导语
不可切除局晚期非小细胞肺癌（NSCLC）患者，在完成根治性放化疗后，预后展现出显著的个体差异，因此准确识别放化疗后的分子残留病灶（MRD）对于评估患者预后显得尤为重要。与此同时，依据MRD动态变化，临床还能精准调整后续巩固治疗策略，对于指导临床实践具有重要意义。
近日，中国医学科学院肿瘤医院毕楠教授团队与世和基因合作，采用世和瑞递康®放疗产品，前瞻性地对接受根治性放化疗的局晚期非小细胞肺癌患者进行ctDNA动态监测，创新性地基于cfDNA片段组学特征构建机器学习模型，并联合ctDNA突变，预测疾病进展风险。相关研究成果发表在Cancer Medicine，吴宇琪博士为文章第一作者。
研究亮点
1. 基于cfDNA片段组学特征构建的机器学习模型可用于预测不可切除局晚期NSCLC的疾病进展风险；
2. 将cfDNA片段组学特征与ctDNA突变相结合，进一步提升了预测预后的敏感性，对于指导不可切除局晚期NSCLC的治疗决策具有重要临床意义。
研究内容
本研究前瞻性入组44例不可切除局晚期NSCLC患者，分别在放化疗或放疗（CRT/RT）的第4周（TP1），CRT/RT结束后1个月（TP2）以及CRT/RT结束后3个月（TP3）采集外周血，利用世和瑞递康®进行基因测序，中位随访26.4个月（图1）。
图1. 研究路线
研究结果
1、 基于cfDNA片段组学特征的机器学习模型可预测疾病进展风险
研究分别基于TP1、TP2和TP3的cfDNA片段组学特征（neomers）开发了用于评估MRD的机器学习模型。该模型在三个不同时间点均能稳定预测患者的疾病进展风险。并且与ctDNA突变相比，片段组学特征模型在TP1（ HR 3.62 vs 2.08）和TP3（HR 4.00 vs 1.49）时的风险预测性能更高、更稳定（图2 ）。
图2. 基于片段组学特征模型可预测疾病进展风险
此外，片段组学模型在TP1时就成功地将10例复发患者预测为高风险，并在TP2时进一步预测出2例复发患者（图3）。由此可见，片段组学模型在不同时间点均表现出了稳定的预测性能。
图3. 片段组学模型在不同时间点可早于影像学预测疾病进展风险
2、片段组学特征结合ctDNA突变可提高预测进展风险的性能
在所有患者中，片段组学特征模型预测出19例复发高风险的患者。基于ctDNA突变的预测方法，共评估18例患者复发高风险。两者对疾病进展的预测结果可以相互佐证，在三个时间点两种方法共同预测为高风险的患者分别为6例，6例和2例（图4A、B、C）。
将片段组学特征和ctDNA突变两种方法相结合，三个采血时间点均可提高预测的敏感性。联合方法在TP1、TP2和TP3的灵敏度分别为60%、55%和54.5%，特异性分别为78.6%、92.3%和85.7%。与单独的片段组学特征模型或ctDNA突变的检测方法相比，联合方法在三个时间点的总体准确率更高。结合片段组学特征模型和ctDNA突变结果的纵向分析显示，在80%的特异性下，联合方法预测疾病进展的敏感性高达88.9%（图4D）。
图4. 片段组学特征结合ctDNA突变可提高预测进展风险的敏感性
结语
该前瞻性队列研究显示，针对不可切除局晚期NSCLC患者根治性放化疗后的复发风险预测，基于cfDNA片段组学特征的机器学习模型相较于基于ctDNA突变的方法，展现出更优异的预测性能。此外，本研究创新性地将cfDNA片段组学特征模型与ctDNA突变相结合，进一步提高了预测的准确性，对于不可切除局晚期NSCLC患者的治疗决策有重要的临床指导价值。
毕楠 教授
中国医学科学院肿瘤医院放疗科副主任，胸组主任
lMD. & PhD. 主任医师 博士生导师
美国密歇根大学博士后访问学者
中华医学会放疗分会青年学组副组长
中国抗癌协会放疗专委会青委副主委
中国医师协会放疗专委会肺癌学组副组
CSCO理事、NSCLC/SCLC/放疗专委会委员
《小细胞肺癌指南》执笔专家；《中华放射肿瘤杂志》编委、《肿瘤临床与康复》副主编
国家科技进步二等奖、两项省部级科技进步二等奖、北京优秀医师、IASLC Developing Nation Award等奖项
以第一／通讯作者在Lancet Oncol, Ann Oncol, Mol Cancer, Clin Cancer Res, Cancer Res, JAMA Network Open, Int J Radiat Oncol Biol Phys, Radiother Oncol等发表论文
吴宇琪 博士
中国医学科学院肿瘤医院放射治疗科
主治医师
清华大学医学部/北京协和医学院(临床八年制)医学博士
人卫出版社《脑部影像诊断学第3版》 译者
中国老年保健协会肿瘤罕见靶点精准诊疗专业委员会委员
参考文献
作者：燕子 审核：胖胖的鹏 排版：Moro
<<< 上下滑动查看 >>>
