PaperReviews/Therapeutics(Tx)

“한 사람의 암, 한 사람의 조합요법” N-of-1 정밀항암의 임상적 가능성을 보여준 I-PREDICT

bioinfohub 2026. 1. 19. 19:09
728x90

정밀의료는 그동안 “특정 바이오마커 1개 → 표적약 1개”라는 방식으로 빠르게 발전해 왔습니다. 하지만 진행성 암은 한 가지 변이만으로 설명하기 어려운 경우가 많고, 실제 종양은 여러 경로가 동시에 망가진 복합 분자 네트워크에 가깝습니다.
I-PREDICT 연구는 이 현실을 정면으로 다루며, 환자별(=N-of-1) 종양 프로파일에 맞춘 ‘개인화 조합요법’을 실제 임상에서 운영했을 때의 안전성과 성과를 체계적으로 제시했습니다.

I-PREDICT 연구 CONSORT 흐름도 및 처방 레짐 분포. 설명: 동의(총 456명) 후 평가 가능 환자 210명에서 FDA 승인 약물 기반 치료가 시행되었고, 157개 레짐이 사용되며 이 중 132개는 단 1명에게만 처방된 N-of-1 레짐이었습니다. 출처: Sicklick, J. K., et al. (2026). Figure 1. Journal of Clinical Oncology.


🧩 왜 ‘조합’이 핵심이 되었나: 종양은 대부분 “유일무이한 조합”이기 때문입니다

이 연구에서 환자 종양은 중앙값 5개의 병적 변이(0–20 범위)를 가졌고, 약 95%가 서로 다른(고유한) 분자 지형을 보였습니다. 즉, “표준화된 한두 가지 패턴”으로 묶기 어려운 환자가 대부분이었습니다.


또한 자주 관찰되는 변이는 TP53, KRAS, CDKN2A/B 등으로 나타나며(예: TP53 57%), 동반 변이 조합도 다양했습니다.

210명에서 관찰된 주요 유전자 변이 및 동반 변이 패턴. 설명: (A) 자주 변이되는 유전자 분포, (B) 변이 유형(증폭/결실/재배열 등), (C) 흔한 동반 변이 조합을 시각화하여 “단일 표적만으로는 부족한 복잡성”을 보여줍니다. 출처: Sicklick, J. K., et al. (2026). Figure 2. Journal of Clinical Oncology.


🧪 핵심 운영 전략: ‘여러 약을 쓰되, 용량은 개인별로 안전하게 맞춘다’

이 연구의 현실적인 의미는, 완전히 새로운 신약이 아니라도 (이미 승인된 약물들로) 환자별 분자 이상을 최대한 많이 겨냥하는 맞춤 조합요법을 설계할 수 있다는 점입니다. 실제로 157개 레짐 중 66%는 당시 확립된 안전/권장 용량 근거가 부족한 조합이었습니다.


이때 연구팀은 처음부터 각 약의 시작 용량을 낮게 시작하고, 초기에는 주 단위에 가까운 면밀한 추적을 통해 환자별 허용 용량으로 점진 조정(intrapatient dose titration)하는 방식을 사용했습니다.

약물 개수·매칭점수에 따른 초기 용량 분포와 중증 이상반응(Grade ≥3) 분포. 설명: (A) 약물 수가 늘수록 평균 초기 용량이 낮아지는 경향, (B–D) 약물 수/조합 특성에 따른 Grade ≥3 SAE 분포, (E–F) 매칭점수(MS)와 용량·독성의 관계를 제시합니다(그림 설명은 논문 레전드 기반). 출처: Sicklick, J. K., et al. (2026). Figure 3. Journal of Clinical Oncology.


🛡️ 안전성: “근거가 부족한 조합”이 오히려 중증 독성이 낮았습니다

가장 눈에 띄는 결과 중 하나는 안전성입니다. 기존에 확립된 레짐 대비, ‘처음 시도되는(first-in-human) 조합 레짐’에서 약물 관련 Grade 3/4 중증 독성이 더 낮게 보고되었습니다(6.5% vs 15.5%).
또한 약물 개수매칭점수에 따라 전체 이상반응 발생이 단순히 증가하지 않았다는 점은, “조합=위험”이라는 직관을 임상 운영 설계로 완화할 수 있음을 시사합니다.


🎯 효과: “얼마나 많이 ‘맞춰서’ 겨냥했는가”가 생존을 갈랐습니다

이 연구는 치료-종양 매칭의 정도를 매칭점수(MS = 표적화한 병적 변이 수 / 전체 병적 변이 수)로 정량화했습니다.


결과적으로 MS >50%(높은 매칭) 환자군은 질병조절률(DCR) 60% vs 29%, 무진행생존(PFS) 7.2개월 vs 3.1개월, 전체생존(OS) 19.1개월 vs 10.0개월로 유의하게 우수했습니다.
흥미롭게도 약물 개수 자체는 성과와 강하게 연결되지 않았고, “무엇을 얼마나 정확히 겨냥했는가”가 더 중요한 신호로 나타났습니다.

매칭점수(MS)·약물 수·초기용량에 따른 PFS/OS Kaplan–Meier 분석. 설명: (E–F)에서 MS >50% vs ≤50%의 PFS/OS 차이가 뚜렷하게 제시됩니다. 출처: Sicklick, J. K., et al. (2026). Figure 4. Journal of Clinical Oncology.


📈 ‘고매칭’은 선형적으로 더 좋아졌다: “정밀도는 스펙트럼”입니다

연구팀은 MS를 단순히 “매칭/비매칭”으로 나누지 않고 0%, 1–39%, 40–59%, 60–99%, 100%의 5구간으로 나눠 분석했습니다. 그 결과 MS가 높아질수록 PFS·OS·DCR이 선형적으로 개선되는 패턴이 제시됩니다.
이는 정밀의료가 “맞았냐/틀렸냐”가 아니라, 얼마나 깊게 맞췄는가라는 스펙트럼으로 이해되어야 함을 보여줍니다.

매칭점수(MS)와 PFS/OS/DCR의 선형 상관. 설명: MS 구간별로 (A) 중앙값 PFS, (B) 중앙값 OS, (C) DCR(RECIST v1.1 기반: SD ≥6개월 또는 PR/CR)의 선형 회귀 관계를 제시합니다. 출처: Sicklick, J. K., et al. (2026). Figure 5. Journal of Clinical Oncology.


🧠 실무적으로 남는 질문: “누가, 어디서, 어떻게 표준화할 것인가”

이 전략을 넓히려면 단순히 NGS를 하는 것만으로는 부족합니다. 실제 임상 운영 관점에서 핵심은 다음입니다.

    • 분자종양보드(MTB) 기반 의사결정 체계(해석-처방 연결)
    • 개인별 용량 조정 프로토콜(초기 저용량 + 면밀 추적 + 점진 증량/감량)
    • 성과를 좌우하는 지표로서 MS(매칭점수) 활용(약물 수가 아니라 “타깃 커버리지”)
    • 다만, 다양한 암종을 포함했기 때문에 특정 암종별로 동일한 강도로 결론을 일반화하기 어렵다는 한계도 명시됩니다.

DCR/PFS/OS에 대한 단변량·다변량 회귀분석 요약(핵심 예측인자=매칭점수). 설명: 통계적으로 유의한 변수(표 색상 표시)를 통해 MS >50%가 DCR, PFS, OS에 대해 독립적으로 유의한 예측인자임을 요약합니다. 출처: Sicklick, J. K., et al. (2026). Figure 6. Journal of Clinical Oncology.


💡 한줄평

암의 복잡성을 ‘환자 1명=레짐 1개’로 정면 돌파하고, 매칭의 깊이가 생존을 바꿀 수 있음을 임상 데이터로 보여준 연구입니다.

 

참고문헌 : DOI: 10.1200/JCO-25-01453

반응형