肺癌是我国乃至全球范围内危害最大的高发病率和死亡率的恶性肿瘤。随着高分辨率CT的广泛应用，越来越多的早期肺腺癌病例以肺结节的形式被发现，早期肺癌可直接通过手术切除治愈。临床上对肺结节的精准诊疗，可以降低过度诊疗的风险。先前的研究中，已有一些关于肺腺癌不同放射学成分对应的潜在分子特征的研究探索，但仍存在诸多不足。
该研究对1212例0-IB期患者进行无监督聚类分析，将影像数据、人工智能与基因组、转录组和预后信息等信息相结合，构建了一套稳定的分类体系，并研究了其潜在的基因组学和转录本特征[1]。
患者聚类分析
对1212例0-IB期患者进行了无监督聚类分析，根据影像学特征将患者分成了4组。从患者的临床特征来看，组1和组4女性占比显著高于组2和组3，且组1和组4患者明显更年轻，吸烟比例更低，在这2组中更常见原位腺癌（AIS）或微创腺癌（MIA），IASLC分级为I级（高分化癌，属威胁程度较低的分型）的比例也较高。从与恶性程度和预后密切相关的实性成分占比的大小来看，组1最低，实性成分占比仅为0.18；组4次之，为0.54；组2和组3的实性成分占比较高，分别为0.9和0.86。此外，第3组内脏神经周围受侵的频率高于其他各组，而第2组更常观察到经气腔扩散。在预后上，无病生存期（DFS）显示，第1组侵袭性最低，预后较好，第4组次之，组2和组3侵袭性更强，预后较差。
驱动基因的分布差异
由于经典的EGFR突变已经被广泛研究，因此主要研究了四个集群中非经典型EGFR突变的基因突变图谱。EGFR 20ins在组间无显著差异；与组1和组4相比，组2和组3有更高的KRAS突变频率；BRAF突变在组1中显著富集；ALK融合发生率组1低于组2和组3；TP53突变在组1、4、2和3中增加，存在显著差异。随着病理进展，观察到BRAF和HER2在侵袭前阶段富集，而含有KRAS、ALK融合和TP53突变的显示出更高的恶性程度。这些发现表明，携带BRAF和HER2突变的腺癌更有可能是惰性的，并可能在侵袭前阶段停留较长时间。相反，KRAS和ALK变异与更高的侵袭性和较差的生存结果相关。与其他KRAS亚型相比，KRAS G12C可能更依赖于TP53或STK11来驱动侵袭性。
基于放射组学聚类的转录组分析
1212例患者以3：7的比例分为训练集和验证集，训练集和验证集的总体预测准确率分别为98.8%和97.9%。利用配对CT图像和bulkRNA-seq，进一步研究4组患者转录组层面特征。主成分分析（PCA）表明，组1与组4相近，组2和组3接近。首先进行了GO和KEGG富集，以研究预后较好的集群（组1和组4）与预后较差的集群（组2和组3）之间的表达差异。GO和KEGG富集表明，组2和组3中与细胞增殖相关的生物过程显著上调，以及代谢和发育发生改变。与组1相比，组4显著上调了与物质转运活性、信号转导、发育和形态发生相关的生物过程。有趣的是，与组1和组4相比，免疫相关的生物过程在组2中被激活，而不是在组3中被激活。与组2相比，组3下调了许多和免疫相关的基因，提示组3和组2的区别主要集中在免疫微环境上。
基于放射组学聚类的TME分析
利用单样本基因集富集分析（ssGSEA），探索了4组患者的肿瘤免疫微环境（TME）。组2活化CD4阳性T细胞的浸润显著高于组1。与组4相比，第2组中活化B细胞、活化CD4阳性T细胞和CD56dim自然杀伤细胞的浸润水平升高，而未成熟树突状细胞、巨噬细胞、肥大细胞、自然杀伤细胞、中性粒细胞和浆细胞样树突状细胞的水平显著降低，表明第2组中免疫系统显著激活。组3与组2类似，有较高的CTR（实性成分占比）、预后不良和高增殖活性，但组3的免疫细胞浸润较少，与组2相比显示出更强的免疫微环境抑制性。这些结果表明，基于放射组学的聚类分析可以给肺结节的免疫微环境进行分层。
该研究为肺结节和早期肺腺癌的放射组学特征提供了分子见解，携带KRAS、ALK等驱动突变具有更强的驱动能力，表现为跳跃性发展，可以独立驱动肿瘤快速进展至高侵袭性状态，预后不良；而BRAF、HER2突变驱动能力较弱，单独出现时肿瘤往往惰性生长，需要协同旁效基因推动肿瘤增殖和进展，表现为渐进性发展。该研究对于肺结节的诊断和治疗具有重要价值，一方面能将需要干预的肺结节及早地甄别出来，另一方面可以预判早期肺腺癌的发生发展趋势进行预后评估！
阔然基因肺癌靶向用药检测/肺癌用药指导基因检测等相关检测产品，涵盖NCCN等指南共识推荐及潜在靶向治疗相关基因，全面为患者提供靶向治疗、免疫治疗及预后评估等方面指导信息。此外，阔然基因基于NGS检测平台推出了肺癌及其他常见实体肿瘤MRD监测产品，设计思路是采用WES+panel方案（panel可灵活定制），同时兼顾了Tumor-informed和Tumor-naive两种经典MRD检测策略的优势，在实现超深度测序时不漏检低频突变，可100%覆盖肿瘤患者，全面提供肿瘤治疗全周期系统解决方案，为临床提供早期患者术后复发风险评估、术后辅助治疗决策、预后评估、耐药监测以及治疗指导等临床信息！
[1]. Li HJ, Qiu ZB, Wang MM, et al. Radiomics-based Support Vector Machine Distinguishes Molecular Events Driving Progression of Lung Adenocarcinoma. J Thorac Oncol. Published online September 19, 2024.
END
扫码获取更多精彩
