16강 / 20강

irAE — 브레이크를 푼 대가

왜 부작용이 '자가면역처럼' 생기나 · 그리고 왜 그것이 좋은 신호일 수도 있나

관문은 원래 자기 조직을 지키는 장치였습니다 (3강). 그러니 그것을 풀면 — 자기 조직도 위험해집니다.

부작용은 부작용이 아니라
약이 작동한 결과입니다

이것이 항암제 부작용과 근본적으로 다른 점입니다. 항암제는 독성이 문제지만, 관문 억제제는 면역이 제대로 작동해서 생깁니다.

고등학생왜 부작용이 자가면역처럼 생기나

1강에서 본 것 — 관문은 자기 조직을 공격하지 않게 하는 장치 다. 그 장치를 막으면 무슨 일이 나겠는가?

부작용이 자가면역질환을 닮는다

irAE	닮은 질환
대장염	염증성 장질환
갑상샘염	하시모토 갑상샘염
피부 발진 · 백반	백반증
1형 당뇨	1형 당뇨
폐렴 · 간염 · 심근염	각각의 자가면역 형태

일반 항암제의 부작용(탈모·오심·골수억제)과는 성격이 완전히 다르다. 세포독성이 아니라 면역 반응 이기 때문이다.

부작용의 목록만 봐도 이 약이 어떻게 작동하는지 알 수 있다

irAE 는 자가면역질환을 닮았습니다

어디	무엇처럼 보이나
대장	염증성 장질환
갑상선 · 뇌하수체	자가면역 내분비질환
피부	발진 · 백반증
폐	폐렴(비감염성)
간 · 신장 · 심장	각각의 자가면역 염증

어느 장기에 오는지는 사람마다 다릅니다. 그 사람에게 어떤 자가반응 T세포가 지워지지 않고 남아 있었느냐에 달렸을 것으로 봅니다 (`/tcell` 7강의 음성선택은 완벽하지 않습니다).

2강에서 본 대로 항-CTLA-4 가 항-PD1 보다 흔하고 심합니다 — 림프절에서 시작 자체를 풀어 버리니까요.

부작용의 기전이 <b>자료에서도 보입니다</b> — 관문은 종양 전용이 아닙니다.

Python 브라우저에서 실행

# 관문이 정상 조직에서도 켜져 있나 - 그래야 이 이야기가 성립한다
import cp

d = cp.expr()
print("정상 조직에 가까운 암종에서도 관문이 켜져 있나")
print("(TCGA 는 종양 표본이지만, 면역세포가 적은 암종을 대리로 본다)")
print()
차가운암종 = ["LGG", "THCA", "PCPG", "UVM", "PRAD"]
print(f"{'암종':<8}{'PDCD1':>8}{'CTLA4':>8}{'CD274':>8}{'CD8A':>8}")
for c in 차가운암종:
    x = cp.expr(c)
    print(f"{c:<8}{x['PDCD1'].median():>8.2f}{x['CTLA4'].median():>8.2f}"
          f"{x['CD274'].median():>8.2f}{x['CD8A'].median():>8.2f}")
print()
print("전부 0 이 아닙니다. **관문은 어디에나 조금씩 켜져 있습니다.**")
print("종양만의 장치가 아니에요 - 그래서 풀면 온몸에서 풀립니다.")

고등학생그래서 치료도 다르다

일반 항암제 부작용은 용량을 줄이거나 쉬면 좋아진다. irAE 는 그렇지 않다. 면역을 눌러야 한다.

등급	대응
1등급	계속 투여 · 관찰
2등급	보류 · 필요시 스테로이드
3~4등급	중단 · 고용량 스테로이드 · 필요시 추가 면역억제제

역설적인 상황

면역을 풀려고 준 약의 부작용을, 면역을 눌러서 치료한다. 그러면 항암 효과도 사라지지 않을까?

다행히 대체로 그렇지 않다 는 것이 여러 연구에서 확인되었다. 단기간 스테로이드를 써도 반응이 유지되는 경우가 많다. 6강에서 본 대로, T세포가 한 번 켜지면 스스로 굴러가기 때문으로 보인다.

브레이크를 다시 밟아도 이미 출발한 차는 굴러간다

고등학생2강의 위치 차이가 여기서 숫자로

2강에서 CTLA-4 는 림프절, PD-1 은 현장이라고 했다. 그 차이가 irAE 빈도로 나타난다.

요법	3~4등급 irAE
항-PD-1 / 항-PD-L1	약 5~15%
항-CTLA-4	약 20~30%
병용	약 50~60%

기전에서 예측된 것이 관찰되었다

CTLA-4 를 막으면 새로 교육되는 T세포 전부 에 영향을 준다. 그중에는 자기 조직을 겨냥한 것도 있다. PD-1 을 막으면 이미 종양에 와 있는 세포에 주로 작용한다.

이론에서 나온 예측이 임상 숫자와 맞아떨어지는 것 — 기전을 이해한다는 것의 실질적 값어치 가 이런 데 있다.

약이 작동하는 위치를 알면 부작용의 범위도 예측할 수 있다

이상한 발견 — irAE 가 생긴 환자가 더 잘 반응하는 경향

여러 관찰 연구에서, irAE 를 겪은 환자가 치료 반응도 좋은 경향이 보고됩니다.

그럴듯한 설명 — irAE 는 "면역이 실제로 풀렸다" 는 증거니까요. 약이 듣지 않은 사람은 부작용도 없습니다.

그런데 조심해야 합니다 — 여기에 큰 함정이 있습니다.

불멸시간 편향(immortal time bias) — irAE 가 생기려면 그때까지 살아 있어야 합니다. 일찍 진행해 사망한 환자는 irAE 를 겪을 시간이 없어요. 그러니 "irAE 군" 은 애초에 오래 산 사람들로 채워집니다.

이 편향을 제대로 다루려면 시간을 고려한 분석이 필요합니다. 단순 비교는 거의 반드시 과장됩니다.

편향은 <b>만들어서 보여 주는</b> 것이 가장 빠릅니다. 진짜 효과 0 에서 시작했는데도 차이가 나옵니다.

Python 브라우저에서 실행

# 불멸시간 편향을 모형으로 느껴 본다 - 진짜 효과가 0 이어도 차이가 생긴다
import numpy as np

rng = np.random.default_rng(7)
N = 5000
생존 = rng.exponential(10, N)                    # 개월 - 모형값
# irAE 는 무작위로, 생존과 **무관하게** 3개월째에 20% 확률로 생긴다고 하자
발생시점 = 3.0
겪음 = (rng.random(N) < 0.20) & (생존 > 발생시점)   # 그때까지 살아 있어야 겪는다

print("설정 — irAE 는 생존과 **완전히 무관하게** 정해집니다 (진짜 효과 0)")
print(f"  전체 {N:,}명 · irAE 겪은 사람 {int(겪음.sum()):,}명")
print()
print(f"  irAE 있음 평균 생존 {생존[겪음].mean():>6.2f} 개월")
print(f"  irAE 없음 평균 생존 {생존[~겪음].mean():>6.2f} 개월")
print(f"  차이 {생존[겪음].mean() - 생존[~겪음].mean():>+6.2f} 개월")
print()
print("진짜 효과가 **0 인데도** 차이가 생겼습니다.")
print("irAE 를 겪으려면 3개월을 살아 있어야 했기 때문이에요.")
print()
print("(생존과 발생 확률은 전부 모형값입니다. 실제 값이 아닙니다.)")

고등학생irAE 가 생긴 환자가 더 잘 반응하는 경향

여러 연구에서 irAE 를 겪은 환자가 치료 반응도 좋았다 는 관찰이 나왔다.

그럴듯한 설명

irAE 는 약이 실제로 작동하고 있다 는 증거다. 면역이 충분히 풀렸으니 종양도 공격하고 자기 조직도 건드린 것이다. 효과와 부작용이 같은 기전에서 나온다면(1강) 함께 가는 것이 자연스럽다.

그런데 조심해야 할 함정이 있다

함정	내용
불멸 시간 편향	오래 산 환자일수록 irAE 를 겪을 시간이 길다
투여 횟수	반응해서 오래 투여받은 환자가 irAE 도 많다

즉 인과의 방향이 반대일 수 있다. "irAE 가 생겨서 잘 반응한" 것이 아니라 "잘 반응해서 오래 치료받다 보니 irAE 가 생긴" 것일 수 있다.

이것을 어떻게 다루나

랜드마크 분석(예: 12주까지 생존한 환자만 대상)이나 시간 의존 변수로 처리하는 방법을 쓴다. 시간이 관련된 관찰은 시간 편향부터 의심 하는 것이 원칙이다.

"A 가 있으면 B 가 좋다" 를 볼 때, A 가 B 보다 나중에 생기지 않았는지 확인한다

🤔 확인 문제

irAE 가 항암제의 독성 부작용과 근본적으로 다른 점은?

🤔 확인 문제

'irAE 를 겪은 환자가 더 잘 반응한다' 는 관찰을 조심해야 하는 가장 큰 이유는?

🤔 확인 문제

차가운 암종에서도 관문 유전자가 0 이 아닌 것이 뒷받침하는 이야기는?