 이점은 데이터 전반에 걸쳐 명확하고 일관되게 나타났지만, 아형(subtype)에 따라 차이가 있었습니다.

그렇다고 해서 이야기가 "수술이 항상 더 좋다"는 식의 단순한 결론으로 이어지는 것은 아닙니다. 컴퓨터 모델은 수술의 이점이 암의 특정 분자적 아형에 크게 의존한다는 것을 보여주었습니다. 종양이 호르몬과 HER2라는 단백질 모두에 의해 구동되는 여성들의 경우, 수술적 치료가 상당한 생존 이점을 제공했습니다. 마찬가지로 HER2에 의해서만 구동되는 종양을 가진 여성들도 명확한 이점을 보였습니다. 그러나 호르몬에 의해서만 구동되는 종양을 가진 여성들의 경우, 수술이 비수술적 치료에 비해 유의미한 생존 이점을 보여주지 않았습니다. 이는 어떤 유형의 암에서는 약물 요법에 대한 신체의 반응이 결정적인 요소이며, 수술이 추가적인 가치를 거의 더해주지 못함을 시사합니다. 다른 유형의 경우에는 종양을 제거하는 것이 질병을 억제하는 데 있어 다른 치료법들과 조화를 이루어 작용하는 것으로 보입니다.

연구진은 암이 어디로 전이되었는지가 수술 결과에 영향을 미치는지도 살펴보았습니다. 그들은 암이 뼈와 간 모두로 전이된 여성들이 '유방 보존 수술'(유방의 일부만 제거하는 수술)로부터 가장 큰 혜택을 받는다는 것을 발견했습니다. 이 특정 집단에서는 유방 전체를 제거하는 것보다 유방의 일부만을 제거하는 것이 더 나은 생존 결과를 가져왔습니다. 이는 다소 놀라운 세부 사항으로, 일부 환자에게는 덜 공격적인 국소 수술이 더 현명한 선택일 수 있음을 시사합니다. 뇌나 폐와 같은 다른 전이 패턴의 경우, 수술 유형이 생존에 유의미한 차이를 만들지는 않았습니다.

연구진은 이 결과가 단순히 데이터 수집 방식 때문에 나타난 것이 아니라 실제임을 확인하기 위해, 비교되는 그룹 간의 균형을 맞추는 통계적 방법을 사용했습니다. 그들은 의사들이 더 건강한 환자나 병세가 덜 심각한 환자를 수술 대상으로 선택했을 가능성을 고려했습니다. 이러한 세심한 균형 조정 과정을 거친 후에도 결과는 유효했습니다. 즉, 수술은 도움이 되지만, 오직 적절한 환자에게만 그러했습니다. 또한 연구는 환자의 인종, 결혼 여부, 종양의 등급과 같은 요인들이 전망에 역할을 한다는 점을 강조했지만, 암의 유형과 수술 여부가 생존을 결정하는 가장 강력한 동인이었습니다.

이 연구는 수술이 완치를 증명하거나, 전이성 유방암을 가진 모든 젊은 여성이 반드시 수술을 받아야 한다고 제안하는 것이 아닙니다. 대신, 이 연구는 의사와 환자가 어려운 결정을 내릴 수 있도록 돕는 명확한 지도를 제공합니다. 이는 종양의 특정 생물학적 특성과 전이 패턴을 살펴보기 위해 컴퓨터 모델을 사용하는 것이, 누가 원발 종양 제거의 혜택을 받을 수 있고 누가 받지 못할지를 더 명확하게 보여준다는 것을 보여줌으로써, '하나의 정답(one-size-fits-all)'이라는 기존의 아이디어가 시대에 뒤떨어진 것임을 입증합니다. 연구는 이 질병을 치료하는 미래가 개인 맞춤화에 있으며, 데이터를 사용하여 적절한 치료를 적절한 환자에게 매칭함으로써 모든 의료적 개입이 더 긴 삶을 위한 최선의 기회를 제공하도록 하는 데 있다고 결론지었습니다.