利用常见血清肿瘤标志物构建肺癌病理分型的风险预测模型*

王森钰，赖良，冯阳春

(新疆医科大学附属肿瘤医院&第三临床医学院医学检验中心，乌鲁木齐 830011)

《中华医学会肺癌临床诊疗指南(2019版)》指出肺癌的诊断通常需要结合影像学和病理学检查[1]。肺癌血清肿瘤标志物的敏感性和特异性还不够高，但其升高可早于某些临床症状的出现，临床诊断时可根据需要检测肺癌相关的肿瘤标志物，行辅助诊断和早期鉴别诊断，并了解肺癌可能的病理类型。目前诊疗指南推荐常用的原发性肺癌标志物有癌胚抗原(carcino embryonic antigen, CEA)、神经元特异性烯醇化酶(neuron-specificenolase, NSE)、细胞角蛋白片段19(cytokeratin 19 fragment, CYFRA21-1)、胃泌素释放肽前体(pro-gastrin-releasing peptide, ProGRP)、鳞状上皮细胞癌抗原(squamous cell carcinoma antigen, SCC)等[1]。本研究拟将上述5种血清肿瘤标志物及报道较多的糖类抗原125(CA125)作为研究指标[2-4]，构建血清肿瘤标志物预测肺癌病理分型的风险预测模型，以期为临床医生准确评估肺癌的病理类型提供实验依据。

1 材料和方法

1.1资料来源 收集2012年5月至2013年5月新疆医科大学附属肿瘤医院初次入院就诊且确诊为原发性肺癌的患者相关资料。纳入标准：(1)就诊时有肺部结节并按照《原发性肺癌诊疗规范(2011年版)》最终确诊；(2)纳入原发性肺癌中常见的病理类型，包括小细胞肺癌、肺鳞癌及肺腺癌；(3)患者均未进行任何放化疗以及手术治疗；(4)一般临床资料齐全。排除标准：(1)医院复诊的肺癌患者；(2)腺鳞癌、大细胞癌等肺癌不常见病理类型的肺癌患者；(3)肺部转移癌。按照以上标准，最终共计342例原发性肺癌患者纳入本次研究，男209例，女133例，年龄28～82岁，中位年龄62岁。其中小细胞肺癌195例，肺鳞状细胞癌63例，肺腺癌84例。另外纳入同期医院收治的91例肺部影像学可疑并确诊为非原发性肺癌患者作为对照组，包括肺结核11例，肺部炎症等肺部良性疾病80例。对照组年龄37～70岁，中位年龄53岁。本研究经新疆医科大学附属肿瘤医院伦理委员会批准(No.G-2019045)。

1.2主要仪器及试剂 ARCHITECT i2000SR全自动化学发光免疫分析仪(美国Abbott公司)，Cobas e601型全自动电化学发光免疫分析仪(德国Roche公司)。Pro-GRP检测试剂盒、CEA检测试剂盒、CA125检测试剂盒、SCC检测试剂盒、CYFRA21-1检测试剂盒(美国Abbott公司)，NSE检测试剂盒(德国Roche公司)

1.3标本采集及检测方法 分别采集原发性肺癌患者及良性患者晨起空腹(禁食8～12 h)静脉血3 mL，3 500×g离心15 min，血清样本置-20 ℃保存。采用ARCHITECT i2000SR全自动化学发光免疫分析仪，按照检验科制定的各项目的标准操作规程检测血清中Pro-GRP、CEA、CA125、SCC和CYFRA21-1的含量。采用Cobas e601型全自动电化学发光免疫分析仪，按照NSE检测试剂盒的检测标准操作规程检测血清中NSE的含量。

1.4统计学分析 采用R包(来源于http://cran.r-project.org/web/packages)进行热图分析及绘制ROC曲线，获得各指标预测肺癌病理分型的预测模型，使用 Bootstrap 重复采样法对模型的准确性进行内部验证，进行 1 000 次重复采样，计算模型的一致性指数，即C指数(index of concordance, C-index)。以P<0.05为差异有统计学意义。

2 结果

2.16种肺癌相关肿瘤标志物的热图分析 对342例肺癌患者的肿瘤标志物进行热图分析，结果显示，Pro-GRP和NSE在小细胞肺癌中呈高表达，CA125和CEA在肺腺癌中呈高表达，SCC和CYFRA21-1在肺鳞癌中呈高表达，见图1。同时对6种常用血清肿瘤标志物中的Pro-GRP和NSE，CA125和CEA，SCC和CYFRA21-1分为3个初级分类；其次CA125和CEA，SCC和CYFRA21-1构成的2个初级分类又组成1个次级分类，而Pro-GRP和NSE构成的初级分类被分为另一类。综合上述结果可以认为Pro-GRP和NSE预测小细胞肺癌，SCC和CYFRA21-1预测肺鳞癌，CA125和CEA预测肺腺癌的组合更好。

图1 6种常用血清肿瘤标志物在各病理类型肺癌表达的热图分析

2.26种血清肿瘤标志物预测不同肺癌病理分型的模型 该研究纳入患者的一般资料，包括年龄、性别和吸烟状态，同时结合结果2.1部分血清肿瘤标志物的组合对小细胞肺癌、肺鳞癌和肺腺癌进行风险预测模型的构建，结果见图2、表1和表2。小细胞肺癌、肺鳞癌和肺腺癌预测模型对应的AUCROC分别为0.938、0.965和0.965。

图2 血清肿瘤标志物联合预测各种病理类型肺癌的ROC曲线

表1 血清肿瘤标志物预测肺癌各种病理类型的多因素分析

表2 血清肿瘤标志物联合预测肺癌各种病理类型的模型

2.3预测模型的内部验证结果 Bootstrap重复采样法对3个模型的预测能力进行内部验证，结果证实3个模型的指数C分别为0.938、0.965和0.965；原始曲线和校正曲线拟合良好。见图3。表明预测模型的预测效果理想。

图3 小细胞肺癌、肺鳞癌和肺腺癌各预测模型的校准曲线

3 讨论

血清肿瘤标志物作为传统的检测指标，在各临床实验室已经普遍开展。先前的研究主要聚焦于单个肿瘤标志物或者多个肿瘤标志物联合检测对恶性肿瘤的诊断价值，而随着研究的不断发展，应用血清肿瘤标志物对出现影像学特征等恶性肿瘤高危人群进行风险评估的模型已成为研究的热点，目前在临床检验领域应用最为广泛的风险评估模型是采用CA125和HE4血清肿瘤标志物计算的ROMA风险评估模型，该模型主要应用于女性盆腔肿块的良恶性风险评估，并已经出现在检验报告单上，对临床医生和患者帮助很大，体现了检验医学的价值[5-6]。对肺部影像学可疑的患者进行风险评估，构建类似于ROMA模型的风险评估模型，一直是肺部血清肿瘤标志物研究的热点。

在此次研究中，笔者首先利用热图分析的方法对实验室常用的6种血清肿瘤标志物进行分析，用图形分析的方法直观显示6种肿瘤标志物和常见肺癌病理分型之间的关系，这种创新性的分析手段在国内为首次报道。本次研究结果表明，Pro-GRP和NSE预测小细胞肺癌，SCC和CYFRA21-1预测肺鳞癌，CA125和CEA预测肺腺癌的组合更好。这一结果和目前报道的血清肿瘤标志物和肺癌各种病理类型的相关性相一致[7-9]。

目前，针对肺部影像学可疑的患者建立的风险预测模型有很多，但是多是基于人群危险因素构建的模型，譬如Mayo模型、VA模型和北大模型等[10]。这些模型只考虑患者的一般资料和影像学结果，然而，比较容易获得的血清肿瘤标志物检测结果多数被忽视。最近几年，推广比较多的是雅培诊断和中国肺癌防治联盟共同合作开发的LCBP风险模型[11]，该风险模型利用493例患者的年龄、性别、吸烟史等一般资料，CT检查信息，Pro-GRP、CEA、CYFRA21-1和SCC 4项肺癌血清标志物，首次构建了有血清肿瘤标志物参与的肺癌风险评估模型，并在临床广泛应用。而本次研究利用血清肿瘤标志物结合患者的一般资料，构建针对各种肺癌病理类型的风险预测模型在以前的报道中较为罕见，构建的3个模型的AUCROC均大于0.90，说明预测的准确性较高。本研究对3个模型的预测能力进行内部验证，结果表明各个模型的预测效果均比较理想。

由于CT检查结果对于检验工作人员而言很难获得，因此，本次研究模型并未纳入CT检查结果。同时相比于LCBP模型，更多地纳入了NSE和CA125 2个常见的肺癌肿瘤标志物，并按照病理分型分别建立模型，力求未来像ROMA模型那样，把3种常见肺癌病理类型分别计算风险展示在检验报告单上，为临床医生进一步诊疗提供依据。

本研究尚存在一定的局限性。首先，本研究仅为单中心的回顾性研究，样本量仅为433例，还存在一定的数量不足；其次，本研究仅对各个模型进行了内部验证，未来采用前瞻性研究进行外部验证非常有必要。综上所述，本研究建立的3个风险预测模型虽然可以较好地预测肺癌常见病理类型的发生，但是该结论还需多中心及前瞻性研究验证。