新的肺癌测试预测生存率

在迄今为止对肺癌分子遗传学进行的两项最大的临床研究中，由加州大学旧金山分校(UCSF)的科学家领导的一个国际团队证明，现有的分子检测可以比传统方法更准确地预测早期肺癌的死亡可能性。这项工作可能最终有助于提高每年数十万患者的生存几率。

本周报道《柳叶刀》(2012年1月27日)，这两项研究证明了该测试如何测量人体中14个基因的活性癌组织，提高精度预后．这反过来又可以指导最常见的非鳞状非小细胞癌患者的治疗肺癌．

这两项独立的临床试验包括一项盲法研究，分析来自北加州433名早期肺癌患者的组织样本，另一项研究涉及中国1006名早期肺癌患者。在这两项试验中，研究小组表明，该测试可以准确预测肺癌切除手术后5年内的死亡几率是低、中还是高。

“这非常令人兴奋，”David Jablons医学博士说，他是加州大学旧金山分校海伦·迪勒家族综合癌症中心胸部肿瘤学杰出教授和胸部肿瘤学项目负责人。“这有可能每年帮助成千上万的人活得更长。”Jablons与UCSF心胸外科副教授Michael Mann医学博士共同领导了这项研究。

今天，医生通过肺癌的大小、位置和显微镜下的外观来评估早期肺癌。这些信息被称为分期，然后用于指导手术后额外治疗的使用。如果医生能够更精确地评估预后，更多可能受益于额外治疗的人可以在手术后立即接受治疗，在任何残留的癌症有机会生长之前。

来自其他研究的证据表明，在有淋巴结累及的证据时，早期肺癌给予化疗有助于阻止复发。这种介入增加了其他无法检测到的转移的风险。

科学家们计划设计一项大型临床试验，以寻求证实使用该算法指导治疗有助于肺癌患者延长生存时间。

在中国进行的这项研究是中国临床试验联盟(CCTC)的第一个重大临床试验结果，CCTC是中国大陆的医院和大学之间的合作，由UCSF胸部肿瘤项目的领导者帮助成立，以应对中国肺癌的流行。

Mann说:“CCTC代表了中国和西方专家临床研究的一种革命性的新合作方式。”“这个机构的第一个重大努力可能支持肺癌护理的分子个性化，并产生了跨越种族界限的基础肿瘤生物学的第一个例子，并可用于试图改善大部分患者的结果，这是合适的。”

肺癌预后问题

肺癌是美国和世界上最常见的癌症死亡原因。每年死于乳腺癌的人数比死于乳腺癌、结肠癌和前列腺癌的人数加起来还要多。它每年夺走超过15万美国人的生命，在世界各地约有140万人死亡。大约85%的美国人患有各种类型的肺癌，在诊断后的五年内死亡。

大多数病例由暴露于香烟烟雾引起，但其他原因包括暴露于石棉、化学品、环境因素和遗传易感性。

治疗这种疾病的挑战之一是，它往往在早期阶段没有被发现，而这是最可治疗的阶段，因为它通常不会引起症状。在美国，只有大约30%的患者在疾病的早期阶段被发现，这导致了较低的总体生存率。

然而，即使是那些在早期阶段就被检测出癌症的人，也面临着严重的风险。与其他类型的癌症不同，早期诊断具有显著的生存优势，尽管手术成功，但大约35%至45%的I期肺癌患者在复发后5年内死亡。预后测试将解决无法识别这些患者的问题，Jablons说。

肺癌治疗

对于已经转移到区域淋巴结的肺癌患者，标准的治疗方法是手术后化疗。对于未发现淋巴结受累的患者，通常是手术后仅进行临床观察。通过这种“观察和等待”的方法，医生建议只有在癌症复发时才进行额外的治疗——手术、化疗或放射治疗。

医生面临的挑战是，许多早期肺癌患者的肺部或全身都有微小的、无法检测到的癌细胞团块，这些癌细胞团块在手术后的几个月或几年里会长成肿瘤，导致癌症复发。几乎一半的一期肺癌患者都是早期转移性癌症。

过去涉及II期和III期疾病患者的研究表明，在发现复发肿瘤之前进行早期治疗，可以提高生存机会。

然而，考虑到即使是I期肺癌也有转移的危险，目前的指南也建议考虑对一部分I期患者进行化疗，这些患者的肿瘤具有被认为具有高复发风险的特征。

发表在《柳叶刀》杂志上的数据表明，新的分子检测方法在识别手术后早期死亡高风险患者方面做得更好，因此可能是考虑早期化疗的更好指南。

分子分析如何预测肺癌存活

分子分析是基于UCSF最初开发的技术。这种检测方法本身是由位于加州山景城的精准基因组公司开发的，它依赖于一种被称为定量聚合酶链式反应(qPCR)的标准实验室技术。

分析从一块包在石蜡中的患者癌变组织开始——这是保存手术中取出的所有组织样本的标准方法。然后从肿瘤中提取出一种被称为RNA的物质，它揭示了组织内基因的相对活性水平。然后确定14种特定基因的活性水平，并与正常肺中的水平进行比较。这些基因中有11个与肺癌生物学有关，另外3个是用于标准化癌症基因测量的常见基因。

在检查了来自UCSF医疗中心的361名患者的组织后，精确基因组公司开发了一种计算死亡风险的算法，这些患者都接受了治疗一种常见类型的非鳞状肺癌的手术，非小细胞肺癌．该算法将这14个基因的水平与这些患者的临床结果相关联，理论是，与一名患者的低、中或高风险死亡相关的分子特征可以用来预测另一名患者的低、中或高风险。

为了测试他们的算法，加州大学旧金山分校的团队与凯撒医疗机构在奥克兰的研究部门合作，盲目检查了来自北加州其他433名患有同一类型癌症的早期患者的肺样本。他们还使用了类似的盲法来测试算法组织样本在中国，肺癌是导致死亡的主要原因之一。研究小组说，在两个大陆上具有不同基因构成的两个不同人群中，还没有其他临床试验在分子预后指标方面显示出相同的结果。

科学家们发现，在这些较大的患者队列中，该算法非常准确地区分了高、中、低死亡风险的患者，甚至对于II期和III期肺癌患者也是如此。