胰腺神经内分泌瘤精准诊疗困境与展望

王菲 汤伟 吉顺荣 虞先濬 陈洁

1复旦大学附属肿瘤医院胰腺外科 上海市胰腺肿瘤研究所,上海 200032;2复旦大学附属肿瘤医院放射诊断科,上海 200032;3复旦大学附属肿瘤医院神经内分泌肿瘤内科 复旦大学附属肿瘤医院神经内分泌肿瘤中心,上海 200032

【提要】 胰腺神经内分泌瘤的发病率逐年增加,其诊治也受到越来越多的重视。相较于常见的实体肿瘤,胰腺神经内分泌瘤由于独特的时空异质性,其精准诊疗仍面临困境。随着基因组学、转录组学、蛋白质组学、影像组学等多组学的快速发展,有望为胰腺神经内分泌瘤的精准诊疗带来新方法和新思路。

近年来,随着人们生活方式的改变和体检意识的提高,神经内分泌肿瘤的发病率和检出率逐年升高。由于人种的差异,中国患者胰腺神经内分泌肿瘤最为多见,研究也相应最多。病理学上,根据肿瘤分化程度,可将胰腺神经内分泌肿瘤分为胰腺神经内分泌瘤(pancreatic neuroendocrine tumor, pNET)、胰腺神经内分泌癌(pancreatic neuroendocrine carcinoma, pNEC)和混合性神经内分泌-非神经内分泌肿瘤(mixed neuroendocrine-non-neuroendocrine neoplasm, MiNEN)。其中,约80%左右为分化良好的pNET。不同于常见实体肿瘤,pNET具有独特的时空异质性,即原发灶与转移灶、不同转移灶之间的病理分级可呈现不一致,给临床诊治带来了一定困扰。目前,pNET的早期诊断、微小pNET是否需要手术和手术方式选择,以及转移性pNET治疗方式的选择等方面仍然面临一定困境。笔者结合复旦大学附属肿瘤医院神经内分泌肿瘤中心近年的研究成果和国外的最新研究进展,阐述pNET精准诊疗的新进展。

一、pNET早期诊断的困境

pNET起病隐匿,早期诊断困难,多为偶然发现。确诊时约36.8%的pNETs患者合并淋巴结转移[1],20%～64%的患者合并肝转移[2]。pNET患者的预后与肿瘤分级和分期密切相关,美国1973至2012年间明确病理分级的pNET患者中,G1级中位生存期最长,平均16.2年,G2级平均8.3年,G3级中位生存期最短,仅约10个月[3]。局限期、局部进展期、转移性pNETs的5年相对生存率分别为93%、77%和27%[4]。因此,提高pNET的早期诊断率迫在眉睫。尽管增强CT和MRI可以提供精准的定位,分子影像诊断技术68Ga-SSA-PET-CT及18F-FDG-PET-CT可协助精确的定性,但上述技术普及性有限,仍不能作为常规体检项目。目前,基于血清学的肿瘤标志物是消化道肿瘤常规体检的普查手段。神经内分泌瘤亦可分泌一些特异性的肽类激素至循环系统,如嗜铬粒蛋白A(chromograninA,CgA)、神经元特异性烯醇化酶(neuronspecific enolase,NSE)等。循环CgA与肿瘤负荷、进展和转移相关,是神经内分泌肿瘤经典的广谱标志物,但其特异度和灵敏度均不高。研究发现,CgA在一些良性疾病和其他恶性肿瘤中也会升高,大大限制了其在临床pNET早期诊断中的应用。目前美国国立综合癌症网络(National Comprehensive Cancer Network, NCCN)指南将CgA检测仅作为3类证据推荐。NSE最常见于小细胞肺癌及分化差的神经内分泌癌,而在分化好的神经内分泌瘤中升高并不明显。因此,目前临床上尚缺乏有效的生物标志物进行pNET早期诊断。

除传统血清标志物外,有不少新技术正被研发。其中,较为成熟的是NETest技术。NETest是一种基于转录组mRNA与深度学习策略相结合的分析技术,利用癌症基因组图谱(the cancer genome atlas,TCGA)数据库中被研究证实的51个与神经内分泌肿瘤相关的特定基因进行数学建模分析。多项前瞻性研究结果显示,NETest对神经内分泌肿瘤诊断的灵敏度和特异度均>90%,对早期神经内分泌肿瘤的诊断亦有较高的准确性[5]。尽管NETest有很好的应用前景,但国际上尚未制定关于其常规临床应用的标准。另外,NETest特异性受胃肠道良性疾病的影响,仍需要进一步研究完善[6]。

近年来,基于循环游离DNA(circulating free DNA,cfDNA)分析为肿瘤早期诊断提供了一种无创方法。cfDNA是细胞凋亡和坏死生成的游离的DNA双链小片段,能被释放至外周血,因此带有起源细胞和组织的分子特征。cfDNA片段组学依托于全基因组测序(whole genome sequencing, WGS),其特征主要包括拷贝数变异(copy number variation, CNV)、核小体印记(nucleosome footprint)、片段大小(fragment length)以及片段末端序列特征(Motif)等,靶点覆盖于全基因组学层面[7]。cfDNA片段组学技术在多项研究中均表现出优异的预测效能,为多种肿瘤的早期筛查和诊断提供了新的研究方向。基于此,笔者所在中心利用样本优势,开展了一项前瞻性单中心研究(NCT05847855),以评价血浆cfDNA片段组学用于pNET早筛的价值,以期为pNET的早期诊断提供新的有价值的数据。

二、微小pNET治疗方式的困境

随着体检意识的提高和影像检查的普及,越来越多的小pNET被检出。最新版美国癌症联合委员会(American Joint Committee on Cancer, AJCC)肿瘤TNM分期标准[8]将最大径≤2 cm的无局部侵犯和远处转移、且局限于胰腺内的神经内分泌瘤归为T1期,并定义为微小的“行为良好”的温和性肿瘤。目前,对于微小无功能性pNET,NCCN和欧洲神经内分泌肿瘤学会(European Neuroendocrine Tumor Society, ENETS)指南均建议选择随访观察,但对于合并高危因素的患者,建议外科手术切除。pNET的高危因素主要聚焦于是否有淋巴结转移。研究统计显示[9-14],微小无功能性pNET淋巴结转移率为6.7%～29.0%。尽管影像诊断技术飞速发展,但对于术前精准判断微小pNET有无淋巴结转移仍然存在一定局限性。2022年一项来自美国约翰霍普金斯医院胰腺中心的前瞻性研究[15]纳入100例患者,术前所有患者均进行CT、EUS、68Ga-PET等影像学检查,结果发现尽管术前预测淋巴结转移特异性高(95%、98%、95%),但灵敏度较差(26%、19%、12%),这可能与淋巴结转移灶直径较小,常规影像难以分辨有关。

近年来,人工智能飞速发展,基于人工智能的影像组学突破了传统影像诊断的范畴,进入到智能分析的时代。通过影像组学和深度学习,可将医学影像转换为高通量定量特征,并展现出在临床诊断和治疗中的巨大潜力。笔者所在中心前期[16]利用影像组学和深度学习方法对320例无功能性胰腺神经内分泌肿瘤(non-functional pancreatic neuroendocrine tumor, NF-pNET) 的动脉期增强CT影像图像进行特征提取,然后用机器学习方法构建影像组学-深度学习标签(radiomics deep learning signature,RDPs),以预测术前淋巴结的转移情况。结果显示,在训练集和内部验证集中RDPs的特异度和灵敏度分别达到73%、82%和75%、76%; 在另一个中心的外部验证集中,特异度和灵敏度分别达到79%和91%。同时,Kapper-merrier曲线分析显示,RDPs与患者无病生存期显著相关(P<0.05)[16]。

随着二代测序等分子生物学技术的快速发展,基于基因组学的精准诊疗在临床实践中得到了广泛应用。2017年一项针对大样本pNET进行的全基因组测序研究详细描述了pNET的基因组学特征。发现MEN1突变频率最高,DAXX和ATRX存在互斥失活突变[17]。而pNET中主要通过端粒替代延长(alternative lengthening of telomeres, ALT)机制维持端粒长度,DAXX或ATRX基因丢失可促进ALT激活,且与微小pNET的肝转移风险增加有关[18-19]。另有研究发现,术前EUS-FNA不仅可以判定肿瘤病理分级,还可以用于检测DAXX或ATRX突变,对于解决微小pNET的治疗困境大有裨益[20]。

三、转移性pNET个体化治疗的困境

pNET患者临床症状呈现多样化、个体差异大的特点,其治疗策略也因肿瘤的病理分级、临床分期、肿瘤负荷、血供与糖代谢、激素分泌功能状态、遗传与否而异。由于起病隐匿、早期诊断困难,多数患者初诊时已发现转移,不适宜手术。对于不可切除的pNET患者,有生长抑素类似物、细胞毒性化疗药、分子靶向药物、肽受体放射性核素治疗(peptide receptor-radionuclide therapy, PRRT)等方法可供选择。然而,如何选择给药顺序和实施个体化治疗,目前尚无定论。

在分子靶向治疗方面,舒尼替尼、依维莫司是目前获美国食品和药物管理局(food and drug administration, FDA)批准的、广泛应用于临床的分子靶向药物[21-22],其中舒尼替尼为酪氨酸激酶通路抑制剂(tyrosine kinase inhibitors, TKI),依维莫司为mTOR通路抑制剂。然而,目前尚缺乏有效的生物标志物来指导用药原则[23],故临床上主要结合患者的基础疾病以及药物的不良反应来反向选择个体化用药[24-25]。例如当pNET患者合并糖尿病时,应该警惕mTOR抑制剂升高血糖的不良反应,而应优先考虑舒尼替尼。同理,当pNET患者合并高血压时,应该警惕TKI升高血压的不良反应,而应优先考虑依维莫司。前期笔者团队利用腹部CT影像定量分析,发现反映肿瘤血供的动脉期CT最大值(CTmax)≥108 HU的患者,舒尼替尼治疗使患者获益显著,这一结果对于临床抗血管生成靶向药物的选择具有一定的指导意义[26]。在细胞毒性化疗药物方面,替莫唑胺作为pNET的一线化疗药物,被广泛应用于临床。如何筛选替莫唑胺敏感患者,提高治疗的有效性,是临床亟待解决的问题。研究发现,替莫唑胺通过损伤DNA并诱导细胞凋亡发挥作用,但这一效应容易被细胞内DNA修复通路抵消[27]。O6-甲基鸟嘌呤DNA甲基转移酶(O6-methyl-guanine-DNA methytransferase,MGMT)是一种DNA修复酶,可以抵抗替莫唑胺造成的DNA损伤。在胶质母细胞瘤中,MGMT启动子甲基化使MGMT沉默,使肿瘤细胞对烷化剂更敏感[28],故MGMT启动子甲基化检测已成为临床中胶质瘤分子检测的常规项目,并用于预测患者对替莫唑胺治疗用药的反应。在pNET中,前瞻性随机对照研究[29]已证实MGMT甲基化或低表达的患者,替莫唑胺治疗有着更高的客观有效率。未来有望基于MGMT水平高低来进行个体化选择。在给药顺序上,目前主要是基于多学科讨论的个体化用药的治疗方案[30],仍缺少前瞻性研究。近年来,以蛋白基因组为核心的多组学在疾病分子分型和药物筛选研究中应用广泛,笔者所在中心也正在进行pNET多组学的相关分析研究。希望研究成果早日用于指导临床精准诊疗和制定个体化治疗方案,进一步提高pNET的总体治疗效果。

综上所述,pNET的诊治在国内外受到越来越多的重视,其临床诊疗效果也有了大幅度的提高,但在pNET的早期诊断以及微小pNET和转移性pNET治疗方式的选择方面仍面临不少困境。此外,对于G3级pNET与pNEC的鉴别诊断、G3级pNET是否会出现“瘤-癌转分化”等领域也需进一步研究探索。相信未来随着医学技术的提高和临床基础转化研究的开展,pNET的诊治效果将进一步提升,个体化精准治疗时代必将到来。

利益冲突所有作者声明无利益冲突