식도편평세포암의 진단 및 예후 평가를 위한 복합 혈청 바이오마커 패널

요약

본 연구는 혈청 내 carcinoembryonic antigen, squamous cell carcinoma antigen, carbohydrate antigen 125를 측정하고, 식도 편평세포암에서 이들의 결합된 진단 및 예후 가치를 검증하기 위한 두 센터 규모의 ambispective 워크플로우를 제시합니다.

초록

​식도 편평세포암은 조기 진단과 치료 전 정확한 층화가 여전히 어렵습니다. 전통적인 TNM 병기 결정은 필수적인 해부학적 정보를 제공하지만, 순환 생물학적 이질성을 완전히 반영하지는 못합니다. 본 2개 센터 대상의 양방향 관찰 연구에서는 식도 편평세포암의 진단적 변별 및 예후 위험 평가를 위해 carcinoembryonic antigen, squamous cell carcinoma antigen, carbohydrate antigen 125를 포함하는 복합 혈청 바이오마커 패널을 개발하고 외부 검증을 수행하였습니다. 3차 병원과 지역 보건소에서 식도 편평세포암 환자 167명, 양성 식도 질환 환자 55명, 건강한 대조군 55명을 포함하여 총 277명의 참여자를 모집하였습니다. 3차 병원 코호트는 모델 개발 및 내부 검증에 사용되었으며, 지역 보건소 코호트는 외부 검증에 사용되었습니다. 초기 치료 전 혈청 바이오마커를 측정하여 로그 변환하고 훈련 코호트 매개변수를 사용하여 표준화한 후, 진단적 로지스틱 회귀 모델과 예후적 Cox 비례 위험 모델에 입력하였습니다. 복합 패널은 단일 마커보다 높은 진단 변별력을 보였으며, 수신자 작동 특성 곡선 아래 면적(AUC)은 훈련 코호트에서 0.869, 외부 검증 코호트에서 0.842였습니다. 높은 복합 바이오마커 수치는 5 cm 이상의 종양 길이, pT3–4 질환, 림프절 전이 및 TNM 병기 III–IV 질환과 관련이 있었습니다. 생존 분석에서, 주요 임상 병리학적 요인을 조정한 후 높은 복합 바이오마커 수치는 전체 생존율과 무진행 생존율의 저하를 독립적으로 예측하였습니다. 바이오마커 수치와 임상 병리학적 변수를 결합한 통합 예후 모델은 TNM 병기 단독보다 우수한 성능을 보였으며, 훈련 코호트의 C-index는 0.792, 외부 검증 C-index는 0.761였습니다. 이러한 결과는 혈청 carcinoembryonic antigen, squamous cell carcinoma antigen 및 carbohydrate antigen 125 패널이 식도 편평세포암의 치료 전 평가와 개별화된 위험 층화를 위한 실용적이고 비침습적인 보조 수단으로 사용될 수 있음을 뒷받침합니다.

서론

식도 편평세포암은 식도암의 주요 조직학적 하위 유형이며, 특히 중국을 포함한 동아시아 지역에서 여전히 상당한 임상적 부담이 되고 있습니다¹. 내시경 진단, 영상 평가, 수술, 화학방사선요법 및 전신 치료를 통해 임상적 관리가 개선되었음에도 불구하고, 많은 환자의 예후는 여전히 만족스럽지 못한 실정입니다². 한 가지 중요한 이유는 국소 침윤이나 림프절 전이가 이미 발생한 후에 질병이 발견되는 경우가 빈번하기 때문입니다³. 또 다른 이유는 동일한 TNM 병기(tumor-node-metastasis stage)의 환자들 사이에서도 치료 반응, 재발 위험 및 생존 결과가 다를 수 있다는 점입니다⁴. 이러한 차이는 해부학적 병기 결정만으로는 식도 편평세포암의 생물학적 다양성을 완전히 설명할 수 없음을 시사합니다.

현재의 임상 평가는 주로 생검을 동반한 내시경 검사, 방사선학적 병기 결정 및 수술 후 병리학적 평가에 의존하고 있습니다. 이러한 방법들은 필수적이지만, 반복적인 모니터링, 치료 전 위험도 추정 또는 광범위한 스크리닝에 사용될 때는 한계가 있습니다. 내시경 검사는 침습적이어서 빈번한 추적 관찰에 덜 적합하며, 컴퓨터 단층촬영과 내시경 초음파는 미세한 침범이나 작은 전이 병변을 놓칠 수 있습니다⁵. 영상 기반 및 분자 예후 모델을 통해 식도 편평 세포 암종의 위험 예측이 개선되었으나, 많은 경우 모든 임상 실험실에서 일상적으로 사용할 수 없는 특수 플랫폼, 영상 후처리, 조직 시퀀싱 또는 계산 워크플로우가 필요합니다^6,7. 따라서 저비용으로 반복 가능한 혈액 기반 접근 방식은 특히 임상의가 확정적 치료 전 치료 전 위험 층화를 필요로 할 때 유용한 보완 정보를 제공할 수 있습니다.

혈청 종양 표지자는 일상적으로 사용 가능하고 침습성이 낮으며 반복 측정이 용이하기 때문에 이러한 상황에서 매우 유용합니다. Carcinoembryonic antigen은 종양 부하와 비정상적인 세포 분화를 반영하는 반면, squamous cell carcinoma antigen은 편평 상피의 악성 변형과 더 밀접한 관련이 있습니다⁸. Carbohydrate antigen 125는 여러 악성 종양에서 전신 염증 활성, 장막 침범 및 질병 진행과 연관되어 왔습니다⁹. 이러한 표지자들은 동일한 생물학적 신호를 나타내지 않습니다. 대신, 이들은 종양 부하, 편평 세포 표현형, 전신 반응 및 숙주-종양 상호작용이라는 서로 겹치면서도 구별되는 차원들을 포착할 수 있습니다. 이러한 이유로 식도 편평 세포 암종을 식별하고 임상적 위험을 추정하는 것이 목표일 때는 단일 표지자보다 결합 패널의 성능이 더 우수할 수 있습니다¹⁰.

이전 연구들은 식도 편평세포암 및 관련 위장관암에서 혈청 종양 표지자, 염증 지표, 영상학적 특징, 분자 프로파일 및 복합 예후 모델을 평가해 왔습니다^11,12. 그러나 발표된 많은 모델은 진단 또는 예후 중 어느 한 쪽에만 집중하거나, 단일 센터 코호트를 사용하고, 독립적인 외부 검증이 부족하며, 표지자 변환, 컷오프 선택, 보정 및 모델 재현성에 관한 세부 정보가 제한적입니다. 본 연구의 독창성은 일상적으로 측정되는 carcinoembryonic antigen, squamous cell carcinoma antigen 및 carbohydrate antigen 125를 사용하여 단일 2개 센터 워크플로우 내에서 진단적 판별과 예후 위험 층화를 모두 지원하는 실용적인 3가지 표지자 혈청 패널을 개발했다는 점에 있습니다. 이 모델은 3차 병원 코호트에서 개발되었으며, 이후 독립적인 지역 사회 센터 코호트에서 재최적화 없이 테스트되어 서로 다른 임상 환경에서의 안정성을 평가할 수 있었습니다.

본 연구에서는 태아성 암항원(carcinoembryonic antigen), 편평세포암항원(squamous cell carcinoma antigen) 및 당단백질 항원 125(carbohydrate antigen 125)를 기반으로 한 복합 혈청 바이오마커 패널을 개발하고 검증하였습니다. 분석은 두 가지 연계된 목적에 따라 진행되었습니다. 첫 번째는 개별 혈청 마커와 비교하여 복합 패널이 식도 편평세포암과 비악성 대조군 사이의 진단적 판별력을 향상시키는지 평가하는 것이었습니다. 두 번째는 치료 전 복합 바이오마커 수치가 기존의 임상병리학적 변수 및 TNM 병기 외에 추가적인 예후 정보를 제공하는지 결정하는 것이었습니다. 이러한 구조를 통해 본 연구는 일상적으로 사용 가능한 혈청 바이오마커 패널이 치료 전 임상 평가에서 병리학적 진단, 영상학적 평가 및 해부학적 병기 결정의 비침습적 보조 수단으로 기능할 수 있는지 평가하였습니다.

프로토콜

인간 참여자, 임상 기록 및 혈청 샘플이 포함된 본 연구는 헬싱키 선언과 인간 대상 연구에 대한 기관 요구 사항¹³에 따라 수행되었습니다. 연구 프로토콜은 승인 번호 CJ28J12-45로 Jiangsu Province Hospital of Chinese Medicine의 검토 및 승인을 받았습니다. 소급하여 수집된 익명화된 임상 데이터 및 잔여 혈청 샘플의 경우, 기관 윤리 규정에 따라 추가 서면 동의서 제출 요구 사항이 면제되었습니다. 전향적으로 수집된 샘플의 경우, 등록 전 서면 동의를 얻었습니다. 모든 참여자 정보와 혈청 샘플은 분석 전 익명화되었습니다. 데이터 연결을 위해 연구 식별자가 사용되었으며, 분석 데이터 세트에는 개인 식별 정보가 포함되지 않았습니다.

연구 설계 및 코호트 할당

본 2개 센터 기반의 양방향 관찰 연구에서는 식도 편평세포암(ESCC)에서 태아성 암항원(CEA), 편평세포암 항원(SCC-Ag) 및 당쇄항원 125(CA125)를 포함하는 복합 혈청 바이오마커 패널의 진단 및 예후 가치를 평가하였습니다. 적격한 임상 기록과 잔여 치료 전 혈청 샘플로부터 후향적 데이터를 확보하였으며, 동일한 연구 프레임워크 내에서 추가적인 치료 전 혈청 샘플 수집 및 추적 관찰을 완료하기 위해 전향적 등록을 실시하였습니다. 연구 대상자는 2021년 1월부터 2024년 12월 사이에 1곳의 상급종합병원과 1곳의 지역 의료센터에서 모집되었으며, 추적 관찰은 2025년 12월 31일까지 계속되었습니다. 상급종합병원인 센터 A는 모델 개발, 계수 추정, 컷오프 값 선정 및 내부 검증을 위한 훈련 코호트로 활용되었습니다. 지역 의료센터인 센터 B는 외부 검증 코호트로 활용되었습니다. 본 연구는 개별 예후 또는 진단을 위한 다변량 예측 모델의 투명한 보고(TRIPOD) 가이드라인¹⁴에 따라 보고되었습니다.

총 277명의 참가자가 포함되었으며, 센터 A에서 194명, 센터 B에서 83명이 참여하였다. 훈련 코호트는 ESCC 환자 114명, 양성 식도 질환 대조군 40명, 건강한 대조군 40명으로 구성되었다. 외부 검증 코호트는 ESCC 환자 53명, 양성 식도 질환 대조군 15명, 건강한 대조군 15명으로 구성되었다. 정보 누출을 줄이고 독립적인 임상 환경에서 모델 안정성을 테스트하기 위해 무작위 분할 대신 센터 기반 할당 방식이 사용되었다. 진단 분석에서는 ESCC 환자, 양성 식도 질환 환자 및 건강한 대조군 간의 혈청 CEA, SCC-Ag 및 CA125 수치를 비교하였다. 예후 분석은 ESCC 환자로 한정하여, 결합된 바이오마커 부하가 전체 생존율(OS) 및 무진행 생존율(PFS)에 대한 위험 층화 능력을 향상시키는지 평가하였다. 연구 설계, 참가자 선별, 코호트 할당, 혈청 바이오마커 워크플로우, 진단 모델 개발, 외부 검증 및 예후 모델 비교는 그림 1에 요약되어 있다.

참가자 흐름은 스크리닝, 제외, 진단 그룹화 및 센터 기반 할당 과정을 포함하였습니다. 총 326명이 스크리닝되었습니다. 혈액 샘플링 전 항종양 치료를 받은 12명, 다른 원발성 악성 종양이 있는 8명, 심각한 감염, 자가면역 질환 또는 혈청 종양 표지자에 영향을 미칠 가능성이 있는 조절되지 않은 동반 질환이 있는 9명, 용혈, 지질혈증, 황달 간섭, 혈청 부피 부족 또는 처리 간격 연장이 발생한 11명, 주요 임상, 병리 또는 추적 관찰 데이터가 누락된 9명을 포함하여 총 49명이 제외되었습니다. 최종 분석 대상은 ESCC 환자 167명, 양성 식도 질환 대조군 55명, 건강한 대조군 55명으로 구성된 총 277명의 참가자였습니다.

표본 크기 근거

표본 크기는 사전 정의된 연구 기간 동안 적격 참여자, 치료 전 혈청 샘플 및 추적 관찰 정보의 연속적인 가용성에 따라 결정되었습니다. 진단 모델은 세 개의 연속적인 혈청 바이오마커를 후보 예측 인자로 사용하였습니다. 훈련 코호트에서는 114명의 ESCC 사례와 80명의 비-ESCC 대조군이 확보되었으며, 이는 후보 바이오마커 예측 인자당 38.0명의 ESCC 사례와 26.7명의 비-ESCC 대조군에 해당합니다. 이는 저차원 로지스틱 회귀 분석을 뒷받침하며 과적합의 위험을 줄였습니다. 외부 검증 코호트는 53명의 ESCC 사례와 30명의 비-ESCC 대조군으로 구성되었으며, 계수 재추정 없이 검증 용도로만 사용되었습니다. 표본 크기의 근거는 무작위 데이터 분할보다는 결과 빈도, 후보 예측 인자 파라미터 수, 예상 모델 성능 및 독립적 검증을 강조하는 최신 예측 모델 원칙과 일치하였습니다¹⁵.

참가자 모집, 적격성 및 데이터 수집

연구 기간 동안 대상자를 지속적으로 모집하였다. A 센터에서는 흉부외과, 소화기내과 및 종양학과에서 ESCC 환자를 모집하였다. B 센터에서는 지역사회 기반 스크리닝, 추적 관찰 기록 또는 의뢰 경로를 통해 ESCC 환자를 식별하였으며, 병리학적 확진과 치료 전 혈청 샘플이 확보된 경우에만 포함하였다. 양성 식도 질환 대조군은 연하곤란, 역류 증상 또는 식도 이상 의심으로 위내시경 검사를 받았으며 병리학적으로 비악성 소견을 보인 개인 중에서 모집하였다. 건강 대조군은 동일 기간 동안 일반 건강검진을 받은 사람 중에서 선정하였으며, 악성 종양, 활동성 감염, 심각한 간 또는 신장 기능 장애의 병력이 없거나 영상 의학적/내시경적으로 식도 내 공간 점유성 병변의 증거가 없는 사람으로 제한하였다.

위내시경 생검 또는 수술 후 병리 검사를 통해 일차성 ESCC로 확진되었고, 혈액 샘플 채취 전 항종양 치료를 받지 않았으며, 기초 임상 데이터, 병리 기록 및 치료 전 혈청 샘플이 모두 확보된 ESCC 환자를 대상으로 선정하였습니다. 다른 일차성 악성 종양이 있거나, 혈액 샘플 채취 전 항종양 치료를 받은 경우, 심각한 급성 감염, 활성 자가면역 질환, 혈청 종양 표지자 수치에 영향을 미칠 가능성이 있는 조절되지 않는 동반 질환, 육안으로 확인되는 용혈, 지방혈증, 황달 간섭, 혈청량 부족, 주요 임상 변수 누락 또는 추적 관찰 데이터가 없는 경우 참여 대상에서 제외하였습니다. 예후 분석은 TNM 병기가 확인되고 생존 또는 진행 결과 측정이 가능한 ESCC 환자로 제한하였습니다. 추적 관찰 기간이 6개월 미만인 환자의 경우, 해당 기간 내에 사망 또는 질병 진행이 발생한 경우에만 분석에 포함하였습니다.

기초 변수에는 연령, 성별, 흡연력, 음주력, 체질량 지수, 참여 센터, 진단 그룹, 병변 유형, 그리고 CEA, SCC-Ag, CA125의 혈청 수치가 포함되었습니다. ESCC 환자의 경우, 추가 변수로 종양 위치, 종양 길이, 조직학적 분화도, 침범 깊이, 림프절 상태, TNM 병기, 림프혈관 침범, 초기 치료 방식, 재발, 진행, 생존 상태 및 최종 추적 관찰 날짜가 포함되었습니다. 흡연력은 현재 흡연 중이거나 평생 동안 최소 100개비 이상의 정기적인 흡연 경험이 있는 경우로 정의하였습니다. 음주력은 6개월 이상 주 1회 이상 알코올을 섭취한 경우로 정의하였습니다. TNM 병기는 식도암에 대한 미국 암 합동 위원회/국제암연합 병기 결정 시스템 제8판에 따라 결정되었습니다¹⁶. ESCC 및 양성 병변 사례의 병리 슬라이드는 두 명의 상급 병리학자가 독립적으로 검토하였으며, 의견 불일치 사항은 세 번째 병리학자에 의해 해결되었습니다.

훈련된 두 명의 연구원이 미리 정의된 데이터 사전을 사용하여 전자 의무 기록, 병리 보고서, 실험실 정보 시스템, 치료 기록, 추적 관찰 기록 및 사망 등록 기록에서 임상 정보를 독립적으로 추출하였습니다. 불일치 사항은 원본 기록을 확인하여 해결하였으며, 필요한 경우 세 번째 연구원이 최종 결정을 내렸습니다. 종양 위치는 상부, 중부 또는 하부 흉부 식도로 분류하였습니다. 조직학적 분화도는 고분화, 중분화 또는 저분화로 분류하였습니다. 연속 변수 단위는 분석 전 두 참여 센터 전체에 걸쳐 표준화하였습니다.

혈액 채취, 혈청 처리 및 바이오마커 측정

모든 혈액 샘플은 초기 치료 전, 병리학적 확진 후 7일 이내 및 치료 시작 최소 3일 전에 수집되었습니다. 밤샘 금식 후 오전 7:00에서 9:00 사이에 혈청 분리관을 사용하여 5–8 mL의 말초 정맥혈 샘플을 수집하였습니다. 수집 전 72시간 이내에 수혈, 대량 알부민 주입 또는 침습적 시술을 받은 참여자의 경우 샘플링을 연기하였습니다. 샘플을 실온에서 30분 동안 응고시킨 후, 1,500 × g 에서 10분 동안 원심분리하였습니다. 혈청을 분리하여 바코드가 부착된 튜브 3~5개에 300–500 µL씩 소분하였습니다. 소분된 샘플은 분석 전까지 −80°C에 보관하였으며, 어떤 소분물도 1회 이상의 냉동-해동 사이클을 거치지 않도록 하였습니다. 가시적인 용혈, 지방혈, 황달 간섭, 부적절한 부피 또는 수집부터 냉동까지의 간격이 2 h를 초과하는 샘플은 제외하였습니다.

혈청 CEA, SCC-Ag 및 CA125는 제조사의 지침에 따라 자동 화학발광 면역분석 시스템을 사용하여 측정하였습니다. 혈청 분주액은 검사 전 4°C에서 해동하고 가볍게 혼합한 후, 가능한 한 단일 런(run)으로 분석하였습니다. 배치 검사가 필요한 경우, 질환 상태, 센터, 병리학적 단계 또는 추적 관찰 결과에 따른 체계적 그룹화를 피하기 위해 샘플 순서를 조정하였습니다. 분석 측정 범위를 초과하는 샘플은 시약 지침에 따라 희석 후 재검사하였습니다. 실험실 인력은 참여자 그룹, 병리학적 단계, 치료 상태 및 추적 관찰 결과에 대해 눈가림 처리되었습니다.

임상 임계값은 지역 실험실 표준 및 제조사의 참조 구간을 바탕으로 CEA의 경우 5.0 ng/mL, SCC-Ag의 경우 1.5 ng/mL, CA125의 경우 35 U/mL로 설정하였다. 이 임계값들은 clinicopathological association 및 생존 층화 분석을 위한 마커 상승 및 높은 복합 바이오마커 부하를 정의하는 데 사용되었다. 진단 분류를 위해, 데이터 기반 컷오프는 Youden index를 사용하여 훈련 코호트에서만 선택되었으며, 이후 외부 검증 코호트에 변경 없이 적용되었다. 테스트 전 기기 보정과 내부 품질 관리를 수행하였다. 매 테스트 일마다 고농도 및 저농도 대조군을 포함하였으며, 품질 관리 결과가 허용 범위 내에 있을 때만 테스트를 진행하였다.

최종 모델 분석 전에 블라인드 처리된 브릿징 혈청 분주물과 일상적인 품질 관리 물질을 사용하여 분석 간 및 센터 간 재현성을 평가했습니다. 30개의 블라인드 혈청 분주물로 구성된 브릿징 세트를 두 곳의 실험실 워크플로우에서 테스트했습니다. 센터 간 변동 계수는 CEA의 경우 4.8%, SCC-Ag의 경우 5.6%, CA125의 경우 5.1%였습니다. 이에 해당하는 급내 상관 계수는 CEA 0.94, SCC-Ag 0.92, CA125 0.93이었습니다. 시스템적 편차가 미리 정의된 실험실 품질 관리 범위를 초과하지 않았으므로 센터별 분석 재교정은 수행하지 않았습니다. 최종 바이오마커 값은 모델 구축 전에 단위 표준화와 훈련 코호트 기반의 통계적 표준화를 통해 조화되었습니다.

복합 바이오마커 정의 및 모델 구축

복합 혈청 바이오마커 패널은 CEA, SCC-Ag 및 CA125로 구성되었습니다. 임상병리학적 연관성 분석 및 Kaplan-Meier 생존 층화 분석을 위해, 각 마커는 사전 정의된 임상 임계값에 따라 상승 또는 비상승으로 분류되었습니다. 복합 바이오마커 부하가 높음은 세 가지 마커 중 최소 두 가지가 상승한 경우로 정의되었습니다. 진단 및 예후 모델링을 위해 세 가지 바이오마커는 연속 변수로 유지되었으며, 자연로그를 사용하여 변환되고 훈련 코호트의 평균과 표준편차를 사용하여 표준화되었습니다. 동일한 변환 매개변수가 외부 검증 코호트에도 적용되었습니다.

표준화된 로그 변환 바이오마커는 다음의 훈련 코호트 매개변수를 사용하여 계산되었습니다:

zlnCEA = (lnCEA - 1.42)/0.71

zlnSCC - Ag = (lnSCC - Ag - 0.28)/0.57

zlnCA125 = (lnCA125 - 3.05)/0.62

훈련 코호트에서 다변량 로지스틱 회귀 분석을 사용하여 통합 진단 패널을 구축하였습니다. 진단 선형 예측값은 다음과 같이 계산되었습니다:

LPdiagnostic = -0.46 + 0.59 × zlnCEA + 1.05 × zlnSCC - Ag+0.42 × zlnCA125

ESCC의 개별 예측 확률은 다음과 같이 계산되었습니다:

PESCC = 1/1+exp(-LPdiagnostic)

결합 패널의 최적 진단 컷오프 값은 0.57이었으며, 이는 훈련 코호트에서 Youden 지수를 사용하여 선정되었으며 외부 검증에서도 변경 없이 적용되었습니다.

예후 바이오마커 점수는 Cox 비례 위험 모델링을 사용하여 구축되었습니다. 해부학적 병기 결정을 위한 비교 대상으로 TNM 병기 단독 모델을 사용하였습니다. 바이오마커 모델에는 결합 바이오마커 부하(combined biomarker burden)를 사용하였습니다. 임상병리학적 모델에는 연령, 종양 길이, 조직학적 분화도, pT 병기, 림프절 상태 및 초기 치료 방법을 사용하였습니다. 통합 모델은 임상병리학적 모델에 높은 결합 바이오마커 부하를 추가하여 구성하였습니다. OS의 경우, 통합 예후 선형 예측값은 다음과 같이 계산되었습니다:

LPOS = 0.33 × 연령 ≥65세 +0.36 × 종양길이 ≥5cm + 0.25 × 저분화 + 0.31 × pT3

- 4단계 + 0.66 × 림프절전이

-0.58 × 근치적 수술 기반 치료

+0.81 × highcombinedbiomarkerburden

PFS의 경우, 통합 예후 선형 예측값은 다음과 같이 계산되었습니다:

LPPFS = 0.27 × 연령 ≥ 65years + 0.31 × 종양길이 ≥ 5cm + 0.24 × 저분화 +0.25 × pT3

-4단계 + 0.55 × 림프절전이

- 0.46 × 근치적 수술 기반 치료

+0.71 × highcombinedbiomarkerburden

예후 방정식의 모든 이분형 변수는 존재할 때 1, 존재하지 않을 때 0으로 코딩되었습니다. 모든 계수, 표준화 매개변수 및 컷오프 값은 훈련 코호트에서 추정되었으며, 재최적화 없이 외부 검증 코호트에 직접 적용되었습니다.

진단 및 예후 종점

병리 진단을 진단 기준 표준으로 사용하였다. 일차 진단 평가 지표는 식도편평세포암(ESCC)과 양성 식도 질환 및 건강한 대조군을 포함한 비-ESCC 대조군 간의 판별이었다. 이차 진단 평가 지표에는 ESCC와 양성 식도 질환 간의 판별, ESCC와 건강한 대조군 간의 판별, 그리고 초기 ESCC와 비악성 대조군 간의 판별이 포함되었다. 초기 ESCC는 TNM 병기 I–II 단계 질환으로 정의하였다. 진단 성능은 수신자 조작 특성 곡선, 곡선 아래 면적, 민감도, 특이도, 양성 예측도, 음성 예측도, 정확도, F1 점수, 정밀도-재현율 곡선, 보정 곡선, Brier 점수, 보정 절편, 보정 기울기 및 결정 곡선 분석을 사용하여 평가하였다.

예후 분석은 ESCC 환자만을 대상으로 수행되었습니다. 일차 예후 평가 지표는 OS로, 최초의 확정적 항종양 치료일로부터 모든 원인으로 인한 사망까지의 기간으로 정의되었습니다. 이차 예후 평가 지표는 PFS로, 최초 치료부터 문서화된 질병 진행, 재발 또는 사망까지의 기간으로 정의되었습니다. 근치적 수술을 받은 환자의 경우, 수술 후 잔존 병변이 없는 상태에서 국소 재발, 원격 전이 또는 종양 관련 사망을 PFS 이벤트로 간주하였습니다. 확정적 화학방사선요법 또는 완화 치료를 받은 환자의 경우, 영상 의학적 소견, 내시경 평가 및 임상적 평가에 따라 진행 여부를 판단하였습니다.

추적 관찰 데이터는 외래 방문, 입원 기록, 지역 사회 추적 기록, 의뢰 기록 및 전화 연락을 통해 수집되었습니다. 환자들은 치료 후 첫 2년 동안은 3개월마다, 3년에서 5년까지는 6개월마다, 그 이후에는 매년 추적 관찰을 받았습니다. 최종 추적 관찰일까지 사망, 재발 또는 진행이 없는 환자들은 마지막으로 확인된 연락 시점에서 중도 절단 처리되었습니다. 결과 이벤트는 두 명의 연구자에 의해 독립적으로 검토되었습니다. 출처 간에 이벤트 날짜가 다른 경우, 최종 이벤트 날짜를 결정하기 위해 영상 보고서, 퇴원 기록, 내시경 보고서, 의뢰 문서 및 사망 등록 기록을 확인하였습니다. 참여한 두 센터 모두 추적 관찰 종료일은 2025년 12월 31일이었습니다.

통계 분석

통계 분석은 R 4.3.2와 SPSS 27.0을 사용하여 수행하였습니다. 연속형 변수는 분포에 따라 평균 ± 표준편차 또는 중앙값(사분위 범위)으로 요약하였습니다. 범주형 변수는 빈도와 백분율로 요약하였습니다. 그룹 간 비교는 적절한 경우 독립 표본 t-검정, Mann–Whitney U 검정, 일원 분산 분석, Kruskal–Wallis 검정, 카이제곱 검정 또는 Fisher의 정확 검정을 사용하여 수행하였습니다. 모델 구축 전 결측 데이터를 평가하였습니다. 주요 진단 상태, 치료 전 바이오마커 값, TNM 병기 또는 생존/진행 결과 데이터가 누락된 참여자는 미리 정의된 선정 기준에 따라 제외되었습니다. 결측률이 5.0% 미만인 비주요 공변량은 20개의 대체 데이터셋과 20회의 반복을 이용한 연쇄 방정식에 의한 다중 대체법(multiple imputation by chained equations)으로 처리하였습니다¹⁷. 대체 모델에는 진단 그룹, 센터, 연령, 성별, 흡연력, 알코올 사용, 바이오마커 값, TNM 병기, 치료 방식, OS 상태, PFS 상태 및 추적 관찰 시간이 포함되었습니다. 민감도 분석으로 완전 사례 분석(complete-case analyses)을 수행하였습니다.

진단 모델은 훈련 코호트에서 개발되었습니다. ROC(Receiver operating characteristic) 곡선을 사용하여 곡선 아래 면적(AUC), 민감도, 특이도, 양성 예측도, 음성 예측도, 정확도 및 F1 스코어를 산출하였습니다. 곡선 아래 면적은 DeLong 검정¹⁸을 통해 비교하였습니다. 보조적인 진단 평가로 정밀도-재현율 곡선을 사용하였습니다. 보정(Calibration)은 보정 곡선, Brier 스코어, 보정 절편 및 보정 기울기를 사용하여 평가하였습니다. 임상적 유용성은 결정 곡선 분석¹⁹을 통해 평가하였습니다. 내부 검증은 1,000회의 붓스트랩 재표집을 수행하여 낙관주의 보정(optimism-corrected)된 판별력과 보정도를 추정함으로써 수행되었습니다. 외부 검증은 훈련 코호트 방정식, 표준화 파라미터 및 컷오프 값을 재적합 없이 센터 B에 직접 적용하여 수행되었습니다.

예후 분석을 위해, 바이오마커 부하 그룹 간의 OS와 PFS를 비교하기 위한 Kaplan–Meier 곡선을 생성하였으며, 생존율의 차이를 평가하기 위해 log-rank 검정을 사용하였다. 위험비와 95% 신뢰 구간을 추정하기 위해 Cox 비례 위험 회귀 분석을 사용하였다. 단변량 분석에서 결과와 연관이 있는 변수 및 임상적 관련성이 있는 변수들을 다변량 모델 검토 대상으로 삼았다. 모델 성능은 Harrell’s C-index, 시간 의존적 수신자 조작 특성(ROC) 곡선, 교정 곡선, Brier score 및 결정 곡선 분석으로 평가하였다²⁰. 예후 교정은 1년, 3년, 5년 시점에서 평가하였다. 비례 위험 가정은 Schoenfeld 잔차와 log-minus-log 생존 도표를 사용하여 평가하였다²¹. 전역 Schoenfeld 검정 P 값은 OS 모델에서 0.42, PFS 모델에서 0.37이었다. 최종 모델 해석 전 분산 팽창 요인(VIF)을 사용하여 다중공선성을 평가하였으며, 최종 진단 및 예후 모델의 모든 후보 변수는 2.1 미만의 분산 팽창 요인을 나타냈다. TNM 병기 및 기존 임상 병리학적 모델 이상의 추가적인 예후 가치는 순 재분류 개선도(NRI)와 통합 판별 개선도(IDI)를 사용하여 평가하였다. 훈련 코호트에서 추정된 모델 매개변수를 재적합 없이 외부 검증 코호트에 적용하였다²². 모든 검정은 양측 검정으로 수행되었으며, P < 0.05를 통계적으로 유의한 것으로 간주하였다.

결과

참가자 흐름 및 분석 재현성

총 326명을 스크리닝하였으며, 그 중 49명을 제외하였습니다. 제외 사유는 다음과 같습니다: 12명은 혈액 채취 전 항종양 치료를 받았고, 8명은 다른 원발성 악성 종양이 있었으며, 9명은 혈청 종양 표지자에 영향을 줄 가능성이 있는 심각한 감염, 자가면역 질환 또는 조절되지 않는 동반 질환이 있었습니다. 또한 1명은 용혈, 지질혈증, 황달 간섭, 혈청량 부족 또는 처리 시간 지연이 있었으며, 9명은 주요 임상, 병리 또는 추적 관찰 데이터가 누락되었습니다. 최종 분석 대상은 총 27명의 참가자로 구성되었으며, 여기에는 식도 편평 세포 암종(ESCC) 환자 167명, 양성 식도 질환 환자 55명, 건강한 대조군 5명이 포함되었습니다. 센터 A에서 훈련 코호트에 194명의 참가자를 제공하였고, 센터 B에서 외부 검증 코호트에 83명의 참가자를 제공하였습니다. 참가자 흐름, 코호트 할당, 바이오마커 테스트 워크플로우, 진단 모델 개발, 외부 검증 및 예후 모델링 프레임워크는 그림 1에 나타나 있으며, 스크리닝 및 제외 상세 내용은 보조 표 1에 요약되어 있습니다.

30개의 눈가림 처리된 브릿징 혈청 분주물을 사용하여 분석 간 및 센터 간 재현성을 평가하였습니다. 센터 간 변동 계수는 carcinoembryonic antigen (CEA)의 경우 4.8%, squamous cell carcinoma antigen (SCC-Ag)의 경우 5.6%, carbohydrate antigen 125 (CA125)의 경우 5.1%였습니다. 이에 해당하는 급내 상관 계수는 각각 0.94, 0.92, 0.93이었습니다. 통계적 표준화 및 모델 개발 전에 센터별 재교정은 필요하지 않았습니다. 분석 재현성 결과는 부록 표 2에 제공되어 있습니다.

연구 대상군의 기저 특성

전체 인구의 중앙 연령은 59세(IQR, 53–66세)였으며, 참여자의 198명(71.5%)이 남성이었습니다. 현재 또는 과거 흡연 경험은 141명(50.9%)에서, 현재 또는 과거 음주 경험은 127명(45.8%)에서 보고되었습니다. 코호트는 ESCC 환자 167명(60.3%), 양성 식도 질환 환자 5명(19.9%), 그리고 건강한 대조군 5명(19.9%)으로 구성되었습니다. 혈청 CEA, SCC-Ag 및 CA125 수치의 중앙값은 각각 3.9 ng/mL (IQR, 2.0–6.6 ng/mL), 1.4 ng/mL (IQR, 0.8–2.3 ng/mL), 2.8 U/mL (IQR, 13.9–35.7 U/mL)였습니다. 연령, 성별, 흡연력, 음주 여부, 진단 그룹 및 기초 혈청 바이오마커 수치는 훈련 코호트와 외부 검증 코호트 간에 유사했습니다(표 1).

167명의 ESCC 환자 중 중앙값 연령은 61세(IQR, 55–68세)였으며, 13명(79.6%)이 남성이었습니다. 종양은 주로 흉부 식도 중간 부분(89/167, 53.3%)에서 가장 많이 발견되었으며, 흉부 식도 하부(56/167, 3.5%)와 흉부 식도 상부(2/167, 13.2%)가 그 뒤를 이었습니다. 중분화 및 저분화 종양은 각각 81례(48.5%)와 6례(39.5%)를 차지했습니다. 종양의 길이는 68명(40.7%)의 환자에서 최소 5 cm 이상이었고, pT3–4 질환은 121명(72.5%), 림프절 전이는 10명(59.9%), 그리고 종양-림프절-전이(TNM) 병기 III–IV 질환은 1명(6.5%)의 환자에서 관찰되었습니다. 림프혈관 침범은 65명(38.9%)의 환자에서 확인되었습니다. 1차 치료는 13명(67.7%)의 환자에서 보조 요법 동반 여부와 상관없는 근치적 수술, 32명(19.2%)에서 확정적 화학방사선요법, 2명(13.2%)에서 완화적 전신 또는 지지 치료로 이루어졌습니다. 주요 임상병리학적 변수는 훈련 및 외부 검증 ESCC 코호트 간에 유사했습니다(표 2).

연구 그룹 간 혈청 바이오마커의 다차원적 분포

혈청 CEA, SCC-Ag 및 CA125의 분포는 ESCC 환자, 양성 식도 질환 대조군 및 건강한 대조군 간에 차이를 보였습니다(그림 2). 로그 변환 후, 세 가지 바이오마커 모두 비악성 두 그룹보다 ESCC 그룹에서 더 높은 수치를 나타냈습니다. CEA의 중앙값은 ESCC 환자에서 5.2 ng/mL였으며, 양성 식도 질환 대조군에서는 2.4 ng/mL, 건강한 대조군에서는 1.9 ng/mL였습니다. SCC-Ag의 중앙값은 ESCC 환자에서 1.9 ng/mL였으며, 다른 그룹에서는 각각 0.9 ng/mL 및 0.7 ng/mL였습니다. CA125의 중앙값은 ESCC 환자에서 28.9 U/mL였으며, 다른 그룹에서는 각각 18.7 U/mL 및 16.1 U/mL였습니다. 그룹별 혈청 바이오마커 분포는 부록 표 3에 요약되어 있습니다.

CEA와 SCC-Ag는 CA125보다 ESCC와 비악성 대조군 사이에서 더 뚜렷한 구분을 보였습니다. 로그 변환된 CEA와 SCC-Ag의 2차원 분포에서 ESCC 샘플은 고수치 영역에 더 자주 집중된 반면, 건강한 대조군은 저수치 영역에 더 자주 군집되었습니다. 세 가지 마커 중 최소 두 가지가 상승한 것으로 정의된 높은 복합 바이오마커 부담은 ESCC 환자 167명 중 61명(36.5%), 양성 식도 질환 대조군 5명 중 8명(14.5%), 그리고 건강한 대조군 5명 중 4명(7.3%)에서 관찰되었습니다. 상승된 바이오마커 부담의 분포는 세 그룹 간에 유의미한 차이를 보였으며(P < 0.01), 이는 Supplementary Table 3에도 보고되었습니다.

훈련 코호트에서의 복합 진단 시그니처 개발

로그 변환된 CEA, SCC-Ag 및 CA125 값을 사용하여 훈련 코호트에서 결합 진단 시그니처를 개발하였다(그림 3). 쌍별 상관관계 분석 결과, 세 가지 마커 사이에 중간 정도의 양의 상관관계가 나타났다. 가장 강한 상관관계는 CEA와 SCC-Ag 사이에서 관찰되었으며(r = 0.58), SCC-Ag와 CA125(r = 0.47), CEA와 CA125(r = 0.41)가 그 뒤를 이었다. 이는 마커들을 상호 교환 가능한 측정치로 취급하지 않고 공동 모델링을 수행하는 것을 뒷받침한다.

단변량 로지스틱 회귀 분석에서 CEA, SCC-Ag, CA125는 각각 2.81, 3.94, 2.14의 오즈비로 ESCC 상태와 연관이 있었습니다. 다변량 진단 모델에서 SCC-Ag가 가장 큰 조정된 효과 크기(OR, 2.87; 95% CI, 1.62–5.09; P < 0.01)를 보였으며, CEA(OR, 1.80; 95% CI, 1.19–2.72; P = 0.06)와 CA125(OR, 1.52; 95% CI, 1.03–2.25; P = 0.034)가 그 뒤를 이었습니다. 진단 모델 계수는 부록 표 4에 요약되어 있습니다. 최종 진단 선형 예측자는 다음과 같습니다:

LP진단 = -0.46 + 0.59 × zlnCEA + 1.05 × zlnSCC - Ag +0.42 × zlnCA125

ESCC의 개별 예측 확률은 다음과 같이 계산되었습니다:

PESCC = 1/1 + exp( -LPdiagnostic )

결합 진단 모델의 예측 확률 분포는 ESCC 참여자와 비-ESCC 참여자 간의 구분을 보여주었습니다. 최적 컷오프 값은 0.57이었습니다. 이 컷오프 값에서 결합 모델은 훈련 코호트에서 0.869(95% CI, 0.817–0.921)의 수신자 조작 특성 곡선 아래 면적(AUC)을 달성했으며, 양성 예측도는 85.8%, 음성 예측도는 73.0%였습니다.

결합 바이오마커 패널의 진단 성능 및 외부 검증

훈련 코호트에서 SCC-Ag는 AUC 0.802 (95% CI, 0.735–0.869)로 세 가지 개별 바이오마커 중 가장 높은 진단 성능을 보였다. CEA와 CA125의 AUC는 각각 0.71 (95% CI, 0.635–0.786) 및 0.68 (95% CI, 0.591–0.74)였다. 복합 패널은 AUC 0.869 (95% CI, 0.817–0.921), 민감도 79.8%, 특이도 81.2%, 양성 예측도 85.8%, 음성 예측도 73.0%, 정확도 80.4%, 그리고 F1 스코어 82.7%를 기록하며 가장 높은 전반적 판별력을 나타냈다(표 3).

수신자 작동 특성 곡선을 통해 개별 바이오마커와 비교하여 결합 패널의 진단 판별력이 더 높음을 확인하였습니다(그림 4A). 최적 컷오프 값인 0.57에서 결합 패널은 79.8%의 민감도와 81.2%의 특이도를 나타냈습니다. 결합 패널의 AUC는 SCC-Ag 단독일 때보다 유의하게 높았습니다(P = 0.032). 1,0회의 재표본 추출을 통한 부트스트랩 내부 검증 결과, 낙관도 보정 AUC는 0.856, 낙관도 보정 보정 기울기는 0.97, 낙관도 보정 Brier 점수는 0.154로 나타났습니다. 내부 검증 추정치는 부록 표 4에 제공되어 있습니다.

외부 검증 코호트에서 정밀도-재현율 분석 결과, ESCC와 건강한 대조군을 구분할 때 가장 높은 평균 정밀도를 보였다(AP = 0.912; 그림 4B). 평균 정밀도는 ESCC 대 non-ESCC의 경우 0.863이었으며, ESCC 대 양성 식도 질환의 경우 0.841이었다. 조기 단계 ESCC와 비악성 대조군의 평균 정밀도는 0.535였다. 보정 분석 결과, 두 코호트 모두에서 예측 확률과 관찰된 결과 사이에 일치함이 나타났다(그림 4C). 훈련 코호트의 Brier score는 0.148이었으며, 보정 기울기는 1.02, 절편은 0.01이었다. 외부 검증 코호트의 Brier score는 0.164였으며, 보정 기울기는 0.93, 보정 절편은 −0.04였다. 결정 곡선 분석 결과, 대부분의 확률 임계값에서 결합 패널이 '모두 치료' 및 '모두 치료하지 않음' 전략보다 더 높은 순이익을 보였다(그림 4D).

외부 검증 결과는 Table 4에 요약되어 있습니다. 복합 패널은 ESCC 대 non-ESCC 분석에서 AUC 0.842 (95% CI, 0.753–0.930)를 달성하였으며, 임계 확률 0.30에서 민감도 75.5%, 특이도 76.7%, 정확도 75.9%, Brier score 0.164, 보정 기울기(calibration slope) 0.93, 순이익(net benefit) 0.218을 나타냈습니다. AUC는 ESCC 대 양성 식도 질환의 경우 0.801 (95% CI, 0.686–0.916), ESCC 대 건강 대조군의 경우 0.89 (95% CI, 0.80–0.979), 초기 단계 ESCC 대 비악성 대조군의 경우 0.818 (95% CI, 0.704–0.932)였습니다. 가장 높은 특이도는 ESCC 대 건강 대조군(86.7%)에서 관찰되었으며, 초기 단계 ESCC 대 비악성 대조군은 민감도 70.6%와 특이도 78.3%를 보였습니다.

ESCC에서 결합 바이오마커 패널의 임상병리학적 연관성 프로파일

혈청 바이오마커 상승과 임상병리학적 특징 간의 연관성을 ESCC 환자를 대상으로 평가하였다(표 5). 연령과 성별은 개별 바이오마커 상승과 제한적인 연관성을 보였다. 65세 이상의 환자는 65세 미만 환자에 비해 복합 바이오마커 부담이 높은 비율이 더 높았으나(47.6% vs. 29.8%; P = 0.028), 성별은 개별 바이오마커 상승 또는 복합 바이오마커 부담과 연관성이 없었다.

종양 관련 변수들은 바이오마커 상승과 더 강한 상관관계를 보였다. 종양 길이가 5 cm 이상인 환자의 50.0%에서 높은 복합 바이오마커 부하가 나타난 반면, 종양 길이가 5 cm 미만인 환자에서는 27.3%에서 나타났다 (P = 0.04). 또한 높은 복합 바이오마커 부하는 분화도가 낮은 환자에서 분화도가 좋거나 중간인 환자보다 더 빈번하게 나타났으며 (50.0% vs. 28.2%; P = 0.06), pT3–4 병기 환자에서 pT1–2 병기 환자보다 더 높았고 (42.1% vs. 21.7%; P = 0.01), 림프절 전이가 있는 환자에서 전이가 없는 환자보다 더 높았으며 (43.0% vs. 26.9%; P = 0.038), TNM stage III–IV 환자에서 TNM stage I–II 환자보다 더 높게 나타났다 (43.2% vs. 23.2%; P = 0.009).

환자 수준의 시각화 결과, 복합 위험 점수가 높을수록 더욱 진행된 임상 병리학적 특징이 동반되는 것으로 나타났다(그림 5A). 점수가 높은 환자일수록 pT3–4, 림프절 양성, 저분화 또는 TNM 병기 III–IV로 분류되는 빈도가 더 높았다. 박스플롯 분석 결과, 종양 길이가 길고, 분화도가 낮으며, pT3–4 질환, 림프절 양성 및 TNM 병기 III–IV 질환인 환자들에서 바이오마커 분포가 상향되는 양상을 보였다(그림 5B). Sankey 도표에서는 두 개 또는 세 개의 바이오마커가 상승한 환자들이 TNM 병기 III–IV로 분류되는 경우가 더 많았던 반면, 상승한 바이오마커가 없는 환자들은 TNM 병기 I–II로 분류되는 경우가 더 많았다(그림 5C). 복합 바이오마커 부담과 TNM 병기 분포 사이의 연관성은 통계적으로 유의미했다(P < 0.01).

결합 혈청 바이오마커 패널에 기반한 예후 층화

ESCC 환자의 중앙 추적 관찰 기간은 34개월이었습니다. 추적 관찰 기간 동안 78건의 사망과 96건의 무진행 생존 사건이 기록되었습니다. 추적 관찰 및 사건에 대한 상세 내용은 부록 표 5에 요약되어 있습니다. 높은 복합 바이오마커 부담은 더 좋지 않은 생존 결과와 관련이 있었습니다. 단변량 Cox 회귀 분석에서 높은 복합 바이오마커 부담은 사망 위험(HR, 2.91; 95% CI, 1.89–4.46; P < 0.01) 및 질병 진행 또는 사망 위험(HR, 2.63; 95% CI, 1.80–3.84; P < 0.01)의 증가와 관련이 있었습니다. 연령, 종양 길이, 분화도, pT 병기, 림프절 전이 및 치료 방법을 보정한 후에도 높은 복합 바이오마커 부담은 전체 생존율(OS; HR, 2.24; 95% CI, 1.41–3.54; P = 0.01) 및 무진행 생존율(PFS; HR, 2.03; 95% CI, 1.35–3.05; P = 0.01)과 독립적인 연관성을 유지했습니다. 반면, 상승된 CEA, SCC-Ag 및 CA125는 다변량 모델에 개별적으로 포함되었을 때 더 이상 통계적으로 유의하지 않았습니다. Cox 회귀 분석 결과는 표 6에 요약되어 있습니다.

Kaplan–Meier 분석 결과, 결합 바이오마커 부담이 높은 그룹과 낮은 그룹 사이에 명확한 차이가 나타났습니다(그림 6A,B). 중앙값 OS는 저부담 그룹에서 38개월, 고부담 그룹에서 19개월이었습니다(log-rank P < 0.001). 중앙값 PFS는 저부담 그룹에서 28개월, 고부담 그룹에서 13개월이었습니다(log-rank P < 0.01). 통합 예후 모델은 TNM 병기 단독 분석보다 더 높은 시간 의존적 판별력을 보였으며(그림 6C), 1년, 3년, 5년 시점의 AUC는 각각 0.829, 0.806, 0.781로 TNM 병기 단독 분석의 0.701, 0.676, 0.648보다 높았습니다. TNM 병기 단독 대비 C-index 개선도는 훈련 코호트에서 0.130, 외부 검증 코호트에서 0.120이었습니다. 추적 관찰 랜드마크 히트맵은 위험 층별로 누적 사망률이 증가함을 보여주었습니다(그림 6D). 저위험 3분위수에서 누적 사망 확률은 6, 12, 24, 36, 60개월에 각각 6%, 12%, 24%, 37%, 52%였습니다. 이에 대응하는 확률은 중위험 3분위수에서 14%, 26%, 4%, 59%, 74%였으며, 고위험 3분위수에서는 28%, 47%, 68%, 82%, 91%였습니다.

통합 모델의 외부 검증 및 점진적 예후 유용성

통합 모델은 두 코호트 모두에서 평가된 모델 중 가장 높은 예후 판별력을 보였습니다. 훈련 코호트에서 통합 모델의 C-index는 0.792였으며, 이는 임상병리학적 모델의 0.736, 바이오마커 패널 단독의 0.703, 그리고 TNM 병기 단독의 0.62와 비교됩니다. 외부 검증 코호트에서 통합 모델의 C-index는 0.761이었으며, 다른 모델들은 각각 0.708, 0.681, 0.641이었습니다. 시간 의존적 AUC 또한 통합 모델에서 더 우수하게 나타났습니다. 훈련 코호트에서 통합 모델은 1년, 3년, 5년 시점에서 각각 0.829, 0.806, 0.781의 AUC를 달성했습니다. 외부 검증 코호트에서 이에 대응하는 AUC는 0.801, 0.74, 0.748이었습니다. TNM 병기 단독과 비교했을 때, 통합 모델은 +0.274의 NRI와 +0.102의 IDI를 보였습니다. 부트스트랩 내부 검증 결과, 통합 모델의 낙관주의 보정 C-index는 0.79였습니다. 모델 성능 지표는 표 7에 제시되어 있으며, 추가적인 예후 검증 결과는 부록 표 5에 제공됩니다.

모델 비교 도표에서 통합 모델이 두 코호트 모두에서 가장 높은 Harrell’s C-index를 나타냈습니다(그림 7A). 노모그램은 연령, 종양 길이, 조직학적 분화도, pT 병기, 림프절 상태, 초기 치료 방법 및 높은 복합 바이오마커 부하를 통합하여 1년, 3년 및 5년 OS 확률을 추정했습니다(그림 7B). 외부 검증 코호트에서 1년, 3년 및 5년 OS에 대한 보정 곡선은 이상적인 참조선에 근접했습니다(그림 7C). Brier score는 각각 0.141, 0.164, 0.178였으며, 보정 기울기는 0.97, 0.93, 0.91였습니다. 결정 곡선 분석 결과, 통합 모델은 주요 임계 확률 범위 전체에서 TNM 병기 단독, 임상병리학적 모델, 그리고 모든 환자 치료 또는 치료하지 않음 전략보다 더 높은 순 이익을 보였습니다(그림 7D). 임계 확률 0.30에서 순 이익은 통합 모델의 경우 0.181이었으며, 임상병리학적 모델은 0.139, TNM 병기 단독은 0.17이었습니다. 이러한 보정 및 결정 곡선 결과는 보충 표 5에 요약되어 있습니다.

데이터 가용성:

본 연구 과정에서 생성 및 분석된 데이터셋은 Figshare 리포지토리(https://doi.org/10.6084/m9.figshare.3154580.v1)에서 공개적으로 이용 가능합니다.

그림 1연구 설계 및 분석 워크플로우. 참가자 스크리닝, 코호트 할당, 혈청 바이오마커 측정, 진단 모델 개발, 외부 검증 및 예후 모델 구축의 도식적 개요. 센터 A는 훈련 코호트로, 센터 B는 외부 검증 코호트로 활용되었다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

그림 2연구 집단별 혈청 CEA, SCC-Ag 및 CA125의 분포. (A) ESCC 환자, 양성 식도 질환 대조군 및 건강한 대조군의 로그 변환된 혈청 바이오마커 수치를 나타내는 바이올린 및 박스 플롯. (B) 로그 변환된 CEA 및 SCC-Ag의 이변량 분포. (C) 진단 그룹 간의 통합 바이오마커 프로파일을 요약한 레이더 도표. (D) 진단 그룹별 바이오마커 수치 상승 분포. CEA = 암태아성 항원; SCC-Ag = 편평세포암 항원; CA125 = 당지질 항원 125; ESCC = 식도 편평세포암. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3훈련 코호트에서의 복합 진단 시그니처 개발. (A) 로그 변환된 CEA, SCC-Ag 및 CA125의 상관관계 히트맵. (B) 개별 바이오마커 및 통합 진단 모델에 대한 단변량 및 다변량 로지스틱 회귀 분석 결과. (C) 결합 진단 모델에 기반한 식도편평세포암(ESCC) 및 비-식도편평세포암 참여자의 예측 확률 분포. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4복합 바이오마커 패널의 진단 성능 및 외부 검증 (A) 훈련 코호트에서 개별 바이오마커와 조합 패널을 비교한 수신자 작동 특성 곡선. (B) 외부 검증 시나리오별 정밀도-재현율 곡선. (C) 훈련 및 외부 검증 코호트에 대한 보정 곡선. (D) 임계 확률에 따른 순이익을 보여주는 결정 곡선 분석. ROC = 수신자 조작 특성. 이 그림의 확대 버전을 보시려면 여기를 클릭하십시오.

그림 5식도편평세포암(ESCC)에서 복합 바이오마커 패널의 임상병리학적 연관성 프로파일. (A) 복합 위험 점수, 혈청 바이오마커 수치 및 임상병리학적 특성의 환자별 조망. (B) 주요 임상병리학적 하위 그룹 간의 바이오마커 분포를 나타내는 박스플롯. (C) 바이오마커 부하 증가와 TNM 병기 사이의 관계를 보여주는 생키 다이어그램(Sankey plot). TNM = 종양-림프절-전이. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

그림 6복합 바이오마커 부하에 기반한 예후 층화. (A) 결합 바이오마커 부하에 따른 전체 생존율의 Kaplan-Meier 곡선. (B) 복합 바이오마커 부담에 따른 무진행 생존율의 Kaplan-Meier 곡선. (C) 통합 모델과 TNM 병기 단독 모델을 비교한 시간 의존적 수신자 조작 특성 곡선. (D) 위험도 삼분위수 및 추적 관찰 랜드마크에 따른 누적 사망 확률을 나타내는 히트맵. OS = 전체 생존율; PFS = 무진행 생존율. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 7통합 예후 모델의 외부 검증 및 임상 적용 (A) 훈련 및 외부 검증 코호트의 예후 모델 간 Harrell’s C-index 비교. (B) 1년, 3년 및 5년 전체 생존율을 추정하기 위해 연령, 종양 길이, 조직학적 분화도, pT 병기, 림프절 상태, 초기 치료 방식 및 높은 복합 바이오마커 부하를 통합한 노모그램. (C) 1년, 3년 및 5년 전체 생존율에 대한 외부 검증 보정 곡선. (D통합 모델을 TNM 병기 단독, 임상병리학적 모델, 그리고 모든 환자 치료(treat-all) 또는 모든 환자 미치료(treat-none) 전략과 비교한 결정 곡선 분석. 이 그림의 확대 버전을 보시려면 여기를 클릭하십시오.

변수	전체 (n = 277)	훈련 코호트, 센터 A (n = 194)	외부 검증 코호트, 센터 B (n = 83)	p 값
연령, 세, 중앙값 (IQR)	59 (53–66)	59 (52–65)	60 (54–67)	0.284
남성, n (%)	198 (71.5)	137 (70.6)	61 (73.5)	0.622
현재/과거 흡연자, n (%)	141 (50.9)	95 (49.0)	46 (55.4)	0.321
현재/과거 알코올 사용 여부, n (%)	127 (45.8)	87 (44.8)	40 (48.2)	0.603
진단 그룹, n (%)				0.701
식도편평세포암	167 (60.3)	114 (58.8)	53 (63.9)
양성 식도 질환	55 (19.9)	40 (20.6)	15 (18.1)
건강 대조군	55 (19.9)	40 (20.6)	15 (18.1)
혈청 CEA, ng/mL, 중앙값 (사분위수 범위)	3.9 (2.0–6.6)	3.8 (1.9–6.4)	4.1 (2.1–6.8)	0.367
혈청 SCC-Ag, ng/mL, 중앙값 (IQR)	1.4 (0.8–2.3)	1.4 (0.8–2.2)	1.5 (0.9–2.4)	0.418
혈청 CA125, U/mL, 중앙값 (IQR)	22.8 (13.9–35.7)	22.4 (13.5–34.9)	23.6 (14.6–36.8)	0.447

표 1: 훈련 및 외부 검증 코호트 참여자의 기초 특성. 전체 인구, 훈련 코호트 및 외부 검증 코호트에 대한 인구통계학적 특성, 코호트 구성, 그리고 기초 혈청 CEA, SCC-Ag 및 CA125 수치를 요약하였습니다.

변수	전체 식도편평세포암(ESCC) (n = 167)	훈련 코호트 (n = 14)	외부 검증 코호트 (n = 53)	P 값
연령, 세, 중앙값 (IQR)	61 (55–68)	61 (55–67)	62 (56–68)	0.386
남성, n (%)	133 (79.6)	91 (79.8)	42 (79.2)	0.931
현재/과거 흡연자, n (%)	110 (65.9)	74 (64.9)	36 (67.9)	0.701
현재/과거 알코올 사용 여부, n (%)	95 (56.9)	66 (57.9)	29 (54.7)	0.688
종양 위치, n (%)				0.879
상부 흉추	22 (13.2)	15 (13.2)	7 (13.2)
중흉추	89 (53.3)	60 (52.6)	29 (54.7)
하부 흉추	56 (33.5)	39 (34.2)	17 (32.1)
조직학적 분화도, n (%)				0.944
고분화된	20 (12.0)	14 (12.3)	6 (11.3)
중등도 분화	81 (48.5)	56 (49.1)	25 (47.2)
저분화의	66 (39.5)	44 (38.6)	22 (41.5)
종양 길이 ≥5 cm, n (%)	68 (40.7)	45 (39.5)	23 (43.4)	0.621
pT3–4 단계, n (%)	121 (72.5)	82 (71.9)	39 (73.6)	0.821
림프절 전이, n (%)	100 (59.9)	68 (59.6)	32 (60.4)	0.924
TNM 병기 III–IV, n (%)	111 (66.5)	75 (65.8)	36 (67.9)	0.785
림프혈관 침범, n (%)	65 (38.9)	42 (36.8)	23 (43.4)	0.404
주요 치료 방법, n (%)				0.753
근치적 수술 ± 보조 요법	113 (67.7)	79 (69.3)	34 (64.2)
확정적 화학방사선요법	32 (19.2)	21 (18.4)	11 (20.8)
완화적 전신/지지 치료	22 (13.2)	14 (12.3)	8 (15.1)

표 2: 훈련 및 외부 검증 코호트 내 ESCC 환자의 임상병리학적 특성. 훈련 코호트와 외부 검증 코호트의 ESCC 환자 간에 종양 위치, 조직학적 분화도, 종양 길이, pT 단계, 림프절 상태, TNM 단계, 림프혈관 침범 및 일차 치료 방법이 비교되었습니다.

모델	최적 컷오프 값	AUC (95% CI)	민감도 (%)	특이도 (%)	양성 예측도 (PPV, %)	음성 예측도 (NPV, %)	정확도 (%)	F1 점수 (%)
CEA	4.85 ng/mL	0.71 (0.635–0.786)	58.8	76.2	7.9	56.6	6.2	67.1
SCC-Ag	1.52 ng/mL	0.802 (0.735–0.869)	70.2	78.8	82.5	65.6	73.8	76.1
CA125	31.8 U/mL	0.68 (0.591–0.74)	4.7	82.5	78.5	52.4	60.3	57
결합 패널	0.57	0.869 (0.817–0.921)	79.8	81.2	85.8	73	80.4	82.7

표 3: 훈련 코호트에서 개별 바이오마커 및 결합 혈청 바이오마커 패널의 진단 정확도. 진단 성능은 최적 컷오프, 수신자 조작 특성 곡선 아래 면적, 민감도, 특이도, 양성 예측도, 음성 예측도, 정확도 및 F1 스코어를 사용하여 보고되었습니다.

비교	AUC (95% CI)	민감도, %	특이도, %	정확도, %	브라이어 점수	검량선 기울기	임계 확률 0.30에서의 순이익
식도편평세포암(ESCC) 대 비-식도편평세포암(non-ESCC)	0.842 (0.753–0.930)	75.5	76.7	75.9	0.164	0.93	0.218
식도편평세포암(ESCC) 대 양성 식도 질환	0.801 (0.686–0.916)	73.6	73.3	73.5	0.171	0.9	0.196
식도편평세포암(ESCC) 대 건강 대조군	0.889 (0.800–0.979)	77.4	86.7	79.5	0.122	0.97	0.252
초기 단계 식도편평세포암(ESCC) 대 비악성 대조군	0.818 (0.704–0.932)	70.6	78.3	76.3	0.153	0.89	0.173

표 4: 결합 혈청 바이오마커 패널의 진단 성능에 대한 외부 검증. 모델 성능은 ESCC 대 비-ESCC, ESCC 대 양성 식도 질환, ESCC 대 건강 대조군, 그리고 조기 ESCC 대 비악성 대조군의 네 가지 진단 시나리오에 대해 요약되었습니다.

특성	범주	CEA 상승 (n %)	SCC-Ag 상승 (n %)	CA125 상승 (n %)	높은 복합 수치 (n %)	CEA에 대한 P 값	SCC-Ag에 대한 P 값	CA125에 대한 P 값	복합 수치에 대한 P 값
연령	<65세 (n = 104)	40 (38.5)	54 (51.9)	29 (27.9)	31 (29.8)	0.129	0.108	0.151	0.028
	≥65세 (n = 63)	32 (50.8)	41 (65.1)	25 (39.7)	30 (47.6)
성별	여성 (n=34)	13 (38.2)	17 (50.0)	13 (38.2)	12 (35.3)	0.513	0.367	0.402	0.871
	남성 (n = 13)	59 (4.4)	78 (58.6)	41 (30.8)	49 (36.8)
종양 길이	<5 cm (n = 9)	35 (35.4)	49 (49.5)	24 (24.2)	27 (27.3)	0.015	0.021	0.09	0.04
	≥5 cm (n = 68)	37 (54.4)	46 (67.6)	30 (44.1)	34 (50.0)
분화도	분화 양호/중등도 (n = 103)	38 (36.9)	52 (50.5)	27 (26.2)	29 (28.2)	0.018	0.032	0.027	0.06
	분화 불량 (n=64)	34 (53.1)	43 (67.2)	27 (42.2)	32 (50.0)
pT 병기	pT1–2 (n = 46)	13 (28.3)	20 (43.5)	9 (19.6)	10 (21.7)	0.016	0.028	0.036	0.01
	pT3–4(n = 121)	59 (48.8)	75 (62.0)	45 (37.2)	51 (42.1)
림프절 상태	음성 (n = 67)	21 (31.3)	31 (46.3)	15 (2.4)	18 (26.9)	0.012	0.025	0.021	0.038
	양성 (n = 100)	51 (51.0)	64 (64.0)	39 (39.0)	43 (43.0)
TNM 병기	I–II (n = 56)	16 (28.6)	25 (4.6)	1 (19.6)	13 (23.2)	0.08	0.021	0.014	0.09
	III–IV (n= 1)	56 (50.5)	70 (63.1)	43 (38.7)	48 (43.2)

표 5: ESCC 환자의 혈청 바이오마커 상승과 임상병리학적 특징 간의 연관성. CEA 상승, SCC-Ag 상승, CA125 상승 및 높은 복합 바이오마커 부담의 비율을 인구통계학적 및 종양 관련 하위 그룹 간에 비교하였다.

변수	전체 생존기간(OS)에 대한 단변량 위험비(HR) (95% CI)	P 값	전체 생존기간(OS)에 대한 다변량 위험비(HR) (95% CI)	P 값	PFS에 대한 단변량 HR (95% CI)	p-값	무진행 생존기간(PFS)에 대한 다변량 위험비(HR) (95% CI)	p값
연령 ≥65세	1.52 (1.01–2.31)	0.046	1.39 (0.90–2.14)	0.138	1.41 (0.97–2.06)	0.074	1.31 (0.88–1.95)	0.186
남성	1.18 (0.67–2.08)	0.566	—	—	1.13 (0.69–1.84)	0.632	—	—
종양 길이 ≥5 cm	1.89 (1.25–2.86)	0.003	1.44 (0.93–2.23)	0.103	1.76 (1.22–2.55)	0.003	1.36 (0.92–2.01)	0.122
분화 불량	1.63 (1.07–2.47)	0.024	1.29 (0.84–1.99)	0.245	1.58 (1.09–2.28)	0.016	1.27 (0.86–1.87)	0.228
pT3–4 단계	2.04 (1.19–3.49)	0.009	1.36 (0.76–2.44)	0.304	1.92 (1.18–3.11)	0.009	1.29 (0.77–2.18)	0.335
림프절 전이	2.46 (1.50–4.03)	<0.001	1.94 (1.15–3.28)	0.013	2.12 (1.37–3.28)	0.001	1.73 (1.08–2.79)	0.023
근치적 수술 기반 치료	0.43 (0.28–0.65)	<0.001	0.56 (0.36–0.88)	0.012	0.51 (0.35–0.74)	<0.001	0.63 (0.43–0.94)	0.024
CEA 수치 상승	1.88 (1.24–2.85)	0.003	1.34 (0.86–2.10)	0.199	1.71 (1.18–2.49)	0.005	1.26 (0.84–1.88)	0.267
상승된 SCC-Ag	1.95 (1.25–3.03)	0.003	1.29 (0.80–2.08)	0.302	1.82 (1.22–2.72)	0.004	1.25 (0.81–1.93)	0.315
CA125 수치 상승	1.79 (1.16–2.78)	0.009	1.21 (0.76–1.93)	0.421	1.68 (1.13–2.50)	0.011	1.18 (0.77–1.82)	0.446
높은 복합 바이오마커 부하	2.91 (1.89–4.46)	<0.001	2.24 (1.41–3.54)	0.001	2.63 (1.80–3.84)	<0.001	2.03 (1.35–3.05)	0.001

표 6: 전체 생존율 및 무진행 생존율에 대한 단변량 및 다변량 Cox 회귀 분석. 임상병리학적 변수, 개별 바이오마커 상승 및 높은 복합 바이오마커 부담에 대한 위험비와 95% 신뢰구간이 제시되어 있습니다.

모델	훈련 코호트 C-지수	훈련 1년 AUC	3년 AUC 훈련	훈련 5년 AUC	외부 검증 C-지수	외부 1년 AUC	외부 3년 AUC	외부 5년 AUC	NRI 대 TNM	IDI 대 TNM
TNM 병기 단독	0.662	0.701	0.676	0.648	0.641	0.672	0.651	0.628	—	—
바이오마커 패널 단독 사용	0.703	0.744	0.713	0.689	0.681	0.709	0.687	0.666	0.118	0.049
임상병리학적 모델	0.736	0.772	0.748	0.721	0.708	0.741	0.719	0.694	0.153	0.061
통합 모델	0.792	0.829	0.806	0.781	0.761	0.801	0.774	0.748	0.274	0.102

표 7: 훈련 및 외부 검증 코호트에서 서로 다른 예후 모델의 예측 성능. TNM 병기 단독, 바이오마커 패널 단독, 임상병리학적 모델, 그리고 통합 모델 간의 Harrell’s C-index, 시간 의존적 곡선 아래 면적(AUC), 순 재분류 개선도(NRI) 및 통합 판별 개선도(IDI)를 비교함.

보충 표 1: 참가자 스크리닝, 제외 및 최종 코호트 할당. 스크리닝 수, 제외 사유, 최종 분석 대상군, 진단 그룹 분포 및 센터별 코호트 할당 내용이 요약되어 있습니다.이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 표 2: 혈청 바이오마커 측정의 분석 간 및 센터 간 재현성.CEA, SCC-Ag 및 CA125에 대한 블라인드 브릿징 혈청 분주물 테스트 결과가 센터 간 변동 계수와 급내 상관 계수를 사용하여 요약되었습니다.이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 표 3: 진단 그룹별 혈청 바이오마커 분포 및 복합 바이오마커 부하.ESCC 환자, 양성 식도 질환 대조군 및 건강한 대조군에 대하여 혈청 CEA, SCC-Ag, CA125의 그룹별 분포와 높은 복합 바이오마커 부하를 보이는 비율을 요약하였습니다.이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 표 4: 진단 모델 계수 및 부트스트랩 내부 검증. 진단 모델 절편, 바이오마커 계수, 단변량 및 다변량 로지스틱 회귀 추정치, 훈련 코호트 컷오프, 부트스트랩 재표집 횟수, 낙관주의 교정 곡선하 면적, 보정 기울기 및 Brier 점수가 요약되어 있습니다.이 파일을 다운로드하려면 여기를 클릭하십시오.

보충 표 5: 예후 검증을 위한 추적 관찰, 랜드마크 사망률, 보정 및 결정 곡선 결과.바이오마커 부담 그룹별 추적 관찰 기간, 생존 이벤트, OS 중앙값 및 PFS; C-index 개선도; 낙관주의 보정 C-index; 랜드마크 누적 사망 확률; 외부 검증 Brier 점수; 보정 기울기; 그리고 결정 곡선 순 이익 추정치가 요약되어 있습니다.이 파일을 다운로드하려면 여기를 클릭하십시오.

토론

본 2개 센터 연구에서는 ESCC의 진단 및 예후 평가를 위해 CEA, SCC-Ag, CA125를 통합한 복합 혈청 바이오마커 패널을 개발하고 외부 검증을 수행하였습니다. 해당 복합 패널은 ESCC를 비악성 대조군과 구별하는 데 있어 각 개별 바이오마커보다 우수한 성능을 보였으며, 외부 검증 코호트에서도 수용 가능한 수준의 판별력을 유지하였습니다. 이러한 결과는 혈청 종양 마커가 임상적으로 유의미한 진단 및 예후 정보를 제공할 수 있다는 기존 ESCC 연구들과 일치하지만, 단일 마커의 성능은 악성 및 비악성 상태 간의 생물학적 중첩으로 인해 제한적인 경우가 많습니다^23,24. 따라서 본 연구의 주요 기여는 치료 전 진단, 임상 병리학적 상관관계 및 생존 층화 분석을 하나의 분석 프레임워크로 통합한 재현 가능한 3개 마커 워크플로우를 개발했다는 점에 있습니다.

CEA, SCC-Ag, CA125는 부분적으로 서로 다른 종양 관련 과정을 반영하기 때문에 결합 패널의 향상된 성능은 생물학적으로 타당합니다. SCC-Ag는 편평상피세포 악성 종양과 밀접한 관련이 있으며, 본 코호트에서 단독 진단 성능이 가장 강력하게 나타났습니다. CEA는 종양 부하, 침습적 표현형 및 전신 악성 활동을 반영할 수 있는 반면, CA125는 ESCC 특이적 생물학보다는 더 광범위한 염증, 장막 또는 진행성 질환 신호를 포착할 수 있습니다^25,26. 세 가지 바이오마커 간의 중간 정도의 상관관계는 이 마커들이 서로 관련이 있지만 중복되지 않음을 시사하며, 이는 단일 순환 측정값에 의존하기보다 공동 모델링을 사용하는 것을 뒷받침합니다.

높은 복합 바이오마커 부하는 더 큰 종양 크기, pT3–4 질환, 림프절 전이 및 TNM 병기 III–IV 질환과 연관이 있었으며, 이는 해당 패널이 단순한 이분법적 진단 신호 이상의 정보를 포착했음을 나타냅니다. 해부학적 병기가 여전히 식도편평세포암(ESCC) 관리의 중심이 되지만, 동일한 병기의 환자라도 종양의 공격성, 전신적 부하 및 생존 결과에서 차이가 날 수 있기 때문에 이러한 패턴은 임상적으로 중요합니다²⁷. 따라서 혈청 기반 바이오마커 프로필은 특히 임상의가 수술, 확정적 화학방사선요법, 전신 치료 또는 강화된 추적 관찰을 결정하기 전 추가 정보가 필요할 때, 치료 전 위험 평가를 정교화하는 데 도움이 될 수 있습니다. 생존 분석에서 높은 복합 바이오마커 부하는 주요 임상병리학적 변수를 보정한 후에도 낮은 OS 및 PFS와 독립적으로 연관되어 있었으며, 통합 모델은 TNM 병기 단독 모델보다 더 높은 C-index와 시간 의존적 AUC를 보였습니다²⁸.

영상 기반, 라디오믹스(radiomics), 유전자 발현 또는 멀티오믹스 모델과 비교했을 때, 본 패널은 실용적인 장점이 있는 반면 생물학적 범위는 더 좁습니다. 라디오믹스 및 전사체 모델은 공간적 이질성, 종양 미세환경 특성 및 분자 아형을 포착할 수 있으며, 일부는 ESCC에서 유망한 예후 성능을 보여주었습니다^29,30. 하지만 이러한 접근 방식은 대개 표준화된 영상 프로토콜, 고급 계산 파이프라인, 고품질 조직 샘플, 시퀀싱 플랫폼 또는 전문적인 생물정보학 지원이 필요합니다. 대조적으로, CEA, SCC-Ag 및 CA125는 많은 임상 실험실에서 일상적으로 측정되며, 상대적으로 비용이 저렴하고 추적 관찰 기간 동안 반복 측정이 가능합니다. 따라서 본 패널의 임상적 가치는 영상 진단, 병리학, 분자 프로파일링 또는 TNM 병기 결정을 대체하는 능력이 아니라, 접근성과 워크플로우 호환성에 있습니다.

교정 및 결정 곡선 분석 결과는 신중한 임상 적용의 근거를 제공합니다. 통합 진단 모델은 훈련 코호트와 외부 검증 코호트 모두에서 수용 가능한 교정 성능을 보였으며, 결정 곡선 분석 결과 임상적으로 유의미한 임계값 범위 전반에서 긍정적인 순 이익(net benefit)이 나타났습니다. 또한 통합 예후 모델 역시 외부 검증에서 개선된 판별력과 수용 가능한 교정 성능을 보여주었습니다. 이러한 결과가 중요한 이유는 판별력만 높은 모델은 교정 상태가 불량하거나 임상적으로 유용하지 않을 수 있기 때문입니다³¹. 본 연구는 AUC, C-index, 교정, Brier score 및 결정 곡선 결과를 보고함으로써, 판별 지표나 위험비(hazard ratio)에만 의존한 연구들보다 모델 성능에 대해 더 완전한 평가를 제공합니다.

몇 가지 제한 사항을 인정해야 합니다. 본 연구에 외부 검증이 포함되었으나, 두 개의 센터로 제한되었으며 검증 코호트의 규모가 훈련 코호트보다 작았습니다. 바이오마커 수치는 치료 전 기저 시점에만 측정되었으므로, 순차적인 종양 표지자 추세가 추가적인 예후 정보를 제공할 수 있음에도 불구하고³² 선행 보조 요법, 화학방사선요법, 수술 후 감시 또는 재발 모니터링 중의 종단적 변화는 평가되지 않았습니다. 혈청 패널을 동일한 환자군에서 라디오믹스, 유전자 발현, 순환 종양 DNA 또는 기타 액체 생검 모델과 직접 비교하지 않았으며, 염증성, 양성 또는 동반 질환 상태에서 위양성 상승이 발생할 수 있습니다. 요약하면, CEA, SCC-Ag 및 CA125 결합 혈청 패널은 개별 바이오마커보다 더 나은 진단 변별력을 제공했고, 불량한 임상병리학적 특징과 연관되었으며, 기존의 임상 변수에 추가되었을 때 예후 층화를 개선했습니다. 일상적인 임상 적용에 앞서 추가적인 다기관 검증, 순차적 바이오마커 평가 및 영상 기반 및 분자 모델과의 직접적인 비교가 필요합니다.

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
Access CEA 교정물질	Beckman Coulter	33205	혈청 CEA 분석을 위한 검정
CEA 품질 관리 접근	Beckman Coulter	33029	혈청 CEA 분석을 위한 일일 내부 품질 관리
CEA 시약 팩 접근	Beckman Coulter	33200	UniCel DxI 800 Access 면역 분석 시스템을 이용한 혈청 CEA 측정
가변 마이크로피펫, 100–1000 µL	Eppendorf	3123000063	원심분리 후 혈청 분주
ARCHITECT CA 125 II 교정물	Abbott Diagnostics	제공된 텍스트가 없습니다. 번역할 내용을 입력해 주세요.	혈청 CA125 분석을 위한 검정
ARCHITECT CA 125 II 컨트롤	Abbott Diagnostics	죄송합니다. 번역할 소스 텍스트가 제공되지 않았습니다. 번역이 필요한 영문 내용을 제공해 주시면, 요청하신 지침에 따라 전문적인 한국어 학술 번역을 진행하겠습니다.	혈청 CA125 분석을 위한 일일 내부 품질 관리
ARCHITECT CA 125 II 시약 키트	Abbott Diagnostics	02K4529	ARCHITECT i2000SR 면역 분석기를 이용한 혈청 CA125 측정
ARCHITECT i2000SR 면역 분석기	Abbott Diagnostics	i2000SR	SCC-Ag 및 CA125 검사를 위한 자동화 화학발광 미세입자 면역분석 플랫폼
ARCHITECT SCC 교정물	Abbott Diagnostics	8D1801	혈청 SCC-Ag 분석을 위한 검정
ARCHITECT SCC 제어 장치	Abbott Diagnostics	8D1810	혈청 SCC-Ag 분석을 위한 일일 내부 품질 관리
ARCHITECT SCC 시약 키트	Abbott Diagnostics	8D1828	ARCHITECT i2000SR 면역 분석기를 이용한 혈청 SCC-Ag 측정
바코드 라벨 프린터	브레이디	BMP51	혈청 분주액 및 극저온 보관 튜브의 바코드 라벨링
채혈침	BD Biosciences	367286	말초 정맥혈 채혈
초저온 보관 박스	Corning	431131	냉동 혈청 분주 시료의 체계적 보관
동결 보관 튜브, 2.0 mL, 외나사형, 자립형	Corning	430659	바코드 라벨이 부착된 혈청 분주 시료의 보관 온도 −80 °C
데이터 추출 양식 및 사전 정의된 데이터 사전	연구 팀	해당 없음	임상, 병리, 실험실 및 추적 관찰 변수의 표준화된 추출
dcurves 패키지	R 패키지	버전 0.4.0	결정 곡선 분석 및 임상적 순이익 추정
전자 건강 기록 시스템	참여 병원	해당 사항 없음	인구통계학적, 임상적, 치료 및 추적 관찰 데이터 추출
필터 팁, 100$\mu$L–1000 µL	Eppendorf	30073594	오염 제어 혈청 소분법
ggplot2 패키지	R 패키지	버전 3.5.1	통계적 시각화 및 도표 작성
IBM SPSS Statistics	IBM	버전 27.0	기초선 비교 및 보충 통계 검정
실험실 정보 관리 시스템	참여 병원 실험실	해당 사항 없음	혈청 바이오마커 검사 기록의 검색 및 연결
mice 패키지	R 패키지	버전 3.16.0	연쇄 방정식에 의한 다중 대체
nricens 패키지	R 패키지	버전 1.6	순 재분류 개선 분석
병리 보고 시스템	참여 병원	해당 없음	식도편평세포암(ESCC) 진단 확인, 양성 병리, 종양 특성 및 병기 관련 변수
pROC 패키지	R 패키지	버전 1.18.5	수신자 조작 특성 곡선 분석 및 DeLong 비교
R 통계 소프트웨어	R Foundation for Statistical Computing	버전 4.3.2	통계 분석, 모델 구축, 검증 및 도표 생성
냉장 원심분리기	Eppendorf	5810 R	1,500 x g에서 10분간 원심분리를 통한 혈청 분리
rms 패키지	R 패키지	버전 6.8-1	교정 분석, 노모그램 구축 및 회귀 모델 지원
혈청 분리 혈액 수집관, 5 mL	BD Biosciences	367955	혈청 바이오마커 검사를 위한 공복 말초 정맥혈 채혈
생존 패키지	R 패키지	버전 3.5-7	콕스 비례위험 회귀분석 및 생존 분석
survminer 패키지	R 패키지	버전 0.4.9	카플란–마이어 곡선 시각화
전화 추적 관찰 기록지	연구팀	해당 사항 없음	생존, 재발, 진행 및 최종 접촉 정보의 수집 및 검증
timeROC 패키지	R 패키지	버전 0.4	시간 의존적 수신기 작동 특성 곡선 분석
초저온 냉동고	Thermo Fisher Scientific	TSX60086A	혈청 분주액의 저장 온도 −80 °C
UniCel DxI 800 Access 면역 분석 시스템	Beckman Coulter	DxI 800	혈청 CEA 검사를 위한 자동화 화학발광 면역분석 플랫폼