2022年世界肺癌大会（WCLC）将于8月6日至9日在奥地利首都维也纳展览会议中心盛大举行。作为肺癌领域的“年度盛典”，WCLC吸引着全球专家学者的目光。目前大部分摘要已经公布。
数字化医疗背景下，生物医药科技创新亦体现在肿瘤患者预后因素分析中，本届WCLC会议中，多项国内入选Mini Oral Session的研究利用各种前沿方式分析非小细胞肺癌（NSCLC）的预后因素，尤其是基于各种人工智能（AI）方法的预后判断，成为此次会议的一大亮点。【肿瘤资讯】带您抢先一览，共瞩NSCLC精准医学发展，预见未来。
1. 伴有卫星结节的T3/T4非小细胞肺癌的T分类的再考虑
摘要号：MA04.03 报告专家: Fang Wang
背景：在同一肺叶或同侧不同肺叶有卫星结节的NSCLC分别命名为T3和T4，且仅由卫星结节的解剖位置定义，不考虑其他预后因素。
方法：2009年至2014年间，共纳入了4711例接受完全切除的T1-4、N0-2、M0 NSCLC患者，包括145例相同肺叶（T3-Add）有卫星结节的患者和174例同侧不同肺叶（T4-Add）有卫星结节的患者。使用多变量Cox回归模型和倾向评分匹配分析（PSM）比较总生存期（OS）。
结果：T3-Add患者的OS优于T3患者（T3-Add vs T3，HR=0.693；95%CI，0.526-0.912；P=0.009），通过多变量Cox分析，T2b患者的OS相当(T3-Add vs T2b，HR=0.949；95%CI，0.724-1.245；P=0.703)，并通过PSM进一步验证。T4-Add患者具有广泛的预后，筛选出单个肿瘤的最大直径(>3cm vs ≤3cm，HR=1.701；95%CI，1.166-2.482；P=0.006)作为区分预后的最有效指标。T4-Add(≤3cm)患者的OS优于T4患者[T4-Add(≤3cm) vs T4，HR=0.629；95%CI，0.455-0.869；P=0.005]，T3患者的OS相当（T4-Add vs T3，HR=0.830；95%CI，0.610-1.129；P=0.119）。T4+(>3cm)患者的OS与T4患者相当。
结论：同一肺叶（T3-Add）和同侧不同肺叶（T4-Add，最大肿瘤直径≤3cm）有卫星结节的NSCLC患者应进一步验证，并在未来的第9版TNM分期系统中考虑T2b和T3再分期。
2. 基于人工智能的NSCLC病理T分期和影像学T分期对照研究
摘要号：MA04.07 报告专家: Yuanyong Wang
背景：NSCLC的发病率目前居肺癌的首位，准确的分期是其预后的关键。多层螺旋CT(MSCT)是评价肺癌分期、预后及疗效的首选方法。通过测量肿瘤最大直径，可以更准确地进行术前影像学和临床T分期。近年来人工智能（AI）的飞速发展，给医师在肺部结节的自动检测、测量和风险评估等方面带来了很多便利。与传统的手工测量方法相比，AI可以更灵敏地检测肿瘤生长变化，更具有重复性的优势。该项研究探讨AI在肺腺癌临床T分期中的价值，为选择合适的治疗方案提供准确的T分期。
方法：临床数据来自103例手术病理证实的外周型NSCLC患者，所有患者均在术前接受了MDCT扫描。根据2017年国际抗癌联盟（UICC）最新的肺癌分期标准对胸部CT进行TNM分期。初步采用放射科医生手动测量和AI自动测量病灶最大直径两种方法进行初步评估。评估术前T分期并与术后病理结果进行比较，比较两种方法对NSCLCT分期的准确性，并比较AI定量测量与放射科医生手动测量和大体病理测量的准确性肿瘤最大直径的差异。
结果：以手术和病理分期为“金标准”，两种测量方法在T1-T2分期上差异无统计学意义（P>0.05）。放射科医师CT-T分期总体符合率为69.90%（72/103），AICT-T分期总体符合率为83.49%（86/103），两种方法与病理结果吻合较好。T分期（Kappa=0.56, 0.79），AI分析的CT-T分期优于放射科医师的CT-T分期和病理T分期。分期比较率更高。两种方法对NSCLC不同密度结节的CT-T分期结果差异无统计学意义（P>0.05）。
结论：AI自动测量和放射科医师手动测量的CT-T分期与病理T分期更加一致，AI分析的CT-T分期与病理T分期符合率更高，重复性更好，稳定性高。对外周型NSCLC术前T分期具有重要指导意义，有利于精准选择手术治疗方案，改善患者预后。
3.CREBBP 作为实体瘤免疫检查点治疗潜在生物标志物的分析及其与免疫微环境的相关性
摘要号：MA05.05 报告专家：Xiao li Liu
背景：CREBBP基因可发出分泌CREB结合蛋白的指令，广泛表达并参与许多不同转录因子的转录共激活。以往对CREBBP基因的机制研究发现，CREBBP通过直接调节DNA损伤反应（DDR）途径与肿瘤的发生和免疫检查点抑制剂的疗效相关，但很少有临床研究证明这一理论。
方法：分析了1661例患者的独立队列（MSKCC研究队列）和14855例泛癌症患者的中国临床数据集（381/733个基因）的下一代测序（NGS）数据，以探索 CREBBP 突变与免疫生物标志物之间的相关性。TMB 定义为编码区体细胞非同义突变总数。通过500个已知MSI位点的NGS评价MSI。使用免疫组织化学 (Dako 22C3) 评价PD-L1 表达。使用来自3个独立队列（OAK研究队列、POPLAR研究队列和MSKCC研究队列）的患者分析CREBBP 突变与免疫检查点抑制剂疗效之间的相关性。通过TIMER2.0进行免疫过滤细胞评分的估计使用 TCGA-SKCM队列。
结果：在MSKCC队列中，有99例(59.6%)患者携带CREBBP突变(CREBBP mut)，略高于中国队列(48.54%，721/14855)。对于TMB，MSKCC（中位数，24.18Muts/Mb vs 6.26Muts/Mb，P<0.0001）和中国人（中位数，39.08Muts/Mb vs 8.47Muts/Mb，P<0.0001）队列的TMB均高于野生型(CREBBPwt)。中国队列MSI的补充分析显示CREBBPmut和CREBBPwt组之间(P<0.0001)以及PD-L1水平（P=0.0019）存在显著差异。在免疫检查点抑制剂治疗的预后效果方面，CREBBP突变与膀胱癌（中位数，15个月vs NR；HR=0.42；95%CI，0.21-0.88；P=0.017）、结直肠癌（中位数，43个月vs13个月；HR=0.23；95%CI，0.07-0.75；P=0.0085）和非小细胞肺癌（中位数，4.8个月vs 13.5个月；HR=2.04；95%CI，1.33-3.13；P=0.00084）显著相关。
有趣的是，与其他实体瘤相反，CREBBP mut在NSCLC中与免疫检查点抑制剂疗效呈负相关。而两组PD-L1表达无差异(P=0.53)。探索CREBBP与免疫微环境的相关性，发现CREBBP mut膀胱癌和结直肠癌患者的CD4+T细胞和NK细胞浸润明显增高，而NSCLC患者的CD4+T细胞和NK细胞浸润明显降低。这可能是预后相反的原因。
结论：结果表明，CREBBP在实体瘤中与TMB、MSI和PD-L1具有高度相关性。CREBBP 可能是免疫检查点抑制剂治疗的潜在生物标志物，免疫微环境可能是影响它的一个因素。
4. MET 外显子 14 跳跃的非小细胞肺癌的瘤间分子异质性
摘要号：MA05.07 报告专家: Yuchen Han
摘要尚未发布~
5.基于转录组测序的 pN2 肺腺癌分子分型研究
摘要号：MA06.07 报告专家：Jianfei Zhu
背景：在第8版肺腺癌病理 N2(pN2) 描述符 (LUAD) 中，建议根据其预后异质性细分为3类（pN2a1、pN2a2和pN2b）。但针对疾病预后异质性相关生物分子特征研究有限。
方法：纳入来自 The Cancer Genome Atlas(TCGA) 数据库的 pN2 期 LUAD 患者进行分析，通过一致聚类将所有患者分为不同的分子类型。进行无病生存期 (DFS)、总生存期 (OS)、差异基因、生物学和免疫微环境中细胞浸润的分析。所有结果均在 GSE68465 数据集中得到验证。
结果：研究者将LUAD的pN2患者分为两类：N2-A和N2-B，生存分析显示N2-A患者的DFS（30.2个月vs 8.2个月，P=0.016）和OS（46.0个月vs 15.9个月，P=0.003）显著优于N2-B患者，多因素分析证实分子分型是影响pN2期LUAD预后的独立因素。
值得注意的是，进一步分析表明，pN2-A患者的DFS（P=0.523）和OS（P=0.250）与pN1患者甚至没有差异。研究还发现，与pN2-A期患者相比，pN2-B期患者的典型致癌途径突变频率更高，免疫抑制更多，增殖率和经典致癌分子事件更高。而且研究者建立了基于24个基因的LUAD pN2分子分类的基因预测模型，该模型的预测效果是合理的。最后，上述有意义的结果在GES68645数据库中基本得到证实。
结论：本研究结果提供了基于 pN2期LUAD基因特征的分子分类模型，证实了该类型疾病异质性的根本原因，有望成为pN2分期的有力补充，指导个体化治疗。
6.深度学习预测NSCLC新辅助免疫治疗的MPR
摘要号：MA06.09 报告专家： Yifan Zhong
背景：相当大比例的NSCLC患者无法通过新辅助免疫治疗获得主要病理学缓解（MPR）。本研究基于多中心队列，旨在利用CT图像构建并验证预测新辅助免疫治疗NSCLC患者MPR的深度学习模型。
方法：纳入2019年1月至2021年12月在上海市肺科医院、中国科学院大学宁波华美医院、南昌大学第一附属医院和浙江大学医学院附属邵逸夫医院接受NSCLC新辅助化疗后根治性手术的患者。回顾性收集新辅助给药前2周内的基线特征和胸部CT图像。上海市肺科医院患者以7～3的比例分为培训队列和验证间队列，其他中心患者均分组为外验证队列。
结果：共纳入274例患者，分为训练队列、验证间队列和外验证队列分别为142例、61例和71例。大多数患者（n=148，54.0%）被评价为MPR，29.9%（n=82）的患者达到了病理学完全缓解。
在验证间队列和外验证队列中，区分MPR的深度学习模型的曲线下面积(AUC)分别为0.73（95%CI，0.58-0.86)和0.72(95%CI，0.58-0.85）。将临床特征整合到深度学习模式后。联合模型在验证间队列（AUC：0.77，95%CI，0.64-0.89）和外验证队列（AUC：0.75，95%CI，0.62-0.87）中获得了令人满意的性能。
结论：这是首次研究深度学习对NSCLC新辅助免疫治疗疗效的预测价值。提出的深度学习模型可以有效预测新辅助免疫治疗NSCLC患者的MPR。
排版编辑：肿瘤资讯-Shire
苏公网安备32059002004080号
