肿瘤标志物联合CT 特征对肺腺癌表皮生长因子受体基因突变的预测价值

王 斌，韩 冬，于 楠，，贾永军，，张喜荣，，贺太平，

（1.陕西中医药大学医学技术学院，陕西 咸阳 712000；2.陕西中医药大学附属医院医学影像科，陕西 咸阳 712000）

肺癌发病率及死亡率均较高，严重威胁人类生命健康。腺癌是非小细胞肺癌（non-small cell lung cancer，NSCLC）中主要的组织病理学类型［1］，分子靶向治疗已广泛用于NSCLC 患者的治疗中。表皮生长因子受体（epidermal growth factor receptor，EGFR）是分子靶向治疗的主要靶点之一，酪氨酸激酶抑制剂（tyrosine kinase inhibitor，TKIs）能够明显提高EGFR突变NSCLC 患者的中位生存期［2］。EGFR 基因检测需通过手术或穿刺获得病理组织，对无法获取病理组织者需寻找更便捷、有效的方法进行预测。EGFR 基因突变引起抗凋亡信号通路激活，可能会导致肿瘤代谢及生物学上的改变。测定血清肿瘤标志物，如神经元特异性烯醇化酶（neuron-specific enolase，NSE）、血清癌胚抗原（carcinoembryonic antigen，CEA）、鳞状上皮细胞癌抗原（squamous cell carcinoma antigen，SCCA）、胃泌素释放肽前体（pro-gastrinreleasing peptide，Pro-GRP）、细胞角蛋白19 片段（cytokeratin-19 fragment antigen 21-1，CYFRA21-1），在肺癌诊断、治疗、预后及随访监测中发挥重要作用［3-4］。有研究发现，CT 特征与EGFR 基因突变间存在相关性，部分CT 征象对预测EGFR 基因突变状态具有一定价值，但两者间相关性研究结果并不完全一致［5-6］。本研究拟通过对肺腺癌患者的肿瘤标志物及CT 特征进行分析，探讨两者与EGFR 基因突变的相关性，为临床治疗提供参考。

1 资料与方法

1.1 一般资料 回顾性分析2017 年3 月至2020 年7 月在陕西中医药大学附属医院经病理确诊的132 例肺腺癌患者，男75 例，女57 例；年龄30～90 岁，平均（63.4±10.7）岁。纳入标准：①经手术或穿刺病理证实的肺腺癌；②具有完整的临床资料、肿瘤标志物结果及CT 图像；③具有EGFR 基因检测结果；④肿瘤标志物及CT 检查前未行针对肺癌的治疗。肿瘤分期根据第八版肺癌TNM 分类进行分期［7］。根据EGFR 基因检测结果，将132 例患者分为突变组61 例（46.2%）和未突变组71 例（53.8%）。本研究经医院伦理委员会批准。

1.2 仪器与方法 采用GE Discovery CT 750HD 64 排螺旋CT 扫描仪。扫描参数：120 kV，150～200 mA，层距0.5 mm，扫描时间0.5～1.0 s，准直器宽度0.625 mm×64。抽取患者治疗前清晨空腹血样检测肿瘤标志物。肿瘤标志物阳性标准：NSE≥16.3 μg/L、CEA≥5.0 μg/L、SCCA≥1.5 μg/L、Pro-GRP≥50.0 pg/mL、CYFRA21-1≥2.08 μg/L。利用扩增阻滞突变系统法检测病理组织标本的EGFR 基因突变状况。

1.3 图像分析 由2 名放射科医师采用盲法分析CT 图像，包括分叶征、毛刺征、胸膜凹陷征、空气支气管征、空洞、钙化、纵隔淋巴结肿大、胸腔积液、支气管截断征、血管集束征，以及肺气肿、肿块CT 值及最大径，意见不一致时经讨论达成一致。

1.4 统计学方法 采用SPSS 22.0 及MedCalc 软件进行统计分析。2 名医师对CT 特征的评价行Kappa 一致性检验，K≤0.20 为一致性较差、0.20＜K≤0.40 为一致性一般、0.40＜K≤0.60 为一致性中等、0.60＜K≤0.80 为一致性较好，0.80＜K≤1 为一致性好。计数资料采用χ2检验或Fisher 精确检验；计量资料以±s 表示，采用独立样本t 检验或Mann-Whitney U检验。对一般资料、肿瘤标志物及CT 特征分别行单变量Logistic 回归分析，并将P＜0.05 的指标纳入多变量Logistic 回归分析，采用向后逐步回归法行多变量Logistic 回归分析，分别建立肿瘤标志物及肿瘤标志物联合CT 特征2 种预测EGFR 基因突变的Logistic 回归模型，并计算优势比（odds ratio，OR）及95%CI，绘制ROC 曲线，计算AUC。利用DeLong 检验对2 个模型的AUC 进行比较［8］。以P＜0.05 为差异有统计学意义。

2 结果

2.1 2 组一般资料比较（表1）女性EGFR 突变率（66.7%，38/57）高于男性（30.7%，23/75）（P＜0.001）。不吸烟患者EGFR 突变率（57.8%，52/90）明显高于吸烟患者（21.4%，9/42）（P＜0.001）。2 组年龄比较，差异无统计学意义（P>0.05）。临床分期为Ⅰ期6 例，Ⅱ期9 例，Ⅲ期33 例，Ⅳ期84 例，2 组临床分期差异无统计学意义（P=0.075）。

2.2 2 组肿瘤标志物比较（表1）突变组CEA 阳性率高于未突变组（P=0.038）；突变组SCCA 阳性率低于未突变组（P=0.025）。NSE、Pro-GRP 及CYFRA21-1 2 组差异均无统计学意义（均P>0.05）。

表1 2 组一般资料及肿瘤标志物比较

2.3 2 组CT 特征比较（表2）2 名放射科医师评价影像特征的K 值为0.71～1.00，一致性较好。突变组出现空气支气管征概率高于未突变组（P=0.031）；突变组出现空洞、肺气肿概率均低于未突变组（P=0.016，0.002）；突变组最大径小于未突变组（P=0.005）；其余影像特征2 组差异均无统计学意义（均P>0.05）（图1，2）。

表2 2 组CT 特征比较

图1 女，73 岁，左肺上叶腺癌，表皮生长因子受体（EGFR）基因突变阳性，血清癌胚抗原（CEA）7.32 μg/L 图1a，1b CT 图像示左肺上叶磨玻璃影，内可见空气支气管征，肿瘤最大径4.50 cm图2 女，62 岁，右肺下叶腺癌，EGFR 突变阴性，CEA 1.10 μg/L图2a，2b CT 示右肺下叶实变，内可见空洞征，肿瘤最大径2.47 cm图3 2 种模型的ROC 曲线

2.4 Logistic 回归分析（表3，4）将性别、吸烟史、CEA 及SCCA 这4 项指标以二分类方式建立多变量Logistic 回归模型分析发现，女性、吸烟史及CEA 阳性是EGFR 突变的独立影响因子；绘制肿瘤标志物回归模型ROC 曲线，AUC=0.745，特异度62.0%，敏感度80.3%，约登指数0.423。在上述Logistic 回归模型中加入CT 特征分析发现，吸烟史、CEA 阳性、空气支气管征、空洞及最大径是EGFR 突变的独立影响因子；绘制肿瘤标志物及CT 特征回归模型的ROC曲线，AUC=0.818，特异度71.8%，敏感度80.3%，最佳截断点0.452（图3）。2 种模型的比较行DeLong 检验，肿瘤标志物联合CT 特征模型优于肿瘤标志物模型，差异有统计学意义（Z=2.210，P=0.027）。

表3 一般资料、肿瘤标志物及CT 特征的单因素及多因素Logistic 回归分析

3 讨论

EGFR 是一种跨膜蛋白，与肺癌侵袭、转移具有密切关系，分子靶向药物能够选择性地作用于EGFR，阻止其下游信号的传导，实现对肿瘤血管生成和繁殖的抑制［9-10］。本研究通过肿瘤标志物联合CT 特征预测肺腺癌患者的EGFR 基因突变状态，肿瘤标志物Logistic 回归模型分析显示，女性、吸烟史及CEA阳性是EGFR 突变的独立影响因子，AUC 为0.745；肿瘤标志物联合CT 特征Logistic 回归模型分析显示，吸烟史、CEA 阳性、空气支气管征、空洞及最大直径是EGFR 突变的独立影响因子，AUC 为0.818。肿瘤标志物联合CT 特征模型优于肿瘤标志物模型（Z=2.210，P=0.027）。EGFR 基因突变诱导的细胞增殖引起肿瘤生物学和肿瘤代谢变化，可能会导致肿瘤标志物浓度和CT 特征改变［11］。本研究发现，EGFR基因突变与肿瘤生物学和形态学具有一定相关性，肿瘤标志物联合CT 特征模型能够提高对EGFR 基因突变的预测价值，为临床治疗提供决策支持。

表4 肿瘤标志物模型及肿瘤标志物联合CT 特征模型对肺腺癌EGFR 基因突变的预测价值比较

CEA 是一种参与细胞黏附的糖蛋白，经破坏细胞的极性抑制细胞凋亡，对肺癌的组织学研究具有重要意义［12］。孙宇晶等［13］研究发现，CEA 水平升高组EGFR基因突变率显著高于正常组，回归分析显示CEA 水平升高是EGFR 基因突变的独立危险因素；而CYFRA21-1水平升高组与正常组EGFR 基因突变率差异无统计学意义。Wang 等［14］对1 088 例大样本NSCLC 患者研究发现，SCCA 和CYFRA21-1 水平与EGFR 突变显著相关，多因素分析表明，腺癌、从不吸烟、SCCA 阴性是EGFR 基因突变的预测因素；进一步对肺腺癌患者行多因素分析发现，从不吸烟、CEA 阳性、SCCA阴性及NSE 阴性是预测肺腺癌患者EGFR 基因突变的独立危险因素（OR=0.383，1.551，0.495，0.640）。但Wen 等［15］对143 例NSCLC患者EGFR基因突变的研究发现，CEA 水平升高不是EGFR 基因突变的独立危险因素。本研究显示，突变组CEA 阳性率高于未突变组（P=0.038）；突变组SCCA 阳性率低于未突变组（P=0.025）；多因素回归分析显示，CEA 阳性是预测EGFR 基因突变的独立危险因素（OR=3.10，P=0.009）。由于CEA 和激活EGFR 信号通路均可抑制细胞凋亡，可能是EGFR 基因突变引起抗凋亡信号通路激活导致CEA 水平升高［16］。本研究与Wen 等［15］结果不一致，可能与肺癌病理类型及肿瘤分期有关，本组以Ⅲ、Ⅳ期腺癌为主。

CT 可反映肿瘤的病理生理及形态学特征，与基因表型间存在内在联系，部分影像特征可作为预测EGFR 基因突变的影响因素，但其结果缺乏统一性［17］。Dai 等［18］发现影像特征中仅空气支气管征是EGFR 基因突变的影响因素。空气支气管征是肿瘤沿支气管外壁包绕生长蔓延，而支气管腔保持完整，肿瘤内管状空气结构残留而形成的［19］。Sacconi 等［20］对68 例肺腺癌患者的相关性分析发现，EGFR 基因突变与空气支气管征、坏死和局部浸润呈正相关，而与肺气肿呈负相关；多变量分析中，空气支气管征和局部浸润是EGFR 基因突变的独立影响因素。覃群等［21］对183例晚期肺癌患者研究发现，EGFR 基因突变和非突变2 组患者中肿瘤最大径、空泡征、空洞、空气支气管征和胸膜凹陷征差异显著；对EGFR 基因突变类型进一步研究发现，较小直径、空泡征及空洞征象是预测EGFR 外显子19 突变的影响因素，空气支气管征和胸膜凹陷征是预测EGFR 非外显子19 突变的影响因素。Algharras 等［22］研究发现，肺腺癌EGFR 突变患者肿瘤长径［（3.4±1.7）cm］显著小于EGFR 非突变患者［（4.2±2.4）cm］，同时发现肺气肿是EGFR 基因突变的保护因素。本研究中，空气支气管征、空洞、肺气肿及最大径在突变组与未突变组中差异均有统计学意义（均P＜0.05）；多因素回归分析显示，空气支气管征、空洞及最大径是EGFR 基因突变的独立影响因素（OR=3.06，0.37，0.73）。CT 特征与EGFR基因突变结果不一致原因可能与肿瘤影像特征分布和分期有关。

本研究局限性：①为回顾性研究，在患者的纳入和样本选择中可能会出现偏差；②未对EGFR 基因突变类型进一步分析，下一步应扩大样本量，对肿瘤标志物及CT 特征与EGFR 基因突变类型的相关性进行细化研究。

总之，肺腺癌EGFR 基因突变可通过肿瘤标志物中CEA 水平及CT 特征中空气支气管征、空洞及最大径鉴别。与仅用肿瘤标志物相比，肿瘤标志物联合CT特征可提高判断EGFR 基因突变状态的预测价值。