肺癌筛查中的问题和研究进展

杨 钊 叶兆祥*

肺癌是目前全球发病率最高的肿瘤，其癌症相关的死亡率也居首位。 据估计，2015 年美国将有22万肺癌新发病例，仅次于乳腺癌及前列腺癌，并且将有近16 万人因肺癌死亡， 占所有癌症相关死亡人数的27%，远远高于其他种类的恶性肿瘤[1]。 而在中国，肺癌是发病率最高的恶性肿瘤，每年新发病例约60 万，每年死亡病例约49 万，占所有肿瘤死亡人数的26.85%，居肿瘤死因的首位[2]。

早期肺癌常常没有临床症状，当病人出现症状并就诊时，肺癌已至进展期。 研究显示肺癌的5 年生存率为17%左右，但早期肺癌的5 年生存率可达到54%， 而当出现远处转移后其生存率只有不到5%[1]。 因此肺癌筛查和早期诊断对降低肺癌的死亡率、延长病人的生存期具有重要的意义。

1 肺癌筛查的方式选择

20 世纪50—80 年代， 已进行过许多基于X 线胸片联合痰液细胞学检查的肺癌筛查实验，其中较著名的实验有纪念斯隆-凯特琳研究（Memorial Sloan-Kettering Study）， 约翰·霍普金斯研究（Johns Hopkins Study）和梅奥肺计划（Mayo Lung Project），其中梅奥肺计划显示了筛查可提高肺结节切除率及病人生存率，但死亡率未受影响[3]。 X 线平片的特异性及敏感性不高， 对直径＜2 cm 的非钙化结节不敏感，这些因素制约了X 线在肺癌筛查中的应用。

随着技术的进步，CT 得以广泛应用， 其对于肺部小结节的敏感性远优于X 线检查，并且由CT 确诊的肺癌80%处于ⅠA期， 这提高了手术的可能性[4]。但常规CT 所造成的辐射风险是不可忽略的， 其能否在大规模肺癌筛查中应用一直存在争议。 Naidich等于20 世纪90 年代首次提出低剂量CT（low-dose CT,LDCT）的概念，随着技术的进步，如今LDCT 能在病人一次屏气时间内完成对整个肺部的扫描，并且针对肺组织和周围软组织的密度差而运用较小的管电流[5]，从而减小辐射危害。

美国国家肺癌筛查实验 （National Lung Cancer Screening Trial，NLST） 采用LDCT 进行肺癌筛查，3年中实验共纳入53 454 名参与者。参与者被随机分成2 组， 分别进行LDCT 和X 线平片检查， 其中LDCT 组因肺癌致死的人数为356 人， 而X 线组为443 人,LDCT 组的死亡率较X 线组降低了20%[6]，这更印证了LDCT 在肺癌筛查方面具有优势。

如今LDCT 因具有较好的准确性， 较低的辐射剂量成为了肺癌筛查的首要选择。

2 肺癌筛查存在的问题

在降低肺癌死亡率的同时肺癌筛查中还存在许多问题，如辐射的危害、较高的假阳性率、过度诊断所造成的经济负担、 追加检查的并发症风险、如何界定高危人群等。

2.1 假阳性 LDCT 相较于X 线平片对肺内非钙化小结节探查的优势是毋庸置疑的，但这也使得大量的良性结节被发现， 因而造成了较高的假阳性率。 这些假阳性的筛查者可能会进行追加的有创或无创检查来确诊。 在NLST 实验的阳性结果中有96.4%为假阳性[6]，总实验人数中5.5%的病人进行了追加PET/CT 检查；1.5%的病人进行了非手术有创性生物学检查， 其中73%为良性结节；2.6%的病人进行了手术，其中24%为良性结节，这明显增加了肺癌筛查的成本和有创检查后并发症的可能性[7]。另一个让人担心的问题是假阳性是否会让筛查者产生不必要的焦虑和不适感，Gareen 等[8]对NLST 的参与者在得知结果后的第1 个月和第6 个月进行了问卷调查， 评估了被检者的健康相关生活质量（health-related quality of life，HRQoL） 和焦虑指数，结果显示在阴性结果人群和假阳性结果人群中HRQoL 和焦虑指数未见明显区别，但真阳性人群会体会到新出现的不适感。 这与荷兰-比利时随机肺癌筛查实验即NELSON 所报道的结果一致[9]，但不同于匹兹堡肺癌筛查研究（Pittsburgh lung screening study，PLuSS)的结果[10]，其原因可能是NLST 实验会告知参与者假阳性结果可高达50%。 这提醒我们在筛查前让参与者应充分了解假阳性结果的存在，以减轻其心理压力。

为了减低假阳性率，运用其他辅助诊断联合筛查成为了关键。 运用于肺癌筛查的辅助手段必须有以下特点：①能无创应用于早期诊断；②有较好的量化指标和可重复性； ③较高的敏感性和特异性。但基于蛋白的传统肿瘤标志物如癌胚抗原(carcinoembryonic antigen,CEA)、 血清鳞状细胞抗原（squamous cell carcinoma antigen，SCC-Ag）等对早期肺癌的敏感性不佳[11]。而微小核糖核酸（microRNAs，miRNAs）因具备良好的敏感性和特异性，且可在外周血内被定量检测而成为肿瘤早期诊断的新焦点。miRNAs 是生物体内的一种非编码RNA， 其长度19~25 个核苷酸， 它可通过碱基互补配对的方式识别靶mRNA， 并根据互补程度的不同指导沉默复合体降解靶mRNA 或者阻遏靶mRNA 的翻译[12]。 在肿瘤病人体内某些miRNAs 会有显著变化， 如在非小细胞肺癌病人体内，与脆性组氨酸三联体基因相关的microRNA-30b/c 会下降[13-14]，在小细胞肺癌肿瘤组织中miR-17-92 会明显高表达[15]。

如今已有许多运用miRNAs 进行肺癌早期诊断的实验。其中Sozzi 等[16]采用基于意大利多中心肺癌检测（Multicenter Italian Lung Detection，MILD）的血清miRNAs 检测， 因实验方法完善而获得了较理想的实验结果。 在此实验中所有的939 名参与者均进行了由24 条miRNAs 比率组成的miRNAs 分类（microRNA signature classifier，MSC） 标准来分成高危、中危、低危共3 个等级，并对其中652 名（58 例患肺癌） 参与者的LDCT 的结果进行比较， 据此对MSC 单独应用与联合LDCT 应用的敏感性和特异性进行分析，结果显示MSC 和LDCT 单独应用时其敏感度和特异度分别为87%、81%和79%、75%，LDCT 的假阳性率为19.4%。 当两者联合应用时，若以两者全为阳性为标准， 其敏感度下降到69%，但假阳性率下降到3.6%;若以两者任意一结果阳性为标准，则其敏感度为98%、特异度为65%。 值得注意的是部分MSC 的血液样本取自于肺癌病人确诊时间前的1~2 年，但在这部分人群中MSC 分类仍表现出80%以上的敏感度和特异度， 这表明了miRNAs相较于其他肿瘤标志物在早期诊断上具有很大的优势。

在此实验中MSC 分类有较好的敏感性和特异性，这可能一部分得益于其对24 条miRNAs 的含量进行了两两相比的标准化，另一部分得益于去除了因溶血而污染的血液样本。但是MSC 分类本身也存在争议，在此评分中所选用的24 条miRNAs 来源于Boeri 等[17]的实验，实验通过对比非小细胞肺癌血液和正常人群血液所表达的差异来筛选有意义的miRNAs，并用验证序列验证，但未对不同病理分型分别检测，也未明确阐述所选用肺癌标本的病理类型，虽然最后选取的miRNAs 多作用于细胞老化、细胞凋亡、细胞再生等在癌症形成中起重要作用的细胞通路，在一定程度上规避了病理分型所造成的误差，但其准确性有待进一步论证。

2.2 高危人群和风险模型 连续进行LDCT 检查会使辐射风险和经济负担增加，为了保证被检查者的收益，肺癌筛查应该在高危人群中进行。 目前，各个实验对高危人群的界定不尽相同， 在NLST 中研究对象需满足下列条件： ①年龄在55~74 岁之间；②吸烟史大于30 包·年，戒烟日期距今小于15 年；③参与者之前没有肺癌史，之前18 个月内未进行过胸部CT 检查，过去1 年中体质量减轻小于6.8 kg[6]。美国国立综合癌症网络 （national comprehensive cancer network,NCCN） 亦以NLST 的标准界定一类高危人群，其二类高危人群标准为：年龄＞50 岁，吸烟＞20 包·年，具有至少1 个括号内的危险因素（癌症史、肺癌家族史、肺部疾病史、粉尘接触史、职业暴露史）[18]。以上评价标准对高危人群的选择局限于吸烟人群，忽略了非吸烟的高危人群，并且缺乏对肺癌高危因素的量化评估。

利物浦肺计划 （Liverpool Lung Project，LLP）风险模型的出现为肺癌高危人群的选择提供了新的思路。其原理是利用logistic 回归模型估算出高危人群5 年内肺癌的发生率（P）。在公式P=1/[1+exp（-a-∑iβixi ）]中，a 代表不同年龄和性别的修正系数，x 代表危险因素，β 代表相对危险因素的对数比，a 和βixi 的值可在LLP 风险模型提供的表格中查询。 其中所确定的危险因素有肺癌家族史、粉尘接触史、肺炎史、除肺癌外的恶性肿瘤史和吸烟年限。在由1 147 人组成的验证组中，LLP 的AUC 值可达到0.71[19]。如今正在进行的英国肺筛查（UK Lung Screen，UKLS）实验就应用LLP 模型来确定高危人群，参与者需年龄在50~75 岁之间，并且LLP 预测的5 年内肺癌风险＞5%， 保守估计肺癌的检测率会提高1.5%[20]。 但LLP 实验为匹配病例对照实验，无法估计年龄性别相关的危险因素， 其a 值由利物浦地区肺癌发生率的相关数据得出，这在一定程度上影响了实验的准确性， 并且其资料并非由临床直接提供，使其可靠性相对薄弱。

继LLP 之后出现了许多基于不同高危因素的新型模型 [如PLCO （Prostate, Lung,Colorectal, and Ovarian）模型]，其中PLCO（M2012）模型被用来与NLST 的高危人群标准作比较。实验中先从PLCO 筛查参与者中选出14 144 名符合NLST 高危标准的候选者，然后将PLCO（M2012）模型的6 年肺癌发生率定为1.345 5%以筛选出同样数量的被选者。 结果显示，PLCO（M2012）模型的真阳性率为4.0%，敏感度为83.0%，而NLST 为3.2%和71.1%，肺癌的检出率提高了0.8%[21]。

各种肺癌风险模型的出现为高危人群的选择提出了新的方向， 但其是否可提高肺癌的检出率、减少死亡率仍需要大样本的随机实验来验证。

2.3 过度诊断 过度诊断的概念即检测出即使不接受治疗也不会出现临床症状或导致死亡的肿瘤。这类肿瘤在乳腺癌和前列腺癌中较多见。 肺癌的过度诊断可能由两方面组成，其一是肿瘤表现的生物学行为足够惰性而不会引起临床症状和死亡；另一类是病人在肿瘤进展之前就死于如心血管或呼吸系统的其他疾病。 在肺癌筛查中过度诊断的发生率难以准确计算，一些研究认为25%的筛查中所探查到的肺癌属于过度诊断[22-23]。 而在NLST 实验中通过模型得出过度诊断率为18.5%（95%CI：5.4%~30.6%）， 值得注意的是22.5%的被检测到的非小细胞肺癌为过度诊断，而这一数值在以磨玻璃为主要表现的细支气管肺泡癌（此病理分型已弃用）中高达78.9%[24]。 虽然数据显示磨玻璃结节 （groundglass nodule，GGN）有较高的过度诊断率，但是据美国早期肺癌行动计划（early lung cancer action project，ELCAP）显示GGN 的恶性率（34%）也明显高于实性结节（7%），此数据包含了直径2~5 mm 的小结节，若以ELCAP 中直径6 mm 为阳性标准, 则在阳性结节中GGN 的恶性率为43%， 而实性结节为21%[25]。并且在GGN 中相对预后较差的浸润性腺癌亦不可忽视，在Ichinose 等[26]对114 例进行手术的纯GGN进行分析， 其中癌前病变和微浸润腺癌分别为66例和14 例，而浸润性腺癌为14 例，占总数的13%。这提示在肺癌筛查中对既有较高恶性率又有较高过度诊断率的GGN 需要制定更好的处理方案。 在被检查者死亡以前，过度诊断是否发生通常难以估计， 所以在一些研究中以结节倍增时间（volume doubling time，VDT） 作为过度诊断的标准。 其中Veronesi 等[27]建议把VDT＞400（占总病例数的25%）的结节定义为低侵袭性结节， 并施以创伤更小的治疗方案来降低过度诊断带来的影响。 但是单纯以VDT 为标准判断过度诊断并不准确，在肿瘤的发展过程中VDT 可以出现上升或下降[28]，因此生长缓慢的肿瘤并不代表其不会发展成致命的癌症。

2.4 放射危害 LDCT 扫描所造成的辐射相对较低，但当对大基数人群进行扫描时其造成的辐射是不可忽略的。以NLST 为例，平均体型的男性一次扫描所接受的辐射为1.6 mSv，而女性为2.1 mSv，这种差异是由于女性乳腺对射线吸收所造成，而在自然界中平均每人每年所接受的辐射量估计为3 mSv[29]。Bach 等[7]估计3 年筛查的累积辐射量可达8 mSv，并且每2 500 人中就有1 人因筛查辐射死亡， 但平均每筛查310 人就可阻止1 例肺癌造成的死亡，所以相较于辐射造成的风险，为期3 年的肺癌筛查所获得的收益要大得多。 若每年进行LDCT 检查， 经过10～20 年辐射的风险将会大于收益。

3 总结和展望

肺癌筛查可使肺癌的死亡率降低20%，其效果远远优于当今的任何治疗手段。 而且随着新的风险模型的应用，肺癌的检出率也得到了提高。 LDCT 和miRNAs 检测结合可使假阳性率降低至3.6%， 这既弥补了LDCT 的不足， 又为肺癌筛查提供了新的思路。 LDCT 肺癌筛查目前仍有许多问题需要研究，如选择更加合理的结节处理方案、筛查的频率和持续时间，但毫无疑问的是肺癌筛查将会在肿瘤防治中占有重要地位。

[1] Siegel RL, Miller KD, Jemal A. Cancer statistics, 2015[J]. CA Cancer J Clin,201565：5-29.

[2] 陈万青,张思维,曾红梅,等.中国2010 年恶性肿瘤发病与死亡[J].中国肿瘤,2014,23：1-10.

[3] Marcus PM, Bergstralh EJ, Fagerstrom RM, et al. Lung cancer mortalityin the Mayo Lung Project：impact of extended follow-up[J].J Natl Cancer Inst,2000,92：1308-1316.

[4] Henschke CI,McCauley DI,Yankelevitz DF,et al.Early Lung Cancer Action Project：overall design and findings from baseline screening[J].Lancet,1999,354：99-105.

[5] 张丽,于红,刘士远.低剂量CT 早期肺癌筛查的应用进展[J].国际医学放射学杂志,2011,34：535-538.

[6] National Lung Screening Trial Research Team,Aberle DR, Adams AM,et al. Reduced lung-cancer mortality with low-dose computed tomographic screening[J].N Engl J Med,2011,365：395-409.

[7] Bach PB, Mirkin JN, Oliver TK,et al. Benefits and harms of CT screening for lung cancer： a systematic review[J]. JAMA,2012,307：2418-2429.

[8] Gareen IF,Duan F,Greco EM,et al.Impact of lung cancer screening results on participant health-related quality of life and state anxiety in the National Lung Screening Trial[J]. Cancer, 2014,120：3401-3409.

[9] van den Bergh KA, Essink-Bot ML, Borsboom GJ. Short-term health-related quality of life consequences in a lung cancer CT screening trial(NELSON)[J].Br J Cancer,2010,102：27-34.

[10] Byrne MM, Weissfeld J, Roberts MS. Anxiety, fear of cancer, and perceived risk of cancer following lung cancer screening[J]. Med Decis Making,2008,28：917-925.

[11] Hensing TA, Salgia R. Molecular biomarkers for future screening of lung cancer[J].J Surg Oncol,2013,108：327-333.

[12] Krol J, Loedige I, Filipowicz W. The widespread regulation of microRNA biogenesis, function and decay[J]. Nat Rev Genet,2010,11：597-610.

[13] Zhong K,Chen K,Han L,et al.microRNA-30b/c inhibits non-small cell lung cancer cell proliferation by targeting Rab18 [J]. BMC Cancer,2014,14：703.

[14] Suh SS, Yoo JY, Cui R,et al. FHIT Suppresses Epithelial -Mesenchymal Transition(EMT) and metastasis in lung cancer through modulation of microRNAs[J]. PLoS Genet, 2014,10：e1004652.

[15] Hayashita Y, Osada H, Tatematsu Y, et al. A polycistronic microRNA cluster, miR-17-92, is overexpressed in human lung cancers and enhances cell proliferation[J]. Cancer Res, 2005,65：9628-9632.

[16] Sozzi G, Boeri M, Rossi M,et al. Clinical utility of a plasma-based miRNA signature classifier within computed tomography lung cancer screening： a correlative MILD trial study[J]. J Clin Oncol, 2014,32：768-773.

[17] Boeri M,Verri C,Conte D,et al.MicroRNA signatures in tissues and plasma predict development and prognosis of computed tomography detected lung cancer[J].Proc Natl Acad Sci U S A,2011,108：3713-3718.

[18] NCCN.The NCCN clinical practice guidelines in oncology,lung cancer screening(version 1.2015)[EB/OL].NCCN,2015.http：//www.nccn.org/patients.

[19] Cassidy A,Myles JP,van Tongeren M,et al.The LLP risk model： an individual risk prediction model for lung cancer[J]. Br J Cancer,2008,98：270-276.

[20] Baldwin DR, Duffy SW, Wald NJ, et al. UK Lung Screen (UKLS)nodule management protocol： modelling of a single screen randomised controlled trial of low-dose CT screening for lung cancer[J].Thorax,2011,66：308-313.

[21] Tammemägi MC, Katki HA, Hocking WG,et al.Selection criteria for lung-cancer screening[J].N Engl J Med,2013,368：728-736.

[22] Kubík AK, Parkin DM, Zatloukal P. Czech study on lung cancer Screening： post-trial follow-up of lung cancer deaths up to year 15 since enrollment[J].Cancer,2000,89：2363-2368.

[23] Marcus PM, Bergstralh EJ, Fagerstrom RM, et al.Lung cancer mortality in the Mayo Lung Project：impact of extended follow-up[J].J Natl Cancer Inst,2000,92：1308-1316.

[24] Patz EF Jr, Pinsky P, Gatsonis C, et al.Overdiagnosis in low-dose computed tomography screening for lung cancer[J]. JAMA Intern Med,2014,174：269-274.

[25] Henschke CI, Yankelevitz DF, Mirtcheva R,et al. CT screening for lung cancer： frequency and significance of part-solid and nonsolid nodules[J].AJR,2002,178：1053-1057.

[26] Ichinose J, Kohno T, Fujimori S, et al. Invasiveness and malignant potential of pulmonary lesions presenting as pure ground-glass opacities[J].Ann Thorac Cardiovasc Surg,2014,20：347-352.

[27] Veronesi G,Maisonneuve P,BellomiM,et al.Estimating overdiagnosis in low-dose computed tomography screening for lung cancer： a cohort study[J].Ann Intern Med,2012,157：776-784.

[28] Horeweg N, de Koning HJ.Reply： stage distribution of lung cancers detected by computed tomography screening in the NELSON Trial[J].Am J Respir Crit Care Med,2013,188：1035-1036.

[29] Aberle DR, Abtin F, Brown K. Computed tomography screening for lung cancer： has it finally arrived? Implications of the national lung screening trial[J].J Clin Oncol,2013,31：1002-1008.