Efficacy and Safety of First-Line Immunotherapy Combinations for Advanced NSCLC: A Systematic Review and Network Meta-Analysis
한 줄 요약
이 연구는 advanced NSCLC 환자에서 first-line immunotherapy combinations의 최적 전략을 규명하기 위해 systematic review와 Bayesian network meta-analysis(NMA)를 수행하였다. PubMed, EMBASE 등 데이터베이스 및 주요 학회 자료(2018–2021)에서 검색된 16편의 RCTs(총 8278명 환자, 10가지 IO combinations)를 분석 대상으로 하였다. PD-L1 selection이 없는 전체 군에서 pembrolizumab plus chemotherapy(pem-chemo)와 sintilimab plus chemotherapy(sint-chemo)가 overall survival(OS)에서 가장 우수한 효과를 보였으며, 두 regimen 간에는 유의한 차이가 없었다(HR = 0.96, 95% CI: 0.72–1.29). progression-free survival(PFS)과 objective response rate(ORR)에서는 atezolizumab plus bevacizumab plus chemotherapy(atezo-beva-chemo)가 가장 우수한 결과를 보였다(HR for PFS = 0.45, OR for ORR = 0.23). PD-L1 expression subgroup analysis 결과, PD-L1 < 1% 환자에서는 nivolumab plus ipilimumab plus chemotherapy(nivo-ipi-chemo)가 OS에서 우위를 보인 반면, PD-L1 ≥ 1% 환자에서는 pem-chemo가 가장 높은 OS 이점을 제공하였다. 안전성 측면에서 anti-PD-1 기반 조합은 anti-PD-L1 조합과 비교했을 때 유사하거나 더 나은 safety profile을 보였으며, 특히 pem-chemo와 sint-chemo는 grade ≥3 adverse events(AEs) 발생률이 상대적으로 낮았다.
방법
본 연구는 PRISMA-NMA 가이드라인에 따라 수행되었으며, 프로토콜은 PROSPERO(CRD42020210501)에 등록되었다. 검색 범위는 PubMed, EMBASE, Cochrane Library, ClinicalTrials.gov 및 2018년부터 2021년까지의 주요 국제 학회(AACR, ASCO, ESMO, CSCO, WCLC) 온라인 발표 자료를 포함하였다. 포함 기준은 advanced NSCLC(stage III–IV) 환자를 대상으로 first-line setting에서 immunotherapy combinations을 다른 treatment modality와 비교한 RCTs였으며, phase II 및 III trial 중 OS, PFS, ORR, any-grade AEs, grade ≥3 AEs 중 하나 이상의 결과를 보고한 연구가 대상이었다. 배제 기준으로는 overlapping patients를 가진 연구와 clinical outcomes이 불분명한 연구를 제외하였다. 최종적으로 16편의 연구가 포함되었으며, IMpower-130과 IMpower-150 cohort에서는 wild-type population만 포함하여 heterogeneity를 최소화하였다.
Statistical analysis는 Bayesian framework 기반의 Markov Chain Monte Carlo(MCMC) simulation을 사용하여 수행되었다. WinBUGS(version 1.4.3)를 주 분석 도구로 사용하며, R software(version 4.0.3)의 gemtc package(version 0.8-8)와 JAGS software(version 4.3.0)를 통해 동일한 parameter settings로 결과를 검증하였다. 각 outcome measure에 대해 fixed-effects consistency model을 적용했으며, MCMC 과정에서는 10,000번의 burn-in과 15,000번의 sample iterations per chain을 수행하여 posterior distribution을 도출했다. 모델 수렴(convergence)은 trace plots와 Brooks-Gelman-Rubin diagnostic으로 평가하였다. Primary endpoint는 OS와 PFS였으며, secondary endpoint는 ORR, any-grade AEs, grade ≥3 AEs였다. OS와 PFS의 effect size는 hazard ratio(HR) with 95% confidence interval(95% CI), ORR과 AEs는 odds ratio(OR) with 95% CI로 표현되었다. Treatment ranking은 surface under the cumulative ranking curves(SUCRA)를 계산하여 시각화하였다. 또한, NMA의 핵심 가정인 similarity, consistency, transitivity를 검증하기 위해 frequentist approach 기반의 pairwise meta-analysis와 meta-regression analysis(STATA version 15.1)를 수행했으며, publication bias는 Egger regression test와 funnel plot으로 평가하였다(p < 0.10을 significant asymmetry로 간주).
주요 결과
PD-L1 selection이 없는 전체 환자군에서 OS 분석 결과, sint-chemo가 chemotherapy 대비 가장 큰 OS 이점을 보였으며(HR = 0.59, 95% CI: 0.45–0.77), pem-chemo는 sint-chemo와 통계적으로 유의한 차이가 없이 유사한 OS 이점을 제공하였다(HR = 0.96, 95% CI: 0.72–1.29). anti-PD-1 기반 조합은 anti-PD-L1 및 anti-CTLA-4 조합보다 OS에서 우위를 보였다. 구체적으로 pem-chemo는 durva-treme(HR = 0.65, 95% CI: 0.53–0.78), atezo-chemo(HR = 0.73, 95% CI: 0.62–0.86), durva-treme-chemo(HR = 0.73, 95% CI: 0.54–0.98), atezo-beva-chemo(HR = 0.76, 95% CI: 0.59–0.99), nivo-ipi(HR = 0.83, 95% CI: 0.70–0.99) 대비 유의하게 낮은 HR을 보였다. PFS 분석에서는 atezo-beva-chemo가 chemotherapy 대비 가장 우수한 결과를 보였으며(HR = 0.45, 95% CI: 0.36–0.55), 그 다음으로 sint-chemo(HR = 0.51, 95% CI: 0.44–0.60)와 pem-chemo(HR = 0.54, 95% CI: 0.49–0.61)가 뒤를 이었다. anti-PD-1 조합(pem-chemo, sint-chemo)은 anti-PD-L1 조합(atezo-chemo)보다 PFS에서 유의하게 우수했다(pem-chemo vs atezo-chemo: HR = 0.84, 95% CI: 0.72–0.96; sint-chemo vs atezo-chemo: HR = 0.79, 95% CI: 0.66–0.94). ORR에서도 atezo-beva-chemo가 가장 높았으며(OR = 0.23, 95% CI: 0.12–0.42), pem-chemo가 그 다음으로 우수했다(OR = 0.38, 95% CI: 0.26–0.54).
안전성 분석에서 ICI-ICI 조합(nivo-ipi, durva-treme)이 any-grade AEs와 grade ≥3 AEs 발생률이 가장 낮았다. 그러나 chemotherapy를 IO에 추가하면 toxicity가 증가했으며, 특히 antiangiogenesis drug인 bevacizumab을 병용한 atezo-beva-chemo에서 grade ≥3 AEs 발생 위험이 chemotherapy 대비 현저히 높았다(HR = 5.61, 95% CI: 3.25–9.84). pem-chemo와 sint-chemo는 다른 ICI-chemo 조합에 비해 grade ≥3 AEs 발생률이 상대적으로 낮았다. 특정 AE 발생 확률 분석에서 durva-treme-chemo는 fatigue, nausea, anemia, vomiting, diarrhea, neutropenia, rashes, pruritus, colitis의 발생 확률이 가장 높았으며, nivo-ipi와 durva-treme은 이러한 AE들의 발생 위험이 가장 낮았다. Ranking analysis 결과, OS에서 sint-chemo가 1위일 가능성이 가장 높았으며(cumulative probability 29%), PFS와 ORR에서는 atezo-beva-chemo가 각각 72%와 86%의 확률로 1위를 차지했다. grade ≥3 AEs 발생 위험이 가장 낮은 regimen은 nivo-ipi(91%)였으며, pem-chemo는 OS(30%), ORR(28%), PFS(31%), grade ≥3 AEs(24%)에서 균형 잡힌 순위를 보였다.
Subgroup analysis by PD-L1 expression level 결과, PD-L1 < 1% 환자군에서는 nivo-ipi-chemo가 OS에서 가장 우수한 결과를 보였으며, PD-L1 ≥ 1% 환자군에서는 pem-chemo가 OS에서 가장 높은 이점을 제공했다. Publication bias 평가에서 Egger regression test의 p-value는 0.59로 publication bias가 존재하지 않음을 시사했다.
통계 분석
분석 설계 — 이 연구는 advanced NSCLC 환자에서 first-line immunotherapy combinations의 최적 전략을 찾기 위해 수행된 systematic review와 Bayesian network meta-analysis(NMA)이다. PubMed, EMBASE, Cochrane Library, ClinicalTrials.gov 및 주요 국제 학회 발표 자료(2018-2021)를 검색하여 16개의 randomized controlled trials(RCTs)을 최종 포함했으며, 총 8278명의 환자 데이터를 분석했다. primary endpoint는 overall survival(OS)과 progression-free survival(PFS)이며, secondary endpoint로는 objective response rate(ORR), any-grade adverse events(AEs), 그리고 grade ≥3 AEs를 설정했다. 연구 설계의 핵심은 직접 비교가 이루어지지 않은 치료군 간에 indirect comparison을 통해 상대적 효능과 안전성을 평가하는 것이다.
무엇을 위해 어떤 분석을 썼는가 — 다양한 immunotherapy combinations 간의 상대적 순위를 결정하고, 직접 비교되지 않은 치료법들의 효과를 추정하기 위해 Bayesian framework 기반의 NMA를 수행했다. 이를 위해 WinBUGS(version 1.4.3) 소프트웨어에서 Markov Chain Monte Carlo(MCMC) simulation을 적용했으며, 결과의 신뢰성을 확인하기 위해 R software(version 4.0.3)의 gemtc package(version 0.8-8)와 JAGS software(version 4.3.0)를 사용하여 동일한 파라미터로 재검증했다. 각 endpoint에 대해 fixed-effects consistency model을 사용했으며, MCMC 과정에서는 10,000번의 burn-in과 15,000번의 sample iterations을 수행하여 posterior distribution을 도출했고, trace plots와 Brooks-Gelman-Rubin diagnostic으로 모델 수렴(convergence)을 평가했다. 치료군별 순위 확률을 계산하기 위해 surface under the cumulative ranking curves(SUCRA)를 산출했다. 또한, NMA의 핵심 가정인 similarity, consistency, transitivity를 검증하기 위해 frequentist approach 기반의 pairwise meta-analysis와 Bayesian 결과를 비교했으며, heterogeneity와 inconsistency는 Q test와 I² statistic으로 평가했다(I² > 50% 시 sensitivity analysis 수행). 교란 요인(age, sex, ECOG score, smoking status, metastasis site 등)에 따른 transitivity 위반 가능성을 확인하기 위해 STATA(version 15.1)를 이용한 meta-regression analysis를 수행했고, publication bias는 Egger regression test와 funnel plot으로 평가했다(p < 0.10을 유의한 비대칭으로 간주).
방법론 평가 — 잘 된 점으로는, Bayesian NMA의 결과를 R과 JAGS로 cross-validation하여 재현성을 높였다는 점, 그리고 transitivity 가정의 타당성을 meta-regression을 통해 체계적으로 검증했다는 점이 돋보인다. 또한, Cochrane Risk of Bias Tool(2.0)을 사용하여 포함 연구의 quality assessment를 엄격히 수행했고, publication bias 평가에 Egger test를 적용한 것도 방법론적 강점이다. 그러나 의심스러운 점은 fixed-effects model만을 사용했다는 것이다. NMA에서는 일반적으로 study 간 heterogeneity가 존재할 수 있으므로 random-effects model을 고려하거나 sensitivity analysis로 비교해야 하는데, 원문에는 fixed-effects만 명시되어 있어 결과의 robustness에 대한 의문이 남는다. 또한, subgroup analysis(PD-L1 expression level)는 언급되었으나, 이를 위한 statistical interaction test나 formal subgroup analysis 방법론이 상세히 기술되지 않았다. 결측치 처리(missing outcome data)에 대한 구체적인 imputation 방법이나 sensitivity analysis 수행 여부는 원문에 명시되지 않음. multiple testing 보정에 대한 언급도 없으며, NMA에서 여러 pairwise comparison을 동시에 수행할 때 발생할 수 있는 type I error 증가 문제를 어떻게 통제했는지 불명확하다.
설계에 참고할 점 — 유사한 연구를 설계할 때는 Bayesian NMA의 결과를 frequentist 방법(R/gemtc)으로 cross-check하여 결과의 신뢰성을 강화하는 접근법을 채택할 가치가 있다. 또한, transitivity 가정의 타당성을 meta-regression을 통해 교란 요인별로 검증하는 과정은 필수적으로 포함해야 한다. 반면, fixed-effects model에만 의존하기보다는 random-effects model과의 비교 분석을 추가하고, subgroup analysis 시 formal interaction test를 수행하여 결과의 일반화 가능성을 높이는 것이 필요하다.
강점
본 연구는 advanced NSCLC first-line treatment setting에서 다양한 immunotherapy combinations을 체계적으로 비교한 최초의 대규모 network meta-analysis 중 하나로, 직접 비교(head-to-head)가 이루어지지 않은 regimen 간 상대적 효능과 안전성을 정량적으로 평가했다는 점에서 의의가 있다. Bayesian framework와 MCMC simulation을 활용하여 indirect comparison의 신뢰성을 높였으며, R과 JAGS를 통한 cross-validation으로 결과의 robustness를 검증했다. PD-L1 expression level에 따른 subgroup analysis를 수행함으로써 biomarker 기반의 personalized treatment strategy 수립에 필요한 구체적인 근거를 제공하였다. 또한, 16편의 RCTs에서 총 8278명의 환자 데이터를 포함하여 표본 규모가 충분하며, Cochrane Risk of Bias Tool (2.0)을 사용한 엄격한 quality assessment와 meta-regression analysis를 통한 heterogeneity 및 inconsistency 평가는 방법론적 엄밀성을 보장한다.
한계
본 연구의 주요 한계는 included studies 간의 clinical heterogeneity로, 각 trial의 patient population characteristics(예: age, sex, smoking status, metastasis site)와 chemotherapy backbone regimen이 서로 달라 indirect comparison의 transitivity 가정 위반 가능성이 존재한다. 또한, 일부 regimen(예: camrelizumab, tislelizumab)에 대한 데이터가 제한적이거나 특정 subgroup(PD-L1 1–49%, ≥50%)에서의 PFS 및 ORR 데이터 부족으로 모든 endpoint에 대해 완전한 subgroup analysis를 수행하지 못했다. Network meta-analysis의 결과는 indirect comparison에 의존하므로, 직접 비교 trial이 없는 regimen 간 순위는 실제 임상 효과와 다를 수 있으며, 이는 treatment effect modification 요인을 완전히 통제하지 못했기 때문이다. 마지막으로, included studies 중 일부가 conference proceedings에서 발표된 gray literature를 포함하고 있어, peer-reviewed publication 대비 데이터의 완성도와 검증 수준에 차이가 있을 수 있다.
해석
이 연구 결과는 advanced NSCLC first-line treatment에서 anti-PD-1 기반 조합(pem-chemo, sint-chemo)이 anti-PD-L1 기반 조합보다 OS와 PFS에서 우월하며, 안전성 프로파일도 유사하거나 더 우수함을 시사한다. 특히 PD-L1 expression status에 따라 최적의 regimen이 달라지므로, PD-L1 < 1% 환자에서는 nivo-ipi-chemo를, PD-L1 ≥ 1% 환자에서는 pem-chemo를 고려할 수 있는 근거를 제공한다. atezo-beva-chemo는 PFS와 ORR에서 가장 우수하지만 grade ≥3 AEs 발생 위험이 높으므로, toxicity 관리가 가능한 환자군에 제한적으로 적용해야 한다. 이러한 결과는 LLM Wiki의 oncology 문헌에서 immunotherapy combinations의 biomarker-guided selection 중요성을 강조하며, 기존 chemotherapy-only standard of care를 넘어 IO 기반 combination therapy의 임상적 우선순위를 재정의하는 데 기여한다. 향후 head-to-head trial이 필요하지만, 현재로서는 이 NMA 결과가 clinical decision-making에서 유용한 reference point로 활용될 수 있다.