목 차 

1. 서론
2. 본론
  2.1. 표적치료 내성의 패러다임 전환
  2.2. 고형암을 향한 CAR-T의 진화
  2.3. 적혈구 DNA를 활용한 비침습적 암 조기 발견
  2.4. 메틸레이션 기반 원발 미상암 분류
  2.5. HRR 변이 검사를 넘어선 HRD 진단 확장
  2.6 공간 분석으로 밝혀낸 대장 선종의 재발과 암 진행의 분자적 특징
  2.7. 간세포암 미세혈관 침습 기반 바이오마커 발굴과 치료 반응 예측
  2.8. 공간 전사체 기반 흑색종 정밀 진단 시도
3. 총평
4. 참고문헌


1. 서론

그림 1. AACR 2026

AACR 연례학술대회는 기초, 중개, 임상, 역학 연구자가 한자리에 모이는 명실상부 세계 최대 규모의 암 연구 학술대회이다. 2026년 학술대회에서는 NIH와 NCI의 예산 삭감 시도라는 정책적 위기 속에서, 왜 우리가 암 연구에 계속 투자해야 하는가를 사회적으로 다시 한번 환기시키는 자리이기도 했다.

개회식에서 NCI 수장은 백혈병 환자를 보던 임상의가 베네토클락스(venetoclax)라는 약을 자신이 직접 처방하기까지 약 20년이 걸렸다는 회고였다. 단 한 건의 NCI grant에서 시작한 연구가 거의 모든 암 치료의 돌파구로 연결되었다는 것이다. 뒤이은 Susan Collins 상원의원의 영상 메시지에서는 NIH 예산을 41% 삭감하려던 행정부의 안을 거부하고 오히려 4억 1,500만 달러 증액을 이끌어낸 초당적 노력이 소개되었고, NIH가 지원한 기초과학이 의약품과 백신, 의료기기의 90% 이상에 기여한 점을 강조하였다. AACR 사무총장과 프로그램 의장단인 Paul Mischel와 Alice Shaw 역시, 과학 발전을 위한 연구가 공격받는 시기에 우리가 할 수 있는 것은 더 좋은 과학을 보여주는 것이라고 언급하였다. 정책적 위기와 학술적 진보가 서로 분리되지 않는 문제임을 다시 확인하게 했다.

그림 2. Open Plenary session

정밀의료(Precision), 협력(Partnership), 목적의식(Purpose)이라는 세 키워드 아래, 장기별(organ-site) 세션, 생존자(survivorship), AI와 면역치료, 조기 발견을 중심으로 한 session으로 구성되었다. 예년과 사뭇 달라진 것은 새로운 기술 자체 성능을 보여주는 것에서 한 걸음 더 나아가, 임상의 어떤 미충족 수요를 어떻게 풀어주는가를 명시적으로 짚어주는 발표가 눈에 띄게 늘었다.

원발 미상암 환자에게 분자 단위로 일차 부위를 짚어주는 검사, BRCA 음성 환자에게 새로운 PARP 적응증의 길을 열어주는 모델, 종양 분획이 낮아 cfDNA가 잘 잡히지 않는 조기 단계 환자를 위한 새로운 검체 소스 등, 학계와 산업계 모두 임상이 풀지 못한 질문에 솔루션을 제시하고자 하는 시도가 보여 인상적이었다.

한국의 정밀의료도 비슷한 흐름을 가지고 흘러간다. 약 10년 안 되는 시간에 차세대 시퀀싱 기반 패널이 보험 급여 안으로 들어오고, 다유전자 동반진단과 액체생검의 임상 활용이 점차 확대되면서, 환자에게 제공할 수 있는 정보의 깊이가 빠르게 깊어지고 있다.

본 후기에서 액체생검과 바이오마커, 임상 적용 세션을 중심으로 직접 청취한 내용을 중심으로 소개한다. 정밀의료가 어디에 와 있고 어디로 가고 있는지를 함께 짚어보고자 한다.

2. 본론

2.1. 표적치료 내성의 패러다임 전환 

Plenary session
How Cancer Cells escape targeted therapy by changing identify
Charles L. Sawyers, MD, Howard Hughes Medical Institute 

그림 3. Shifting mechanisms of acquired resistance 

표적치료는 지난 20여 년간 암 치료의 패러다임을 바꿔 놓았다. EGFR, HER2, BCR-ABL, ALK, AR과 같은 종양 특이적 driver를 정확히 겨냥하는 약물들이 등장하면서, 환자의 종양 유전체를 미리 분석한 뒤 그에 맞는 약을 선택하는 정밀의료의 기본 모델이 자리 잡았다. 그러나 임상 현장에서 거의 예외 없이 마주하게 되는 문제는 약물 내성이다. 처음에는 잘 듣던 약이 일정 시간이 지나면 듣지 않게 되고, 환자는 다음 치료를 찾아야 하는 상황에 놓인다.

약물 내성 발생의 메커니즘으로 표적 유전자 자체에 추가 변이(mutation)가 생기거나 증폭(amplification)이 일어나거나, 같은 신호 경로의 우회 회로(bypass pathway)가 활성화되는 식이었다 [1]. 이른바 on-target 기전으로, 내성의 원인을 유전체 수준에서 다시 잡아내고 그에 맞는 차세대 저해제를 설계하는 방식으로 대응할 수 있었다. 그 예로 EGFR T790M에 대응하는 osimertinib, BCR-ABL T315I에 대응하는 ponatinib 등이 있다.

그러나 차세대 저해제가 점점 더 정교해져 종양 세포가 변이만으로는 약을 피하기 어려워질수록 임상에서 관찰되는 내성의 양상도 함께 바뀌기 시작했다. 유전체에 변이가 더 쌓이는 것만으로는 설명되지 않는 내성이 점차 늘어나기 시작했다. 세포 상태의 변화(cell state change), 또는 lineage plasticity는 종양세포가 변이를 추가하는 대신 자신의 정체성 자체를 바꿔 약의 사정권에서 벗어나는 방식을 말한다

그림 4. New escape mechanism

전립선 adenocarcinoma는 안드로겐 수용체(AR) 신호에 의존해 자라기 때문에 enzalutamide와 같은 강력한 AR 표적치료가 효과적이지만, 일부 환자에서는 치료가 진행되는 과정에서 종양이 신경내분비 표현형(neuroendocrine prostate cancer, NEPC)으로 전환된다. 형태학적으로도 분자적으로도 거의 소세포폐암에 가까운 모습이라 더 이상 AR 신호에 의존하지 않게 되는 상태다.

그림 5. PRAD and NEPC

종양세포에 RB1 loss라는 priming 사건이 먼저 자리 잡고, 여기에 세포외기질·integrin·YAP-TAZ-TEAD 신호와 NOTCH 신호가 모두 차단되는 환경이 더해지면, FOXA1이라는 전사인자가 새로운 enhancer 위치로 재배치되면서 ASCL1 발현이 유도되어 종양 전체가 신경내분비 lineage로 전환된다. 종양은 변이를 더 추가하는 방식이 아니라, 자신의 정체성을 바꿔서 약을 피해 가는 모델이 된다. 유전체 변이를 가진 종양이라도, 어느 lineage state에 있느냐에 따라 약물에 대한 반응이 완전히 달라질 수 있다.

lineage state는 가역적이거나 적어도 조절 가능할 수 있어서, 잘 설계된 약물 조합으로 종양을 더 약한 상태로 되돌리거나 유리한 표적이 다시 노출되도록 만들 수 있다. 발표에서는 YAP-TEAD 억제제로 일시적으로 NEPC 방향으로 토글 하여 DLL3 표적 T-cell engager의 효과를 극대화하거나, 반대로 다시 adenocarcinoma 상태로 되돌려 PSMA radioligand therapy의 표적을 회복시키는 양방향 전략이 제안되었다.

또한 NEPC 상태에서 TIP60 (KAT5)이 MYC paralog와 짝을 이루어 형성하는 종양 의존성도 새롭게 보고되어, TIP60 분해제(degrader) 개발이라는 새로운 치료 표적까지 함께 제시되었다.

거세저항성 전립선암(CRPC) 환자에서 enzalutamide나 abiraterone 같은 차세대 호르몬 치료가 폭넓게 사용되고 있고, 처음에는 잘 반응하던 환자라도 시간이 지나면 결국 진행을 보이는 경우가 흔하다. 그동안은 PSA 상승과 영상 변화에 의존해 다음 치료를 결정해 왔지만, 일부 환자 RB1 loss나 TP53 변이를 동반한 경우에는 호르몬 치료 내성이 아니라 lineage 전환이 진행되고 있을 가능성이 있다. 이런 환자에서 신경내분비 분화 마커가 동반되거나 PSMA PET에서 표적이 사라지는 양상이 나타난다면, 더 이상 같은 호르몬 표적 전략을 고집하지 말고 platinum 기반 항암화학요법이나 DLL3 표적 치료, 또는 PSMA radioligand therapy 같은 다른 축의 치료를 적극적으로 고려해야 한다는 것이다.

폐암에서도 EGFR 변이 폐암이 SCLC로 전환되는 비슷한 현상이 이미 보고되어 lineage 전환은 전립선암에 국한된 현상이 아니라 표적치료 시대의 공통된 화두이다. 종양 세포의 lineage state 변화를 시간 축에서 모니터링하는 일은 결국 액체생검, 메틸레이션 분석, 공간 전사체 같은 도구들의 몫이 될 것이다.

2.2. 고형암을 향한 CAR-T의 진화 

Plenary session
Beyond Blood: The evolution of CAR-T Therapy for solid malignancies
Carl H. June, MD, University of Pennsylvania 

그림 6. CAR T cell trials for solid malignancies

CAR-T 치료는 혈액암에서 약 60,000명 이상의 환자에게 투여되며 표준 치료의 한 축으로 자리 잡았다. 그러나 고형암에서는 종양 미세환경의 면역, 대사, 물리적 장벽 때문에 동등한 성과를 내지 못해 왔다 [2].

교모세포종(GBM) 영역에서는 EGFRvIII과 IL13Rα2를 동시에 표적 하는 dual-target CAR-T를 Ommaya reservoir를 통해 intrathecal로 투여한 결과, 18명 중 13명에서 종양 감소가 관찰되었고 일부 환자는 34개월 이상의 무진행 생존을 보였다.

10x Genomics ATERA WTA ~136K Mapped Cells 공간 전사체 분석에서 반응 환자에서 NK 세포 침윤 증가가, 비반응 환자에서 Treg 증가와 종양 세포의 mesenchymal-like state 전환이 관찰되어, 면역 미세환경과 lineage plasticity가 CAR-T 반응성에도 동일하게 작동함이 시사되었다.

췌장암에서는 mesothelin과 FAP를 순차적으로 표적 하는 전략이 발표되어, 미세환경의 fibroblast (FAP 양성)를 먼저 제거한 뒤 mesothelin CAR-T를 투여하는 방식이 단독 요법 대비 종양 제어를 유의하게 개선하였다.

또한 COVID 백신과 유사한 lipid nanoparticle에 anti-CD5 SCFV를 부착해 T 세포에 mRNA를 전달함으로써 일시적으로 표면에 CAR을 발현시키는 LNP-mRNA 기반 in vivo CAR-T도 소개되었다. 영구 전달이 아닌 일과성(transient) 발현으로 안전성을 확보하면서 fibrotic tissue를 효과적으로 제거할 수 있다는 점이 인상적이었다.

CRISPR pooled screen 기반 차세대 CAR 설계가 소개되었다. TET2, Regnase-1, Roquin-1 등 단일 유전자 결손은 이미 보고되어 있었으나, 32개 유전자 풀에서 synergistic gene-pair knockout을 탐색하여 PTPN2와 EGR2, Regnase-1과 EGR2 등 새로운 시너지 조합을 발견하였다.

혈액암에서 효과적이었던 TET2 단독 결손은 고형암에서는 동일한 효과를 보이지 않아, 고형암 전용 CAR-T 엔지니어링이 별도로 필요함이 확인되었다. 고형암 CAR-T는 단일 표적과 단일 강화가 아닌 표적 다양화와 미세환경 해체, 지속성과 소진(exhaustion) 극복을 함께 가는 다층 전략으로 진화하고 있음이 분명해졌다.

2.3. 적혈구 DNA를 활용한 비침습적 암 조기 발견 

Minisymposium
Genomic signature in red blood cell DNA enable early non-invasive detection of colorectal neoplasia
XINGYUN YAO, Westlake University

액체생검의 적혈구(red blood cell)에서 추출한 DNA (RBC-DNA)를 활용한 조기 암 진단 연구가 발표되었다. 적혈구는 일반적으로 핵이 없다고 알려져 있지만, Howell-Jolly body와 같은 핵 잔존물(nuclear remnant)이 일부 미성숙 적혈구에 있다 [3].

그림 7. Red blood cell DNA

RBC-DNA는 평균 fragment 길이가 약 4.3 kb로 cfDNA (약 150 bp) 보다 훨씬 길고, 미토콘드리아 비율이 낮아 cfDNA와 분명히 구별되는 생물학적 신호를 가진다.

1,251명 발견 코호트(advanced adenoma와 colorectal cancer 포함) 모델 내부 평가에서 대장암 민감도 약 95%, 진행성 선종 민감도 약 25%, 특이도 95% 이상을 보였다. 중국 두 도시의 외부 코호트에서도 대장암 민감도와 특이도가 재현되었으며, RBC-DNA가 더 높은 대장암 검출률을 보였고 진행성 선종과 1기 암도 함께 검출되었다.

그림 8. Early detection of colorectal cancer remains a challenge

ctDNA 분석과 달리 종양 shedding이 없어도 신호가 검출된다는 점이 특이했다. 종양 자체에서 떨어져 나온 DNA가 아니라, 종양이 골수 조혈에 미치는 원격 조절(remote regulation)의 흔적을 적혈구를 통해 간접적으로 읽고 있다는 가설이 제시되었다. 진행성 선종에 대한 민감도는 약 25% 수준으로 아직 임상 도입에는 부족하지만, cfDNA 기반 MRD나 조기 진단이 본질적으로 갖는 한계를 우회할 수 있는 보완적 접근법으로 향후 지켜볼 가치가 있다.

2.4. 메틸레이션 기반 원발 미상암 분류 

Minisymposium
A methylation-based molecular tumor typing classifier for tissue samples from cancers of unknown primary
Yupeng He, Guardant Health

그림 9. CUP challenge

원발 미상암(cancer of unknown primary, CUP)은 전체 암의 약 1~3%에 불과하지만 진단 자체가 어려워 표준 화학요법에 의존할 수밖에 없는, 임상에서 가장 격차가 큰 환자군 중 하나이다 [4].

그림 10. MTT algorithm

Guardant360 Tissue 검사의 메틸레이션 기반 분자적 암종 분류(Methylation Tumor Typer, MTT)는, 종양의 메틸레이션 패턴이 어떤 장기에서 유래했는지를 분자 단위로 예측 정보를 제시한다.

24개 주요 암종 각각에 대해 학습한 분류 모델을 이용하여 메틸레이션 분석으로 점수를 매긴 뒤 가장 유력한 원발암 두 개를 후보로 제시하는 것이다.

진단명이 명확한 4,000여 개의 검체로 데이터 학습한 결과 검체의 약 97%가 평가 가능했고 평균 정확도는 약 96%에 달했다. 일반적으로는 종양 분획이 낮을수록 신호가 약해 분자 분석이 어려워지는데, MTT는 종양 분획이 30% 이하인 전이성 검체에서도 원발암을 안정적으로 예측할 수 있었다.

CUP 의심 환자 500여 명 코호트에 적용한 결과, 약 85%에서 신뢰도 높은(high-confidence) 결과가 산출되었으며, 병리에서 임상 정보와 면역염색을 바탕으로 추정한 원발암 진단과 직접 비교가 가능했던 33건 가운데 29건(88%)이 일치하였다. 일치하지 않은 4건 중 일부에서는 MTT가 병리에서 미처 잡아내지 못한 정보를 추가로 제시해 주기도 했다.

메틸레이션 패턴이 갖는 조직 특이적 후성유전 정보는 면역염색이나 이미징, 임상 정보로도 해소되지 않는 모호함을 보완하기에 활용도가 높다.

원발을 모른다는 것은 진단명의 공백에 그치지 않는다. 국내에서도 해마다 수천 명이 CUP로 진단되고 있다. CUP 환자들은 원발 장기를 특정하지 못한 채 광범위 백금기반 항암제로 첫 치료를 시작하는 경우가 많다. 원발 부위가 1차 약제와 전체 예후를 좌우하는 질환에서 원발암 정보의 공백은, 장기 맞춤 치료나 표적 치료의 가능성을 처음부터 닫고 들어가는 일이 된다.

CUP 진단에서 검체는 늘 부족하고, 전이 병소는 종양 함량마저 낮아 분자 분석이 어려운 경우가 많다. Guardant360 Tissue의 MTT가 저분획 전이 검체에서도 원발 정보를 제공했다는 점은, 암세포들이 전이를 거치며 형태와 표지가 흐려져 면역염색검사에서 원발암을 짚지 못하는 경우에도, 메틸레이션 패턴 검사에서는 처음 암세포가 생겨난 장기의 흔적이 남는다는 의미다.

CUP 코호트에서 MTT 예측 정보는 병리의 추정 진단과 88% 일치했지만 CUP는 원발이 끝내 확인되지 않는 경우가 많아 맞춰볼 정답 자체가 없다. 이 연구에서 말하는 88%는 검증된 정확도라기보다 병리가 임상 정보로 내린 최선의 추정과 얼마나 일치하는지를 보여주는 값에 가깝다. 일치하지 않은 사례 중 일부에서는 MTT가 병리가 놓친 단서를 제시했다는 점은 메틸레이션이 형태학과는 다른 층위에서 기원 정보를 담고 있음을 시사한다. MTT 정보는 예측정보가 맞히고 틀리는 분류로서의 의미보다는, 장기 중심으로 짜인 기존 종양 분류를 분자 수준에서 다시 보게 한다는 의미가 크다.

아쉽게도 이번 발표 결과는 원발 예측 정보의 모호함을 좁히는 데에서 끝났다. MTT예측정보로 좁혀진 원발암 정보가 임상에서 약제 선택을 바꾸고 생존을 늘리는지는 별개의 문제이다

그럼에도 이번 연구 결과는 표준 검사가 원발을 짚지 못해 치료 기회마저 닫히던 환자들에게 MTT가 새로운 단서를 줄 수 있음을 보여준다는 점에서 의미가 있다.

2.5. HRR 변이 검사를 넘어선 HRD 진단 확장

Minisymposium
Tissue-based genomic instability status prediction expands HRD detection beyond HRR mutation testing in breast, ovarian, and pancreatic cancer
Pegah Safabakhsh, Guardant Health

그림 11. Presentation title and methods

PARP 저해제는 BRCA1/2와 같은 상동재조합복구(HRR) 유전자 변이를 가진 환자에서 가장 효과적이지만, 임상에서 마주하는 어려움은 BRCA 음성으로 분류된 환자 가운데에도 분명히 PARP 저해제로부터 이득을 볼 환자가 존재한다는 점이다.

미충족 수요를 메우기 위해 등장한 것이 유전체 불안정성(Genomic Instability Status, GIS) 모델이다. 약 741개 암 관련 유전자를 포함한 확장 패널 기반으로 설계되었으며, 최근 5월 20일 FDA 승인된 Guardant360 Liquid CDx와 같은 대규모 액체생검 확장 패널 트렌드를 반영해 [5], SBS (single-base substitution) 시그니처와 CNV 시그니처를 결합한 앙상블 확률 모델을 적용하였다. SNV burden이 충분한 검체에서는 SBS3 등 HRD 관련 SBS 시그니처 기반 예측하고, SNV가 적은 검체에서는 CNV 및 구조변이 기반 모델을 활용하는 이중 경로 설계를 통해 검체 품질과 변이 특성에 따라 유연하게 대응할 수 있다 [6].

성능 면에서 난소암 약 96%, 유방암 약 88%, 췌장암 약 80%의 민감도를 보였고, 특이도는 대부분 코호트에서 95에서 100% 수준이었다. 임상 양성률은 난소암에서 약 45%, 일부 다른 암종에서 약 14% 정도로 보고되었으며, BRCA 음성이면서 GIS 양성인 환자 가운데 명확한 다른 분자 driver가 있는 경우는 2에서 3%에 불과해, 기존 HRR 변이 기반 PARP 적응증을 상당히 확장할 잠재력을 시사하였다. 다만 GIS 양성이면서 변이 음성인 환자가 PARP 저해제 임상 결과까지 이어지는지에 대해서는 전향적 검증이 더 필요하며, 현재 관련 연구가 진행 중이다.

2.6. 공간 분석으로 밝혀낸 대장 선종의 재발과 암 진행의 분자적 특징

Minisymposium
Stronal Immune composition significantly contributes to adenomatous polyp recurrence or progression to cancer
Mrunal Dehankar, Mayo Clinic Hospital - Rochester 한국의 국가 암검진 프로그램을 통해 매년 분변잠혈검사(FIT)를 시행하고, 양성으로 나오면 대장내시경으로 연결되는 2단계 검진 체계를 운영하고 있다. 최근 한국에서도 대장암 발생률이 꾸준히 높아지고 있고, 젊은 연령층에서 대장암 발생이 증가하면서 기존 검진 체계에 변화의 필요성이 제기되고 있다. 대장내시경을 1차 검사로 직접 시행하는 시범사업이 추진되고 있는 것이 그 예인데 그만큼 대장암 조기 발견과 정밀한 위험 관리에 대한 사회적, 의료적 요구가 커지고 있다는 신호다.

전 세계적으로도 대장암은 매년 180만 명이 새로 진단받고 90만 명이 사망하는 주요 암이다. 대장암의 95%는 선종성 용종에서 시작되지만, 암으로 진행되는 것은 그중 5~10%에 불과하다 [7]. 문제는 임상에서 감시 내시경의 간격과 강도를 결정하는 기준이 용종의 크기, 모양, 조직학적 특징 같은 형태학적 정보에 머물러 있다는 점이다. 용종을 제거했다고 해서 형태만으로는 정밀하게 재발 예측하기 어렵다. 일부 환자는 불필요하게 잦은 감시를 받고, 또 일부는 정작 필요한 집중 관리를 놓칠 수 있다.

이런 한계를 보완하려는 시도가 여러 방향에서 동시에 진행되고 있다. 혈액 내 순환 종양 DNA (ctDNA)를 분석하는 혈액 기반 선별검사가 새로운 대안으로 떠오르고 있는데, 미국에서는 NCCN 가이드라인에 Guardant Shield가 대장암 1차 선별검사로 포함되면서 비침습적 검진의 가능성이 현실화되고 있다. 다만 ctDNA 기반 접근은 암이 생긴 이후의 신호를 혈액에서 찾는 것이다.

그림 12. Stromal Immune Composition Significantly Contributes to Adenomatous Polyp Recurrence or Progression to Cancer

그렇다면 암이 생기기 전, 용종 단계에서 이미 그 방향을 알 수 있을까. AACR 2026에서 발표된 연구는 첫 내시경에서 제거된 용종 조직의 미세환경(Tumor Microenvironment, TME)에 주목했다. 암세포 자체의 신호가 아니라, 암이 자라날 수 있는 토양의 상태인 전암성 미세환경(pre-cancerous microenvironment)이 용종 단계에서부터 이미 다르게 구성되어 있는지를 공간 전사체(Spatial Transcriptomics) 분석으로 들여다본 것이다.

그림 13. 대장암 연구 배경

Mayo Clinic 연구팀은 첫 대장내시경에서 용종을 제거했을 때의 조직 샘플을 분석하여 이후 임상 경과와 비교하는 연구를 진행했다. 환자는 세 그룹으로 나누어 용종 제거 후 같은 자리에서 재발이 없었던 비재발군(POP-NR, Non-Recurring), 같은 위치에서 용종이 재발했지만 암으로는 진행되지 않은 재발군(POP-R, Recurring), 대장암으로 진행된 암 진행군(POP-CRC, Progressed to CRC)이다.

그림 14. POP (Polyp Outcome Phenotype) 기반 분류

공간 전사체(Spatial Transcriptomics) 분석을 통해 조직 내 위치 정보를 보존한 채 분자 정보를 분석하였다. 상피세포(Epithelium) 구획과 기질(Stroma) 및 면역 구획을 분리하여 각각의 유전자 발현, 세포 유형 구성, 대사 경로, DNA 손상 신호를 구획별로 비교하였다.

암으로 진행된 군과 재발이 없었던 군을 비교했을 때, 암이 된 용종은 상피와 기질 양쪽에서 면역글로불린 관련 유전자와 장벽 기능 유전자(MUC2) 발현이 낮았다. 점막을 감시하는 IgA 형질세포와 대식세포가 줄었고, 줄기세포 유사 특성을 가진 세포와 증식성 세포는 늘었다. 항원 처리, 세포자멸사, 케모카인 신호 등 면역 관련 경로도 전반적으로 억제되었다.

암 진행군과 재발군을 비교했을 때는 상피 구획의 대사 기능 저하가 두드러졌다. 기질 구획에서는 DNA 손상 복구 능력이 저하되었다. 면역과 장벽의 이상은 재발군도 공유했지만, 대사 저하와 DNA 손상 복구 능력 저하는 암으로 진행된 군에서만 관찰되었다.

그림 15. 점막 면역과 상피 분화의 소실이 암 진행 환경 형성

암이 되는 용종은 처음부터 면역과 기질 환경이 달랐다. 감시 전략의 기준을 형태에서 분자적 특성으로 옮길 수 있다는 근거가 여기서 나왔다.

2.7. 간세포암 미세혈관 침습 기반 바이오마커 발굴과 치료 반응 예측

Minisymposium
Integrated multi-omics approaches in resectable hepatocellular carcinoma with microvascular invasion for revealing therapeutic target
Jisun So, Cha University 

그림 16. Presentation title and summary

간세포암(HCC)에서 미세혈관 침습(MVI)은 암세포가 작은 혈관 안으로 침범한 상태를 의미하며, 수술 후 재발과 불량한 예후를 시사하는 대표적 고위험 인자다. 하지만 수술 전 정확히 예측하기 어렵고, 관련 분자 바이오마커 역시 아직 제한적이다.

절제 가능한 HCC 환자를 대상으로 전사체 분석, CRISPR 기능 데이터, 약물 반응 데이터를 통합한 multi-omics 접근을 통해 MVI와 연관된 분자적 특징을 분석했다. MVI 양성 종양에서는 세포 주기와 증식 관련 신호가 증가해 있었으며, 순환 바이오마커 6종을 이용한 진단 모델이 제시되었다 [8]. discovery cohort에서 AUC 0.856의 성능을 보였다

이어 CRISPR knockout 데이터와 PRISM 약물 반응 데이터를 이용해 잠재적 치료 표적과 약물 후보도 함께 제시했다. 다만 아직은 retrospective·computational 분석 중심의 연구로, 외부 검증과 기능 실험이 충분하지 않았고 치료 전략으로 이어질지는 추가 연구가 필요해 보였다.

2.8. 공간 전사체 기반 흑색종 정밀 진단 시도

Minisymposium
Precision diagnostics for early melanoma detection using spatial biology and AI-guided image analysis
Wendy Kao, The university of Queensland

그림 17. Presentation title and analysis platform

흑색종은 국내에서는 상대적으로 드문 암이지만, 진행 시 예후가 매우 불량하고 병리학적 진단 난이도가 높은 대표적 피부암이다. 양성과 악성의 경계에 있는 이형성 모반(dysplastic nevus)이나 borderline lesion은 병리의사 간 진단 일치도가 낮은 영역으로 알려져 있으며, 임상에서도 추가 절제 여부나 추적 관찰 방침 결정이 쉽지 않은 경우가 많다.

진단의 모호성을 공간 전사체와 AI 기반 이미지 분석으로 보완하려는 접근이 소개되었다 [9]. 양성 모반부터 in situ 흑색종, 침습성 흑색종까지 총 261개 검체를 대상으로 공간 전사체 분석을 수행했으며, 단순히 유전자 발현을 보는 데 그치지 않고 병변 내부에서 어떤 세포 상태가 어디에 분포하는지를 함께 해석하려 했다.

연구진은 10x Genomics Visium 플랫폼과 scRNA-seq reference atlas를 결합해 melanocyte state를 분리했고, 모반과 흑색종에서 우세하게 나타나는 세포 상태를 비교하였다. 일부 borderline lesion에서는 조직학적으로 애매했던 영역이 melanoma-like pattern을 보이는 사례가 있었다. 기존 병리 판독이 형태학적 경험에 크게 의존했다면, 공간 기반 분자 정보가 여기에 객관적인 layer를 추가하려는 시도이다. 공간 전사체 데이터가 없는 일반 H&E 슬라이드에서도 SOX10·S100B 발현 지도를 예측하는 AI 모델이 소개되었는데, 고비용 플랫폼을 모든 환자에게 직접 적용하기보다 AI 추론 방식으로 확장하려는 방향이다. 연구 단계 성격으로 공간 전사체 분석은 여전히 비용 부담과 분석 복잡도가 크고, 기관 간 재현성이나 해석 기준 표준화 같은 문제도 남아 있다. 그럼에도 morphology 중심 dermatopathology에 공간 유전체와 AI 기반 추론을 결합해 보다 정량적인 진단 체계로 확장하려는 흐름이 나타났다.

3. 총평 

정밀의료의 흐름이 단일 변이 기반 해석에서 종양의 상태(state)와 변화를 함께 해석하는 방향으로 이동하고 있다는 점이 반복적으로 보였다. 과거 액체생검이 ctDNA 기반 변이 검출 자체에 집중되어 있었다면, 올해는 메틸레이션, fragmentomics, RBC-DNA, WGD 같은 genome-wide feature와 spatial transcriptomics, AI 기반 병리 해석까지 함께 이용해 종양의 기원, lineage state, 치료 과정에서의 변화까지 longitudinal 하게 추적하려는 연구들이 많아졌다. 과거 치료 과정에서는 유전자 변이 정보를 알아내는 게 중심이었다면 이제는 종양이 어떤 생물학적 상태에 놓여 있는가를 해석하려는 방향에 가까워지고 있다는 인상이 강했다.

액체생검 분야에서는 메틸레이션 기반 tissue-of-origin 분석, RBC-DNA처럼 기존과 다른 검체 source를 이용한 접근, 기존 패널 데이터에서 WGD나 GIS 같은 새로운 meta-feature를 다시 추출하려는 시도들이 이어졌다. 다만 biological signal과 임상 의사결정 사이에는 여전히 간극이 있었다. 보고된 연구에서 retrospective cohort와 computational association 단계의 연구가 많았고, prospective validation이나 reimbursement까지 연결된 데이터는 아직 제한적이었다. 국내에서도 학회에서 언급된 일부 검사는 해외 위탁 형태로 시행되고 있지만 비용 부담이 크고 급여권과도 거리가 있는 만큼, 국내 진료 환경 안으로 들어오기 위해서는 임상적 utility와 비용 효율성을 동시에 입증해야 하는 단계가 남아 있어 보였다. 앞으로는 더 민감한 assay 경쟁보다는, 어떤 biomarker가 암 치료 방향을 바꾸고 환자 outcome까지 연결될 수 있는가가 더 중요한 기준이 될 가능성이 커 보인다.

Spatial transcriptomics와 디지털 병리 분야 연구들은 조직 내 유전자 발현 분석과 함께 morphology 중심 병리를 공간 유전체와 AI 기반 추론으로 확장하려는 흐름을 보여주었다. 공간 분석 데이터를 직접 생성하는 것뿐 아니라, H&E 슬라이드만으로 공간 분자 정보를 예측하려는 시도들이 많아졌다. 디지털 병리 역시 단순 슬라이드 스캔이나 보조 판독에서 벗어나 AI와 공간 분석을 결합해 조직의 분자 상태를 함께 해석하는 방향으로 발전할 가능성이 커 보였다. 최근 국내에서도 디지털 병리와 AI 병리에 대한 논의가 빠르게 늘어나고 있다는 점을 생각하면, 앞으로는 pathology image 자체를 biological information layer로 해석하는 방향이 병리의 중요한 축이 될 가능성이 높아 보인다. 반대로 spatial biology가 임상 workflow에 들어가기 위해서는 비용, 표준화, 재현성 문제를 얼마나 빠르게 해결할 수 있는지가 풀어야 할 과제가 될 것으로 보인다.

표적치료와 면역치료 분야에서도 lineage plasticity, 세포 상태 변화, 종양 미세환경 재구성 같은 개념들이 반복적으로 등장했고, 치료 반응과 저항성을 단일 시점의 유전자 변이만으로 설명하기 어려워졌다. 액체생검과 공간 전사체 기반 longitudinal monitoring의 중요성이 더 커질 것이다.

정밀의료는 단일 시점의 genomic profiling보다, 치료 과정 중 종양 상태가 어떻게 변하는지를 지속적으로 추적하는 방향으로 이동할 가능성이 높아 보였다.

연구 생태계에 대한 논의도 적지 않았다. 임상에서 사용되는 표적치료제와 면역치료제 대부분은 수십 년에 걸친 기초·중개 연구의 축적 위에서 개발된 결과물이다. 학회에서 다뤄진 메틸레이션, spatial transcriptomics, lineage plasticity 역시 오랜 시간 축적된 생물학 연구와 분석 기술 위에서 가능해진 접근들이었다. 이번 AACR에서는 단일 기술 하나가 돌파구를 만든다기보다, 서로 다른 층위의 데이터를 장기간 축적하고 연결하는 방향으로 연구 구조 자체가 변화하고 있다는 인상이 강했다. 이제 새로운 플랫폼 자체보다, 임상 데이터·병리·오믹스·AI 분석을 얼마나 일관된 체계 안에서 통합할 수 있는가에 가까워 보였다.

[AI 도구 활용 내역] OpenAI ChatGPT (GPT-5.5, 활용일자: 2026.05.), 보고서 구성 정리 및 문장 표현 보조에 활용하였으며, Dow AISIS와 Notta AI를 이용해 AACR 2026 발표 내용의 요약 기능을 활용하였습니다. 최종 문장 검토와 출처 확인은 저자가 직접 수행하였으며, 생성된 내용은 수정·재구성 후 보고서에 반영하였습니다.

[수정 안내] 2026년 6월 9일, 저자 요청으로 “2.4. 메틸레이션 기반 원발 미상암 분류” 단락의 일부 문구가 삭제 및 업데이트되었음을 알려드립니다.

4. 참고문헌

==>첨부파일(PDF) 참조