首页 > 文章详情

基于全肿瘤放射组学特征结合临床和增强CT特征预测肺肉瘤样癌MET 14号外显子跳跃突变

11月13日

整理：肿瘤资讯

来源：肿瘤资讯

引言：肺肉瘤样癌（PSC）是一种罕见、高度恶性的NSCLC亚型。晚期患者通常接受以化疗为基石的全身治疗，但疗效欠佳。另一方面，PSC中MET 14号外显子跳跃突变发生率较高，近年来该靶点获批的靶向治疗为PSC带来了更多的希望。因此，需要开发一种无创、便捷和可靠检测PSC患者中MET 14号外显子跳跃突变的方法。来自中国医学科学院肿瘤医院的研究团队尝试基于全肿瘤放射组学特征结合临床和增强CT特征预测肺肉瘤样癌MET 14号外显子跳跃突变，相关结果已于2024年6月发表于Transl Lung Cancer Res杂志（IF=4.0），本文对此进行简要解读和分享，希望能为医务工作者提供新的科研和临床参考，造福更多肺癌患者。

研究背景

PSC是一种罕见、高度恶性的非小细胞肺癌（NSCLC）亚型。PSC占全部肺癌的0.3-1%，患者预后不良。手术是早期PSC的主要治疗方法，晚期患者治疗以全身化疗为基石，但通常效果欠佳。近年来，NSCLC中靶向治疗进展迅猛，包括针对MET 14号外显子跳跃突变（METex14跳突）的靶向治疗。这也为PSC治疗提供了新的机会，因为METex14跳突在PSC中的发生率更高（约13-22%）。因此，准确判断PSC患者METex14跳突对于个性化治疗选择至关重要。

晚期不可手术的PSC患者通常需要进行组织活检以确定肿瘤病理诊断和分子特征，但PSC通常体积大且成分混杂，导致活检组织难以解释肿瘤全貌。此外，部分患者也无法进行组织活检，或者得到一个假阴性结果。METex14跳突的发生率较低，且由于METex14跳突结构的复杂性，METex14跳突检测难度较高，准确性相对较低。因此，需要开发一种无创、便捷和可靠检测PSC患者METex14跳突的方法。

计算机断层扫描（CT）是最常用的肿瘤监测和诊断工具，而增强CT（CECT）可以更好地反映肿瘤血液供应情况和组织之间的对比度。肺纹理分析或放射组学特征可以深入反映肿瘤的异质性，已被广泛用于预测肿瘤的分子特征，包括EGFR和ALK等。然而，尚无基于肺纹理分析或放射组学特征预测METex14跳突的研究。因此，本研究旨在通过结合临床、CECT特征和全肿瘤放射组学特征预测PSC患者的METex14跳突。

结果

临床和CECT特征

本研究共纳入了56例PSC患者（40例男性和16例女性；平均年龄58.14±8.7岁），其中10例患者（17.9%）携带METex14跳突。表1列出了入组患者的临床特征。携带或不携带METex14跳突的患者之间T分期、肿瘤长径和短径存在显著差异。表2列出了入组患者的CECT特征，两组假包膜或环状强化征存在显著性差异。METex14跳突更常见于（1）肿瘤长径或短径较小者；（2）T分期较低者；（3）存在假包膜或环状强化影像学特征的患者。

表1、入组患者的基线临床特征

表2、入组患者的基线CECT特征

CECT特征也可帮助PSC的诊断。在本研究中，PSC都是实性肿块（100%），大多形状不规则（91.1%），有分叶征（92.9%）、毛刺征（92.90%）或边界不清（83.9%）。在部分PSC中，可以发现囊性病变或坏死（39.3%），可能存在支气管梗阻相关改变（46.4%）。CECT上肿瘤大多呈异质性增强（78.6%），部分呈假包膜或环状增强（19.6%）。PSC的整体平均CT值为42.09 HU，低于或等于相同水平的背部肌肉（100%）。大多数PSC与胸膜粘连（80.4%）或导致胸膜回缩（78.6%），纵隔或肺门可见肿大淋巴结（44.6%）。同时，PSC少见肿瘤内气泡样透亮（25%），通常没有胸腔积液（82.1%）、钙化（100%）及支气管充气征（100%）。

特征选择和模型构建

所有放射组学参数在不同评估者之间均有良好的一致性（ICC>0.8）。基于相关性分析，研究者保留了44个可能与PSC METex14跳突相关的基线特征。其次，在单变量逻辑回归后进一步选择了16个特征。最后，经过多元逻辑回归分析，保留了3个可能与PSC METex14跳突相关的基线特征（wavelet_LowHighLow_GLDM_LowGrayLevelEmphasis、lbp_3D_m2_GLRLM_RunLengthNonUniformityNormalized和wavelet_LowLowHigh_NGTDM_Strength），并据此建立了放射组学特征相关模型。此外，同样经过多元逻辑回归分析，保留了两个特征（假包膜或环状增强和肿瘤短径），建立了CECT相关模型。联合模型同时整合CECT模型和放射组学特征相关模型。表3列出了多元逻辑回归模型的详细信息。

表3、预测PSC METex14跳突的多元逻辑回归分析

三种模型评分计算方法如下：CECT评分=-2.34+（0.914×假包膜或环状增强-1.58×短径）；放射组学特征评分=2.65+（1.122×wavelet_LowHighLow_GLDM_LowGrayLevelEmphasis+1.388×lbp_3D_m2_GLRLM_RunLengthNonUniformityNormalized+0.824×wavelet_LowLowHigh_NGTDM_Strength）；联合模型Radscore=-2.82+（1.045×CECT评分+1.574×放射组学特征评分）。

模型比较和评估

METex14跳突组和非突变组每种模型评分如图1所示。每个模型的预测效能和ROC曲线如表4和图2所示。用于预测METex14跳突的CECT模型、放射组学特征模型和联合模型的AUC分别为0.83、0.88和0.89。DCA曲线显示，在0.1至1.0的广泛风险阈值范围内，所有三种模型的净回报均优于无模型和全模型（图3）。

图1、METex14跳突组和非突变组每种模型的评分分布情况

表4、不同模型对PSC METex14跳突的预测效能

图2、对比不同模型对PSC METex14跳突预测效能的ROC曲线

图3、不同PSC METex14跳突预测模型的DCA曲线

结论

本研究结果提示基于临床和CECT特征以及放射组学特征的联合模型或可成为一种无创性预测PSC患者METex14跳突的潜在方法。

参考文献

本文主要参考Miao L, Qiu T, Li Y, et al. Predicting MET exon 14 skipping mutation in pulmonary sarcomatoid carcinoma by whole-tumour texture analysis combined with clinical and conventional contrast-enhanced computed tomography features. Transl Lung Cancer Res. 2024;13(6):1232-1246. doi:10.21037/tlcr-24-56。

声明：本材料由阿斯利康提供，仅供医疗卫生专业人士参考

审批编号：CN-145097

责任编辑：肿瘤资讯-Bear
排版编辑：肿瘤资讯-Rex