AI가 폐암 면역항암제 효과를 PD-L1 검사보다 잘 예측할까? 2,396명 I3LUNG 연구 리뷰

📌 3줄 요약

1. 면역항암제를 받은 진행성 비소세포폐암 환자 2,396명의 후향 자료로, 2년 생존·6개월 생존·질병조절을 예측하는 AI 모델을 만들고 내부 시험과 외부 검증을 했습니다.
2. 내부 시험에서 임상·혈액 정보만 쓴 모델이 PD-L1·ECOG·LDH·NLR 단독보다 AUC가 높았고(모두 P≤0.05), CT·병리 영상을 더한 효과는 독립 세트에서 일관되게 재현되지 않았습니다.
3. 의사 20명이 AI 설명을 보자 ‘들을 것’이라는 판단의 민감도는 0.72에서 0.87로 올랐지만, 특이도는 0.34에서 0.31로 낮은 채였습니다.

📝 이 리뷰의 근거: PMC에 공개된 논문 전문과 Table 1을 읽었고, Figure 3과 Figure 5 원본 이미지를 직접 확인했습니다. 보충자료(Supplementary Information 1~7)는 읽지 못했습니다.

🤔 왜 이 연구인가

진행성 비소세포폐암에서 면역항암제는 표준 치료가 됐지만, 오래 이득을 보는 환자는 일부입니다. 지금 치료 선택에 쓰이는 대표 검사는 암 조직의 PD-L1 단백질 비율인데, PD-L1이 높아도 듣지 않거나 낮아도 듣는 환자가 있습니다. 이 검사들의 강점과 빈틈은 진단 기초 시리즈 23편에서 정리했습니다.

그래서 여러 자료를 한꺼번에 읽는 AI로 더 나은 예측을 하려는 시도가 이어졌습니다. 다만 이전의 대표적인 멀티모달 연구 두 편은 환자 247명(단일 기관)과 317명 규모였고, 두 연구 모두 별도 시험·외부 검증 세트가 없었습니다¹². 유럽연합 연구비로 진행 중인 I3LUNG 프로젝트는 6개 기관 자료로 이 질문에 답하려 했고, 그 후향 단계 결과가 2026년 9월 Nature Medicine에 실렸습니다³.

🔬 연구 설계

멀티모달 AI는 성격이 다른 자료(숫자, 영상, 슬라이드, 유전자)를 한 모델에 넣는 방식입니다. 연구진은 결측 자료가 있는 환자를 빼고 합치는 방식과, 자료가 일부 없어도 돌아가는 딥러닝 방식을 함께 시험했습니다. 영상과 슬라이드는 대규모 데이터로 미리 학습된 기초모델(foundation model)로 특징을 뽑았습니다. 다만 네 가지 자료를 모두 가진 환자는 339명뿐이었습니다.

내부 시험 세트는 학습에 쓴 5개 기관에서 떼어 둔 환자이고, 진짜 ‘다른 집단’은 시카고대 한 곳입니다. 두 집단은 꽤 달랐습니다. 외부 검증 집단은 여성 59%(학습 35%), PD-L1 1% 미만 40%(학습 28%), 중앙 생존 22.2개월(학습 12.4개월)이었습니다.

📊 주요 결과

AUC는 0.5면 동전 던지기, 1이면 완벽한 구분을 뜻합니다. 아래는 임상·혈액만 쓴 머신러닝 모델 값입니다.

1. 단일 지표보다 AUC가 높았습니다. 내부 시험에서 PD-L1 값이 있는 171명의 2년 생존 예측 AUC는 모델 0.74, PD-L1 단독 0.53이었습니다(논문 Figure 3c). ECOG(0.62), LDH(0.58), NLR(0.66)보다도 높았습니다. 다만 PD-L1은 모델에 들어간 9개 변수 가운데 하나라, 이 비교는 ‘PD-L1 대신 AI’가 아니라 ‘PD-L1 하나 vs PD-L1을 포함한 9개 변수’입니다. 저자들도 AUC 차이가 민감도·특이도 같은 다른 지표에서는 일관되지 않았다고 적었습니다.

2. 위험군은 갈렸습니다. 내부 시험 141명을 셋으로 나누자 중앙 생존은 저위험 25.1개월, 고위험 4.7개월이었습니다. 다만 ML 모델에서 중간 위험군(10.2개월)과 고위험군은 유의하게 갈리지 않았습니다(논문 Figure 3d). 생존 예측력(C-index)은 모델 0.65, LIPI 0.55였습니다.

3. 영상·병리를 더한 이득은 불확실했습니다. 학습 세트 교차검증에서는 일부 조합이 AUC 0.88까지 올랐지만, 내부 시험과 외부 검증에서는 일관되게 재현되지 않았습니다. 자료가 일부 없어도 되는 딥러닝 모델은 자료를 더해도 나아지지 않았습니다. 연구진은 완전한 자료를 가진 환자가 적은 탓으로 봤습니다.

4. 면역항암제 특이적인지는 반쯤만 보였습니다. 면역항암제를 쓰지 않은 EGFR 표적치료·항암화학요법 코호트에서 반응 예측 AUC는 0.50~0.58로 낮았습니다. 다만 나중에 2차 이상에서 면역항암제를 받은 환자의 1차 항암화학요법 시점 자료로도 6개월 생존 AUC가 0.72였습니다. 저자들은 이를 이후 면역항암제의 영향으로 해석했지만, 생존 예측의 일부는 치료와 무관한 예후 정보일 가능성도 있습니다(리뷰어 해석).

👩‍⚕️ 의사가 AI 설명을 보면 판단이 나아질까

연구진은 환자 100명(내부 시험 80, 외부 검증 20)을 폐암 전문의 10명과 폐암 비전문 의사 10명(전공의·일반 종양내과 의사)에게 보여 줬습니다. 먼저 자료만 보고 질병조절 여부와 생존 기간을 예측하게 한 뒤, AI 예측과 ‘어떤 변수가 예측을 움직였는지’ 보여 주는 설명(SHAP)을 더해 다시 예측하게 했습니다.

민감도는 ‘실제로 질병이 조절된 환자’를 맞힌 비율이고, 특이도는 ‘진행한 환자’를 맞힌 비율입니다. 특이도가 0.3대라는 것은 진행할 환자 10명 중 약 7명을 ‘들을 것’으로 예측했다는 뜻입니다. 숫자 읽는 법은 진단 기초 시리즈 4편에서 다뤘습니다.

논문 Figure 5c를 보면 200건 중 35건(17.5%)은 틀린 판단을 맞는 AI 조언에 따라 고쳤고, 20건(10.0%)은 맞는 판단을 틀린 조언에 따라 바꿨습니다. 틀린 AI 조언을 따른 비율은 폐암 전문의 72.2%(18건 중 13건), 비전문의 63.6%(11건 중 7건)로, 건수가 적어 차이를 단정하기 어렵습니다. 올바른 예측의 오즈비는 1.37(P=0.1)로 통계적으로 유의하지 않았습니다.

🌍 의미

• 규모와 투명성: 6개 기관 2,075명을 주 분석에 쓰고 외부 검증, 공정성 분석, 의사 사용성 연구까지 묶었습니다. 특징값 데이터와 코드도 공개했습니다.
• ‘영상을 더하면 좋아진다’에 대한 정직한 결과: 멀티모달의 추가 이득이 독립 세트에서 재현되지 않았다고 스스로 밝혔습니다. 자료 종류를 합치는 논리는 진단 기초 시리즈 7편에서 다뤘습니다.
• 일상 자료의 힘: 내부 시험에서는 진료 기록의 9개 변수만으로 단일 지표보다 AUC가 높았습니다. 다만 외부 검증에서 성능이 떨어졌고 민감도·특이도에서는 차이가 일관되지 않아, 다른 집단에서 다시 확인해야 합니다.

⚠️ 한계

저자들이 밝힌 한계

• 후향 실제 진료 자료라 기관마다 기록 방식과 질이 다릅니다.
• 완전한 멀티모달 자료가 적고, 결측 환자를 뺀 분석은 선택 편향이 생길 수 있습니다.
• 유전자 자료가 드물고(학습 세트 STK11 결측 75%), CT는 원발 병변만 봤으며 약 15%는 면역항암제 시작 시점 영상이 아니었습니다.
• 외부 검증이 한 기관뿐입니다. 하위군 비교는 다중비교 보정을 하지 않아 가설 생성용입니다.

리뷰어로서 덧붙이는 점

• 결정을 바꾸는지 보지 않았습니다. AUC가 높다는 것과 ‘PD-L1로 정한 치료를 이 모델로 바꾸면 환자가 더 낫다’는 다른 질문입니다. 결정곡선분석(DCA)이나 PD-L1 기준 대비 재분류 분석은 본문에 없고, 확률이 실제 비율과 맞는지 보는 보정(calibration)은 기관별 재보정 결과만 보충자료에 있고 본문에는 없습니다. 저자들도 전향 연구에서 미리 정한 보정 평가가 필요하다고 적었습니다.
• 내부 시험은 ‘같은 병원 다른 환자’입니다. 같은 기관 환자로 학습하고 시험하면 성능이 높게 나오기 쉽습니다. 실제로 다른 집단에서는 질병조절 AUC가 0.55까지 떨어졌습니다. 결측값을 채우는 대치 과정을 학습 세트 안에서만 했는지도 본문에서 확인하지 못했습니다.
• 예측(predictive)인지 예후(prognostic)인지: 면역항암제 이전 항암화학요법 시점 자료로도 생존 예측력이 비슷하게 나와, ‘면역항암제가 들을 사람’을 고른다고 단정하기 어렵습니다.
• 사용성 연구의 설계: 같은 의사가 같은 환자를 AI 없이 본 뒤 바로 다시 봤기 때문에, 두 번째 판단의 향상에는 다시 보는 효과도 섞일 수 있습니다. 실제 처방이나 환자 결과는 평가하지 않았습니다.
• 한국 적용성: 아시아 기관이 없었고, 아시아계 비율은 본문에서 확인하지 못했습니다. EGFR 변이가 흔한 한국 환자군과 PD-L1·흡연 분포도 다를 수 있습니다.
• 이해상충: 연구비는 EU 공공 기금이었고, 여러 저자가 면역항암제 제약사의 자문·강연 이력을 신고했습니다.

🏛️ 지금 어디까지 왔나

• 전향 검증: 저자들에 따르면 2,000명 규모의 ‘진료에 개입하지 않는’ 전향 검증이 진행 중이고, 허가를 위한 실용적 무작위 시험은 계획 단계이며, 실제 배포는 2~3년 뒤로 내다봤습니다³.
• 등록부 정보: 이와 별개로 ClinicalTrials.gov 등록부(2026년 11월 5일 조회)에는 후향 코호트(2,000명 이상)와 전향 코호트(약 200명)를 합친 목표 2,200명, 상태 ‘모집 중’으로 표시돼 있습니다. 다만 1차 완료 예정일(2025년 10월)이 이미 지났고 마지막 갱신이 2023년 1월이라 최신 상태가 반영되지 않았을 수 있습니다. 전체 완료 예정은 2027년 10월입니다⁵.
• 허가: 이 도구의 미국 FDA, 유럽 CE, 국내 식약처 허가 여부는 2026년 11월 5일 기준 확인하지 못했습니다. 연구용 도구로 보는 것이 맞습니다.
• 비슷한 시도: 일반 혈액검사와 임상 정보만으로 면역항암제 효과를 예측한 SCORPIO 모델(21개 암종 9,745명)도 TMB, PD-L1보다 나은 성능을 보고했습니다⁶. 폐암만 대상으로 한 모델은 아닙니다. 면역항암제 선택에 승인된 동반진단은 여전히 PD-L1 같은 바이오마커 검사이며, 동반진단의 개념은 진단 기초 시리즈 22편에 있습니다.
• 한국: 국내 환자 자료로 이 모델을 검증한 연구는 확인하지 못했습니다.

🧪 연구자 노트 ① 진단 AI의 성적표는 개발한 병원 밖에서 다시 매겨집니다. 이 연구의 모델도 2년 생존 AUC가 같은 기관 시험 세트 0.74에서 다른 병원 0.60으로 낮아졌는데, 그 병원은 여성과 PD-L1 음성 환자가 많고 생존도 길어 환자 구성부터 달랐습니다. 아시아 기관은 한 곳도 참여하지 않아, 국내 자료로 다시 검증하기 전에는 이 성능을 그대로 기대하기 어렵다고 봅니다. ② AI가 생존을 잘 맞혔다는 결과를 보면 그것이 ‘누가 오래 사는가’의 답인지 ‘누가 이 약으로 이득을 보는가’의 답인지부터 나눠 봅니다. 진료실에서 필요한 것은 뒤의 질문인데, 이 연구에서는 면역항암제를 쓰기 전 시점 자료로도 생존 예측력이 비슷하게 나와 아직 그 질문에 답했다고 보기는 어렵습니다.

🙋 그래서 나에게는?

• 이 AI는 아직 진료용이 아닙니다. 허가된 도구가 아니며, 면역항암제 사용 여부는 지금처럼 PD-L1, 유전자 검사, 전신 상태를 바탕으로 의료진이 정합니다.
• ‘예측이 나쁘다’는 말이 치료 포기를 뜻하지 않습니다. 이 연구의 고위험군에도 오래 산 환자가 있었고, 모델은 다른 병원에서 정확도가 떨어졌습니다.
• 해외 AI 서비스 결과지를 받았다면 어떤 집단으로 검증됐는지, 한국 환자에서도 확인됐는지 의료진과 함께 보세요.
• 어떤 경우에도 예측 결과만으로 치료를 스스로 바꾸거나 중단하지 마세요.

⚠️ 이 글은 의학적 조언이 아닙니다. 치료 결정은 반드시 담당 의료진과 상의하세요.

❓ 자주 묻는 질문

Q. 이 AI가 PD-L1 검사를 대신하나요? A. 아닙니다. PD-L1은 이 모델의 입력값 가운데 하나이고, 모델은 PD-L1을 포함한 9개 변수를 함께 본 것입니다. 치료 선택 기준을 바꿀 근거는 아직 없습니다.

Q. CT와 병리 사진까지 넣으면 더 정확하지 않나요? A. 학습 단계에서는 그렇게 보였지만, 따로 떼어 둔 환자와 다른 병원에서는 일관되게 재현되지 않았습니다. 연구진은 네 가지 자료를 모두 가진 환자가 339명뿐이었던 점을 원인으로 봤습니다.

Q. 한국 환자에게도 맞을까요? A. 모릅니다. 아시아 기관이 참여하지 않았고, 외부 검증에서도 다른 집단으로 가면 성능이 떨어졌습니다. 국내 자료로 다시 검증해야 합니다.

💬 한 문장으로 말하면

💡 일상 진료 자료 AI는 PD-L1보다 나은 위험 구분을 보였지만, 치료 결정에 쓰려면 전향 검증이 필요합니다.

📚 함께 보면 좋은 글

• 면역항암제가 나에게 들을까? PD-L1·MSI·TMB 검사로 알 수 있는 것과 없는 것
• 검사 여러 개를 합치면 더 정확해질까? 멀티오믹스 진단 쉽게 이해하기
• ‘정확도 99%‘를 믿어도 될까? 진단검사 숫자 읽는 법

참고