从某种意义上说,乳腺癌是由多种异质性病变组成的集合体,这些病变的分子异常、细胞构成以及临床转归均充满“变数”。这些异质性使肿瘤分类面临巨大挑战,而乳腺癌分类对于临床转归预测是非常有用的。 近10年来,微阵列全基因组分析技术为癌症研究带来了革命,在乳腺癌领域,众多研究已将该肿瘤分成luminal A型、luminal B型、HER2过表达型、基底样型以及正常样型,这些分子亚型与患者生存率相关。最近,美国学者帕克尔(Parker)等从基因表达角度分析了这些分子亚型代表的异质性,并评价了其对预后的影响。 分子亚型有显著预后价值 美国北卡罗来纳大学教堂山分校Parker等在《临床肿瘤学杂志》[J Clin Oncol 2009, 27(8): 1160]发表了研究结果。研究者采用189例乳腺肿瘤样本及29例正常样本数据,构建了基于50种基因的上述5种乳腺癌分子亚型预测方法(图1)。 结果显示,无论雌激素受体(ER)或人表皮生长因子受体2(HER2)阳性还是阴性,各种亚型均有分布,说明仅凭ER、HER2状态无法准确区分各亚型。 研究者在761例未经全身治疗、淋巴结阴性的患者中验证了分子亚型的预后作用,发现各亚型对无复发生存(RFS)有显著影响(P=2.26×e-12,图2)。结合ER状态、组织学分级、肿瘤大小、淋巴结状态等常规指标的多变量分析显示,各亚型的RFS预后作用仍然显著。 分子亚型能提升 临床预测模型效用 Parker等根据分子亚型,构建了复发危险(ROR)评价模型,单纯根据亚型可计算ROR评分(ROR-S),根据亚型及肿瘤大小计算的ROR评分则为ROR-C。 研究者发现,与仅包含肿瘤大小、肿瘤分级、ER状态等临床变量的模型相比,ROR-S对肿瘤复发的预测作用显著改善,结合亚型和临床变量的ROR-S的预测作用进一步增强,而且显著优于单独的临床模型或亚型模型(P均<0.0001)。ROR-C评分与肿瘤5年复发率呈线性相关。 另外,根据ROR-C可将患者分成高危、中危和低危3类,这种分类也与预后相关(图3)。其中,低危者仅由luminal A型构成,不过luminal A型跨越低危和中危,这可能有助于筛选患者,使部分患者免于接受“激进”治疗,因而很有价值。 图2 淋巴结阴性的未治疗患者中4种亚型相应的转归 Parker等还采用133例接受紫杉醇+氟尿嘧啶+多柔比星+环磷酰胺(T/FAC)方案新辅助化疗的病例资料,评价了各种模型预测病理学完全缓解(pCR)的准确性。研究者发现,只有分子亚型是pCR的显著变量,ROR-S识别该治疗无效者的敏感性为94%,阴性预测值为97%。随着ROR-S评分的升高,pCR概率也相应地稳定升高,提示化疗对惰性ER阳性肿瘤(luminal A型)疗效较差,可在luminal A型群体中筛选该评分较低者,这些患者不大可能从新辅助化疗中获益。但是,随着ROR-S达高峰,pCR出现平台现象,证实在高危乳腺癌中会出现化疗显著耐药者。 点评 挪威奥斯陆大学索列(Sorlie):Parker等的研究结果表明,乳腺癌的分子亚型不是仅仅概括典型的临床分类标志物,例如,由于无论ER或HER状态如何,均存在各种亚型,因此基底样乳腺癌并非简单地等同于三阴性乳腺癌(ER、孕激素受体、HER2均阴性)。该研究强调了分子亚型分层的临床价值。进一步的研究将识别哪些因素驱动构成这些亚型的基因协同表达。 认识到乳腺癌存在上述数种分子亚型,并设计相应的临床研究方案,将使我们距离成功治疗乳腺癌更进一步。希望建立在这些内在分子亚型之上的肿瘤分类方法能引导治疗向个体化方向前进。 ——摘自[J Clin Oncol 2009, 27(8): 1153] 链接 乳腺癌预后标志物:肿瘤转移微环境密度 美国韦尔康奈尔医学院的罗宾逊(Robinson)等的病例对照研究表明,肿瘤转移微环境(TMEM)密度可预测乳腺癌全身血行转移危险。相关论文2009年3月24日在线发表于《临床癌症研究》(Clin Cancer Res)。 TMEM由浸润性癌细胞、巨噬细胞和内皮细胞三部分组成。研究者采用免疫组化方法,检测了30例有全身转移的乳腺癌患者,发现其TMEM密度为无转移(30例)患者的2倍(105对50,P=0.00006)。TMEM密度与肿瘤大小或分级、淋巴结转移、淋巴血管浸润、激素受体状态无关。
检验医学网
|
|
|