18F-FDG PET/CT代谢参数联合肿瘤标志物对肺腺癌EGFR基因突变的预测价值

黄世明，杨 洋，尹 亮，岳建兰，林志春

肺癌是我国最常见的恶性肿瘤之一，非小细胞肺癌(non-small cell lung cancer，NSCLC)约占80%，其中肺腺癌是NSCLC最常见的病理类型，有70%的肺腺癌患者发现时已为中晚期，导致治疗效果欠佳，5年生存率仅为17%[1,2]。近年来，对NSCLC分子生物学的相关研究促进了分子靶向药物治疗的进展，酪氨酸激酶抑制药(tyrosine kinase inhibitors，TKIs)已成为治疗表皮生长因子受体(epidermal growth factor receptor，EGFR)基因突变患者的有效方法，因此EGFR基因突变状态也是预测EGFR-TKIs治疗疗效的主要因素[3,4]。研究表明，NSCLC的电子计算机断层扫描(computed tomography，CT)影像特征、正电子发射断层显像计算机断层扫描(positron emission tomography/computed tomography， PET/CT)代谢参数与基因突变之间存在相关性[5]，其中肺部CT特征对肺癌EGFR的突变有预测作用[6]，而18F氟代脱氧葡萄糖(18-fluoro deoxy glucose，18F-FDG)PET/CT可同时反映病灶的代谢、功能等分子影像数据以及PET/CT解剖学信息，具有高灵敏性、高特异性、空间定位准确等特点[7]。因此，本研究将探讨18F-FDG PET/CT代谢参数联合肿瘤标志物对肺腺癌EGFR基因突变的预测价值。

1 资料与方法

1.1 临床资料 选取2010-01至2018-08在武警特色医学中心经PET/CT检查诊断为原发性肺癌的105例患者，并经病理学(通过支气管镜、穿刺活检或手术切除取得组织标本)确诊为肺腺癌的患者。纳入标准:(1)组织病理证实为肺腺癌；(2)在肿瘤治疗前行18F-FDG PET/CT检查及肿瘤标志物检测；(3)进行EGFR基因突变检测；(4)无其他肿瘤病史；(5)患者及家属签署知情同意书，依从性较好。排除标准：(1)临床资料缺失；(2)确诊为转移性腺癌；(3)合并其他肺部慢性疾病，如肺结核、COPD及肺部慢性职业病等。

1.2 EGFR基因检测方法使用 目前，较为广泛采用扩增受阻突变系统法(amplification refractory mutation system，ARMS-PCR)检测EGFR热点突变基因(18-21外显子)的突变情况[8]。将手术或病理穿刺取出的肺癌组织用福尔马林进行固定、石蜡包埋，使用DNA提取试剂盒提取足量的DNA样本，所有DNA样本经分光光度计(美国Thermo Scientific公司)浓度检测达到50 mg/L即为合格样本，合格的DNA样本经ARMS-PCR扩增后再进行测序分析。所有步骤均按照说明书进行检测。

1.3 PET/CT检查及数据采集 采用美国GE公司 PET/CT(Discovery ste16型)扫描仪采集图像，注射18F-FDG (3.70～5.55 MBq/kg)后进行PET/CT扫描。CT的扫描范围由颅顶扫描至股骨，层厚3.75 mm；PET采用3D采集并行重建技术，采集时间为3 min/床位，所有图像的重建及融合由工作站(AW4.4)进行。

1.3.1 分析CT影像学特征 由两位副主任医师共同分析肺腺癌病灶的影像特征[9]，共包括16项：(1)病灶的基本影像学征象4个，病灶分布(中央型或周围型)、形态和密度；(2)病灶内部特征6个，空泡及空洞、钙化、充气支气管征、液化坏死、分叶征、毛刺征；(3)病灶相关的其他特征6个，远处转移、纵隔或肺门淋巴结增大、肺内转移、肺气肿、胸膜凹陷征和胸腔积液。

1.3.2 SUV的采集 采用上海杏翔工作平台操作软件AW 4.4患者肺部病灶进行感兴趣区(Region of interest，ROI)勾画，自动获得病灶标准摄取值(standard uptake value,SUV)的最大值(SUVmax)与平均值(SUVmean)。

1.3.3 病灶糖代谢体积(metabolic tumor volume， MTV)和病灶总糖代谢量(total lesion glycolysis，TLG)的采集 分别对肺癌PET/CT图像进行分析，设定绝对阈值为SUV40%，对病灶进行冠状面手动选取病灶范围，自动得出MTV值，单位mm3；TLG为MTV与SUVmean的乘积(TLG=MTV×SUVmean)。

1.4 肿瘤标志物的测定 患者均清晨空腹采集静脉血5 ml，采用EDTA-K2处理，在抗凝后的2 h内完成NSE、CYFRA21-1及CEA血液水平的检测，采用美国贝克曼公司的库尔特UniCelDxI 600免疫分析仪对NSE、CYFRA21-1及CEA进行检测。

1.5 建立EGFR基因突变预测模型并评价其诊断效能 根据患者的临床资料、影像学检查资料和实验室检查资料，通过logistic回归建立临床EGFR基因突变预测模型。采用R软件对模型的自变量数据和因变量数据(EGFR基因突变)进行数据可视化处理，对模型研究对象的各指标计分评估，并依据总评分对应的疾病风险值得出最终EGFR突变风险概率。

1.6 统计学处理 采用SPSS 14.0和R软件进行数据分析，先进行单因素logistic分析，保留有统计学意义(P<0.05)的影响因素，再行多因素分析，再将多因素分析中有统计学意义(P<0.05)的因素纳入预测模型，建立对EGFR突变的多因素预测数学模型。通过R软件制作列线图，将有统计学差异的影响因素和因变量数据(EGFR基因突变)进行数据可视化处理。根据ROC曲线，计算其Cutoff值，对比模型间AUC值，得出预测效能最高的EGFR基因突变预测模型。

2 结 果

2.1 基本临床资料 最终纳入肺腺癌患者105例，EGFR突变型32例，EGFR野生型73例，其中男48例，女57例，年龄38～85岁，平均(63.0±11.1)岁。统计分析显示，EGFR野生型组和EGFR突变型组的性别和吸烟史因素差异有统计学意义(P<0.05)，而年龄、临床分期、高血压、糖尿病及确诊方式差异无统计学意义(P>0.05，表1)。

表1 两种类型肺腺癌患者的临床基本特征 (n;%)

2.2 CT影像学特征与EGFR突变的关系 通过卡方检验结果显示，EGFR野生型组和EGFR突变型组CT影像特征中的病灶密度、毛刺征与病灶远处转移具有统计学意义(P<0.05)，而两组病灶的分布、形态、空洞及空泡等其他13项CT特征之间差异无统计学意义(表2)。

表2 两种类型肺腺癌患者的CT影像学特征 (n;%)

2.3 PET/CT代谢参数与EGFR突变的关系 通过独立样本t检验，结果显示EGFR野生型组与突变型组的PET/CT代谢参数SUVmax、Mean、MTV和TLG分别为8.68±4.66、6.34±3.85、74.06±55.63、456.47±490.71与7.11±4.08、4.49±2.71、71.24±83.09、390.12±651.15，其中两组之间的SUVmax、MTV和TLG无统计学意义(P值分别为0.088、0.861、0.608)，而SUVmean差异具有统计学意义(t=2.82，P=0.015)。

2.4 肿瘤标志物与EGFR突变的关系 EGFR野生型组与突变型组之间的肿瘤标志物：CEA具有统计学意义(t=-2.48，P=0.016)，而CYFRA21-1和NSE之间无统计学差异(P值分别为0.481、0.422)。

2.5 患者特征数据与EGFR基因突变的单因素和多因素logistic分析 对上述影响肺腺癌患者的EGFR基因突变的因素采用二分类logistics回归进一步分析(包括性别、吸烟、PET/CT代谢参数、肿瘤标记物、密度、毛刺征、肺内转移和远处转移)，结果显示性别(P=0.019)、吸烟(P=0.035)、CEA(P=0.025)、密度(P=0.018)、毛刺征(P=0.008)、肺内转移(P=0.004)均具有统计学差异，而SUVmeanP=0.070，但由于SUVmean是本研究的重要影响因素，P值扩大至0.1，也具有统计学差异，均是预测EGFR突变的独立影响因素。

2.6 建立模型的可视化列线图 通过logistic回归建立4个临床EGFR基因突变预测模型，进一步分析显示，4个预测模型均具有预测的统计学意义(P<0.05)，Model1- 4的诊断百分比分别为78.1%、81.0%、78.1%、81.9%，Model 4的准确性最高。而SUVmean、CEA对EGFR突变预测能力的ROC曲线数据分析显示：SUVmean的cutoff值为4.91，其AUC值为0.612，SE(95%CI)=0.0582(0.512-0.706)，敏感度为62.50%，特异度为61.64%；CEA的cutoff值为7.18，其AUC值为0.666，SE(95%CI)=0.0553(0.567-0.755)，敏感度为78.12%，特异度为53.42%。而对四个模型将采集的数据集进行预测(四个模型的ROC曲线见图1)，结果显示，Model 4对EGFR基因突变的预测能力最强，AUC为0.860。

图1 四种模型对EGFR突变预测能力的ROC曲线数据分析

3 讨 论

肺癌是最常见的癌症之一，对于早期肺癌，手术切除是最好的治疗方法，而对于晚期无法切除的肺癌患者，目前主要是进行放化疗，但不良反应较大[10]。随诊分子肿瘤学的不断发展，肺癌的分子靶向治疗已得到广泛的临床应用，而EGFR基因的突变是肺癌中第一个被发现可用于预测NSCLC靶向治疗疗效的生物标记物[11]。临床研究发现不吸烟、女性、亚裔及肺腺癌患者是EGFR-TKIs治疗的优势人群，即上述人群EGFR基因突变率比其他人群高[12]。

本研究结果显示，与EGFR基因突变有关的单因素影响因子包括吸烟、性别、SUVmean、密度、毛刺征、肺内转移、CEA，即非吸烟患者与女性患者的EGFR突变率更高，该结果与大部分研究结果一致[13, 14]，但目前性别的影响原因还不十分清楚，而根据以往对雌激素的研究推测，雌激素可能具有致癌性，例如，女性肺腺癌患者在绝经前其肺癌更具侵袭性[15]。而在在移植肺腺癌细胞株的小鼠模型中，吉非替尼和雌激素受体拮抗剂存在协同效应，证明雌激素受体与EGFR糖蛋白通路可能存在相互作用，但是性别因素对EGFR突变的影响机制仍需进一步研究[16]。

在PET/CT代谢参数及CT影像征象方面，目前还没有一致性结果，本研究结果显示PET/CT代谢参数中SUVmean小于4.91患者的EGFR突变率高以及CT影像征象中出现部分实性密度、毛刺征、肺内转移的患者的EGFR突变率高。Yip等[17]发现SUVmax等PET代谢参数对肺腺癌的EGFR、KRAS突变有预测作用。张亚锐等[18]发现肺癌原发病灶的SUVmax<8.8组对EGFR突变预测的敏感度明显高于SUVmax≥8.8组(71%对比20%，P<0.001)。另有研究发现，SUVmax越高对EGFR突变预测的敏感度越高，研究的差异可能由于各个研究的SUVmax的影响因素较多，如：患者血糖水平，PET仪器型号批次、人种、图像采集操作时间等差异[19]。

血清肿瘤标志物与EGFR突变的相关联系目前还处于研究阶段，研究结论也不统一。本研究结果发现，肿瘤标志物中CEA高于7.18 ng/ml的患者EGFR突变率高。也有研究表明治疗前NSCLC的肿瘤标志物CEA水平可以预测EGFR-TKIs治疗，其中Jung[20]等发现在NSCLC中EGFR突变与肿瘤组织CEA水平呈正相关(P=0.021)。也有研究发现Cyfra21-1和CEA的升高是基因EGFR突变和EGFR-TKIs独立的预测和预后因素[21]。有学者认为，EGFR突变与 CEA升高相关，可能由于EGFR基因突变导致下游某传导通路被激活，从而促进了机体抗凋亡发生，导致血清CEA蛋白的激活，致使血清CEA升高[22]。因此，对于EGFR突变的预测，单一的代谢参数不具有足够的说服力，需要结合多个独立影响因素建立EGFR突变预测模型更具准确性[23]。因此，本研究利用患者的临床基本信息、肺腺癌PET/CT代谢参数及其CT影像学特征、肿瘤标志物对EGFR突变的预测能力建立logistic预测回归模型，其中模型4的诊断能力最高，即根据模型4只要分析患者的性别、吸烟情况、病灶密度、是否有毛刺征、是否有肺内转移、SUVmean值及CEA值，可有助于临床分析判断患者是否发生EGFR基因突变。

本研究不足之处: (1)本研究为单中心研究，所以纳入病例量较小，且并非所有肺腺癌患者都会在术前行PET/CT检测，此研究不能准确代表整体肺腺癌人群情况；(2)本研究为回顾性研究，并且数据资料收集繁琐，没有将研究结果进行前瞻性研究来验证其有效性；(3)本研究中的MTV代谢参数的勾画为图像处理工作站(AW4.4)自带软件SUV2.5为阈值进行自动勾选计算，与其他研究所采用SUVmax的阈值分割标准存在一定的区别，期采用多样SUV标准采集MTV，对比研究发现最佳SUV阈值；(4)由于肿瘤易发生肺部及远端转移，在采集原发病灶代谢参数及CT特征时，本研究只采集原发病灶的特征性参数，对于肺内转移较多，排除了不易分辨原发病灶的病例，造成了病例纳入的选择偏移；(5)本研究对肺部的16个CT特征进行提取，仅筛选出个别特征对EGFR突变具有预测能力的参数，由于CT特征为人工提取(由2名PET/CT专业医师分别评判提取)，存在评判误差可能。

综上所述，与EGFR基因突变有关的单因素影响因子包括吸烟、性别、SUVmean、密度、毛刺征、肺内转移、CEA，而根据这些影响因子建立的预测模型4将有助于临床分析肺癌患者是否发生EGFR基因的突变，从而指导临床进行靶向药物的个体化治疗。