딥러닝 패토믹스 플랫폼, 폐암 면역치료 반응 예측 가능

미국암연구학회(AACR) 2026 연례 학술대회에서 발표된 연구에 따르면, 딥러닝 기반 패토믹스 플랫폼이 전이성 비소세포폐암(NSCLC) 환자의 예후와 면역치료 반응을 정확하게 예측했다. '병리 기반 면역치료 최적화(Path-IO)'라는 생물학 기반 인공지능 모델은 일상적인 병리 슬라이드에 적용되었으며, 현재 표준 치료 바이오마커인 PD-L1보다 우수한 성능을 보였다.

연구진은 Path-IO를 병리 슬라이드 이미지를 분석하고 종양 미세환경 내 특정 특징(니치)을 식별하는 딥러닝 생존 예측 모델로 개발했다. 이러한 조직 패턴을 영상 및 임상 데이터와 결합함으로써, 이 모델은 환자가 면역치료로부터 나쁜 결과를 겪을 위험이 높은지 낮은지 추정한다. 이 연구는 UT MD 앤더슨 암센터에서 면역관문억제제로 치료받은 NSCLC 환자 797명을 포함했으며, 메이요 클리닉, 귀스타브 루시 및 3상 Lung-MAP S1400I 시험에서 추가 환자 280명으로 외부 검증을 수행했다. UT MD 앤더슨 코호트에서 고위험군 환자는 저위험군에 비해 사망 또는 질병 진행 위험이 2배 이상 높았으며, 검증 데이터셋에서도 유사한 계층화가 관찰되었다.

성능은 일치 지수(C-index)로 측정되었다. Path-IO는 발견 코호트에서 전체 생존(OS)에 대해 0.69, 무진행 생존(PFS)에 대해 0.65의 C-index를 달성했으며, 시험 코호트에서는 OS 0.63, PFS 0.58을 기록했다. 이에 비해 PD-L1은 발견 코호트에서 OS 0.58, PFS 0.57의 C-index를 보였으며, 시험 코호트에서는 각각 0.50과 0.51로 감소했다. 병리 기반 예측을 방사체학 및 임상 데이터와 결합하면 C-index가 PFS의 경우 0.58에서 0.70으로, OS의 경우 0.63에서 0.75로 더욱 개선되었다.

이전 패토믹스 연구와 달리, Path-IO는 임상의에게 친숙한 조직 구조에 예측을 기반으로 하는 생물학 기반 접근법으로, 병리학자가 자연스럽게 조직을 해석하는 방식을 반영한다. 이 모델의 예측은 면역 프로파일링 및 다중 영상 데이터와 상관관계를 보였으며, 더 높은 위험 점수는 면역치료에 덜 민감할 가능성이 있는 표현형과 일치했다. 이는 특정 환자가 더 좋거나 나쁜 결과를 보이는 이유에 대한 생물학적 증거를 제공한다. 이 접근법은 일상적인 병리 슬라이드를 사용하므로, 예측 도구로 검증된다면 상당한 비용 없이 기존 임상 작업 흐름에 통합될 수 있다. 이 연구는 엄격하게 검증된 최초의 딥러닝 기반 패토믹스 바이오마커로, 국제 실제 임상 코호트와 3상 무작위 임상시험을 포함한다.