폐암 환자의 임상 정보를 바탕으로 면역 항암제의 치료 반응을 예측할 수 있는 인공지능(AI) 알고리즘이 개발됐다.

면역 항암제는 인체 면역 체계를 활성화해 면역세포가 암세포를 공격하게 하는 치료제로, 환자에 따라 효과가 달라 적합한 환자를 찾아 투여하는 게 중요하다.

김혜련ㆍ홍민희ㆍ안병철 연세암병원 종양내과 교수와 표경호 연세대 의대 교수 연구팀은 머신러닝을 이용해 비소(非小)세포폐암 환자에게서 면역 항암제 치료 반응을 예측하는 알고리즘을 개발했다.

연구 결과는 국제 학술지 ‘유럽 암학회지(European journal of Cancer)’ 최신 호에 실렸다.

폐암 의심 환자가 병원을 찾으면 세포 검사 등을 통해 조직 형태에 따라 소세포폐암과 비소세포폐암으로 분류한다. 폐암의 80% 이상을 차지하는 비소세포폐암은 편평세포와 비편평세포로 나눠 접근한다. 특히 비편평세포암이라면 유발 돌연변이가 많아 EGFRㆍALKㆍROS1ㆍBRAF 돌연변이 검사를 시행한다.

보통 70%의 환자는 유발 돌연변이가 나타나지 않아 이들에게는 항암이나 면역 치료를 우선 시행한다. 이들에게는 또한 면역 항암제 치료 반응을 예측하기 위해 면역 화학 검사(Programmed death-ligand 1·PD-L1)를 한다. 약물 표적인 PD-L1에 대한 면역 조직 화학 검사(IHC)로 측정된 발현량은 면역 항암제 치료 방향을 정하는 데 중요한 요인이기 때문이다.

하지만 PD-L1 발현이 전혀 되지 않는 종양에서도 면역 요법 반응이 발생할 수 있고 반대로 종양 PD-L1 발현이 높은 종양에서도 반응이 없고 오히려 질병 진행이 관찰되기도 한다.

이는 표적 치료하기 위해 사용하는 바이오마커와 면역 요법의 바이오마커 특성이 다르기 때문이다. 현재 PD-L1을 이용한 치료 반응 예측력은 64% 정도에 그치고 있다.

연구팀은 세브란스병원에서 anti-PD-L1 치료를 받은 비소세포폐암 환자 142명의 데이터를 바탕으로 XG Boost, Light GBM을 포함한 다양한 머신러닝 기법을 사용해 anti-PD-L1에 대한 예측 모델을 비교·검증했다.

그 결과, 연구팀은 대상자들의 기존 PD-L1 발현율 이외에 나이, 성별, 종양 크기, 전이된 위치, 일반 혈액검사 수치 등 19가지의 비침습성 임상 데이터를 기반으로 비소세포폐암 환자의 면역 항암제 치료 반응을 예측할 수 있는 알고리즘을 개발했다.

개발된 머신러닝 기반 알고리즘은 기존의 22C3/SP263과 같은 동반 진단 키트의 성능 64%보다 20% 정도 향상된 82%의 예측력을 보였다.

AI를 이용한 XGboost, LightGBM 앙상블 기법으로 각 인자에 대한 기여도도 알 수 있다. 앙상블 기법은 여러 가지 우수한 학습 모델을 조합해 예측력을 향상하는 모델로 단일 예측 모델보다 분류 성능이 우수하다. 개발된 알고리즘은 독립적인 50명의 치료받기 전 환자 데이터를 통해 추가 검증도 완료했다.

김혜련 교수는 “알고리즘 개발로 비소세포폐암 환자의 면역 항암제 치료 반응을 더 정확히 예측하고 치료할 수 있을 것”이라며 “실제 면역 항암제 및 병용 투여 임상 등에 적용할 수 있도록 후속 연구를 진행할 예정”이라고 했다.

<권대익 의학전문 기자>