AI 기반 3D 신체 구성 분석이 소세포 폐암 면역치료 예후를 예측하다

소세포 폐암 (SCLC) 은 매우 악성도가 높은 신경내분비 종양으로, 표준 1 차 화학면역요법을 적용해도 예후는 여전히 불량합니다. PD-L1 발현이나 종양 돌연변이 부하 (TMB) 와 같은 바이오마커가 존재하지만, 예측 정확도와 표준화 측면에서 한계가 있으며, 환자별 위험 계층화를 가능하게 하는 신뢰할 수 있는 비침습적 바이오마커가 절실히 필요합니다. 기존의 Body Mass Index(BMI) 나 단일 단면의 2D 신체 구성 측정으로는 전신 대사 상태나 영양 상태를 충분히 반영하지 못해, 면역치료 반응성을 정확하게 예측하기 어려웠습니다.

본 연구는 575 명의 SCLC 환자를 대상으로 한 다기관 연구로, 치료 전 흉부 CT 스캔에서 AI 기술을 활용해 3D 신체 구성 파라미터를 자동 추출하고 예후와의 연관성을 분석했습니다. 그 결과, 골격근량 지수 (SMVI) 가 높은 환자는 전체 생존 기간 (OS) 이 유의하게 연장되었고, 반대로 내장 지방량 지수 (VFVI) 가 높은 환자는 예후 불량인 것이 독립적인 예측 인자로 확인되었습니다. 이러한 3D 신체 구성 지표는 기존 BMI 나 2D 측정보다 명확한 위험 계층화 능력을 보였으며, 특히 SMVI 증가는 종양 미세환경 내 CD8+ T 세포 침윤 밀도 상승과도 연관되어 있음이 시사되었습니다.

본 연구에서는 5 개 의료기관에서 수집된 데이터를 활용하여, 딥러닝 모델 (TotalSegmentator/nnU-Net) 을 통해 T8 척추체부터 T12 척추체까지의 범위에서 근육, 지방, 골조직의 3D 부피를 자동 세그멘테이션했습니다. 101 가지 기계학습 모델 구성을 평가한 결과, 선형 판별 분석 (LDA) 모델이 가장 균형 잡힌 예측 성능을 보였습니다. 이 모델은 임상 변수와 3D 신체 구성 파라미터를 통합하여, 훈련 코호트, 내부 검증 코호트, 외부 검증 코호트에서 각각 AUC 0.756, 0.781, 0.783 의 예측 정확도를 달성했습니다.

• AI 기반 3D 신체 구성 자동 추출 (T8-T12 영역)
• 101 가지 기계학습 모델 비교 평가
• SHAP 방법을 통한 모델 해석 가능성 향상
• CD8+ T 세포 침윤과의 상관 분석 (서브세트 35 명)

이 연구는 SCLC 환자의 화학면역치료 예후 계층화에 AI 분석 기반 3D 신체 구성이 유용한 보완 정보를 제공할 수 있음을 보여줍니다. 특히 근육량 유지가 면역치료 반응률과 생존율에 기여할 가능성은 영양 관리 및 운동 개입을 포함한 환자 관리 전략의 중요성을 재인식하게 합니다. 또한 내장 지방 축적이 예후 불량 인자라는 사실은 대사 상태가 종양 면역 미세환경에 미치는 영향을 고려한 신약 타겟 탐색 및 환자 선정 기준의 정교화에 새로운 관점을 제공합니다.

임상 연구에서 밝혀진 '근육량과 면역 반응의 연관성'을 전임상 단계에서 검증하기 위해서는 대사 상태나 근육량을 제어 가능한 동물 모델 구축이 필수적입니다. 특히 고지방식 유도 비만 모델이나 근육 감소증 (사르코페니아) 모델을 활용한 면역종양 연구는 신체 구성이 면역체크포인트 억제제 효력에 미치는 영향을 규명하는 데 중요합니다. Cyagen 이 제공하는 유전자 편집 마우스 나 인간화 마우스 모델은 특정 대사 경로나 면역 세포를 조작하여 이러한 임상적 지견을 메커니즘 수준에서 검증할 수 있는 강력한 도구가 됩니다.

AI 기반 3D 신체 구성 분석은 SCLC 환자의 화학면역치료 예후를 예측하는 새로운 비침습적 바이오마커로서 유망합니다. 근육량 증가와 내장 지방량 감소가 좋은 예후와 연관되며, 이는 CD8+ T 세포 침윤과의 연관성도 시사합니다. 향후 이러한 지견을 기반으로 한 개인화 치료 실현 및 전임상 모델을 활용한 메커니즘 규명이 기대됩니다.