Ⅰ期浸润性肺腺癌：EGFR突变与无复发生存期显著更差相关，结合其他共变异可增强预测效能

如有需要，请咨询微信zhikang161218，备用微信：zhikang1218

Ⅰ期浸润性肺腺癌：EGFR突变与无复发生存期显著更差相关，结合其他共变异可增强预测效能

EGFR突变在I期浸润性肺腺癌（LUAD）中的预后意义仍存在争议。完善肺癌分期系统需要进一步探究可干预突变及其与生存结局的关联。 研究共分析410例I期浸润性LUAD患者的驱动突变。根据临床病理特征对EGFR突变、19号外显子缺失、21号外显子L858R及少见基因型进行生存分析。采用Kaplan-Meier法和对数秩检验确定预后意义。单因素和多因素Cox比例风险回归模型评估变量对无复发生存期（RFS）的影响。通过计算机生成随机数将进一步分析的样本分为训练集和验证集。应用多种机器学习算法构建基因组预测模型，并评估各模型的C指数。  

210例患者（51.2%）存在EGFR突变。在I期浸润性LUAD中，EGFR突变与不良RFS显著相关（P = 0.022），尤其在不吸烟者（P < 0.001）、女性（P = 0.024）、部分实性肿瘤（P = 0.002）和IA期亚组（P = 0.020）中。最常见的共突变基因为TP53。此外，无论突变类型如何，EGFR/TP53共突变患者的预后更差。基于随机生存森林（RSF）算法的突变预后模型获得最高平均C指数（训练队列C指数：0.87，验证队列：0.74），并显示出强大的RFS预测性能[曲线下面积（AUC）：1年0.87，3年0.92，5年0.92]。  

EGFR突变是I期浸润性LUAD中评估RFS的可靠生物标志物。将EGFR突变与其他可干预突变结合可增强个体化RFS预测。

研究背景

肺腺癌（LUAD）中的可干预突变，尤其是其在晚期肿瘤中的治疗意义，已通过大Panel新一代测序技术得到广泛探索，并日益融入临床实践。包括但不限于TP53和KRAS在内的突变，已被确定为非小细胞肺癌（NSCLC）的生存决定因素。EGFR作为LUAD中常见的突变癌基因，尤其在女性、不吸烟者和东亚人群中，与可逆性小分子受体酪氨酸激酶抑制剂（TKIs）的敏感性增加相关。两种最常见的EGFR突变基因型——19号外显子缺失（19Del）和21号外显子L858R突变（L858R），均与EGFR-TKI敏感性相关，使EGFR突变状态成为预测治疗疗效的可靠指标。  

然而，EGFR突变的预后意义仍不明确，既往研究结果存在争议。初步分析显示，在未接受EGFR-TKI治疗的患者中，EGFR突变是阳性预后标志物。但一项纳入22项研究的荟萃分析得出结论，EGFR突变在LUAD患者中缺乏预后价值。尽管如此，特定人群表现出不同结局：在中国早期LUAD患者中，EGFR突变与放射学实性、组织学以腺泡/乳头状为主型/浸润性黏液型，以及病理II/III期亚组的生存恶化相关；类似地，在日本临床I期LUAD患者中，EGFR突变与淋巴结转移及c-T1c/T2a放射学纯实性肿瘤亚组的复发风险升高相关。

此外，EGFR与其他基因（如TP53、NF1）的共突变在NSCLC中也显示出预后价值。含微乳头成分的LUAD病例中，EGFR共突变与复发风险增加相关。但尽管有这些发现，不同EGFR基因型的共突变模式及其预后意义尚未完全阐明，这突显了我们对亚型特异性共突变如何影响预后的理解存在关键空白。

本研究聚焦于中国I期浸润性LUAD患者（排除纯磨玻璃影（GGO）成分患者），这一人群因LDCT筛查而增加。研究者对EGFR突变（包括19Del、L858R及其他基因型）在放射学特征、病理分期和组织学亚型分层的亚组中进行了全面预后分析，重点关注无复发生存期（RFS）。结合LUAD常见突变，研究者发现了EGFR与其他常见驱动突变的共突变模式。鉴于机器学习算法在预测模型构建中的有效性及其对预测性能的提升，研究者应用这些方法开发了一个稳健模型，以增强该患者群体的风险分层和复发预测。

研究结果

I期肺腺癌患者的基线特征：

在410例患者队列中，210例（51.2%）存在EGFR突变，其在不吸烟者（163例，77.6%；P = 0.0001）、女性（137例，65.2%；P = 0.027）及影像学表现为部分实性结节的患者中（148例，70.5%；P = 0.026）更为常见（表1）。EGFR突变组与野生型组在中位年龄（P = 0.340）、气腔播散（STAS）状态（P = 0.975）及病理分期（P = 0.983）方面无显著差异。最常见的EGFR突变基因型为21号外显子L858R突变和19号外显子缺失。与野生型患者相比，L858R突变在女性（P = 0.007）、不吸烟者（P < 0.001）及部分实性结节患者（P = 0.011）中更为富集，而19Del突变在不吸烟者（P = 0.043）和2级病理分级亚组（P = 0.045）中更为常见。少见基因型在所有临床病理亚组中均无显著差异。 

单因素和多因素Cox回归分析显示，EGFR突变状态是RFS的独立预后因素。单因素分析中，女性、不吸烟者、部分实性结节、STAS阴性、较低病理分级及更早分期与更好的RFS显著相关。 

EGFR突变及其基因型对复发的预后影响：   

在410例I期浸润性LUAD患者中，EGFR突变患者的RFS显著更差（P = 0.016，图1）。基于临床病理因素（性别、吸烟状态、磨玻璃影成分、TNM分期及病理分级）的进一步分层分析显示，同一临床病理因素的不同亚组中EGFR突变的预后意义存在差异（图2和图3）。在单因素分析中与更好RFS相关的亚组（不吸烟者，P < 0.001，图2A；女性，P = 0.024，图2C；部分实性结节，P = 0.002，图2E）中，EGFR突变与更差RFS显著相关。而在预后较差的对应亚组中（吸烟者亚组，P = 0.950，图2B；男性亚组，P = 0.054，图2D；纯实性亚组，P = 0.057，图2F），预后效应无统计学意义。根据病理因素分层分析显示，EGFR突变在IA期（P = 0.020，图3A）中显著预测更差RFS，但在IB期（P = 0.450，图3B）中无此关联。在1-2级和3级病理分级亚组中均观察到与更差预后的显著关联（P = 0.030 vs. P = 0.002，图3C和D），而在STAS阴性和阳性亚组中均无显著关联（P = 0.083 vs. P = 0.067，图3E和F）。基于ASR筛选的临床病理因素（性别、TNM分期、STAS状态及病理分级）构建的分类器将患者分为临床病理高风险和低风险亚组，预后差异显著（P < 0.001）。在两个亚组中，EGFR突变均为更差RFS的显著预测因子（低风险组，P = 0.021；高风险组，P = 0.003）。

研究者进一步探究EGFR突变的预后价值是否由特定基因型决定。考虑到同时存在两种主要基因型的患者数量较少，将其排除分析。分别分析少见基因型、19Del和L858R与RFS的关联。在整个队列中，三个亚组均未显示为更差RFS的显著预测因子（19Del vs. 野生型，P = 0.239；L858R vs. 野生型，P = 0.239；其他基因型 vs. 野生型，P = 0.061）。基于上述临床病理分类器的分层分析显示，少见基因型在低风险组中与更差RFS显著相关，但在高风险组中无此关联（P = 0.002 vs. P = 0.243）。然而，与野生型患者相比，L858R突变患者在高风险组中预后更差，在低风险组中预后相似（P = 0.011 vs. P = 0.299）。少见基因型在不吸烟者（P = 0.001）、男性（P = 0.018）、部分实性结节（P = 0.009）、IA期（P = 0.012）、1-2级病理分级（P = 0.010）及STAS阴性（P = 0.010）亚组中与显著更差的生存强烈相关。L858R突变在不吸烟者（P = 0.002）、部分实性结节（P = 0.016）及3级病理分级（P = 0.037）亚组中显著预测不良预后，而19Del仅在不吸烟者（P = 0.002）和部分实性结节（P = 0.016）亚组中显示此关联。

EGFR与其他基因组突变的共突变及基于基因组特征的预测模型：    

对255例样本进行LUAD常见驱动基因的靶向测序，通过计算机生成随机数按7:3比例分为训练集和验证集。训练集与验证集在临床病理特征和随访数据方面无差异。 

在所有靶向测序样本中，156例检测到常见驱动基因突变。本研究中TP53和EGFR突变最为常见（图4A）。在EGFR突变样本中，前五位共突变基因为：TP53（34例）、ERBB2（17例）、APC（14例）、ALK（10例）和MET（9例）（图4B）。每种突变类型均主要与TP53、ERBB2和APC共突变。在L858R突变类型中，其余前五位共突变包括MET（3例）和FGFR1（3例），而在E19DEL突变类型中为ALK（4例）和NTRK1（4例）。在少见突变类型中，额外的高频共突变为ALK（5例）和KRAS（3例）。EGFR与STK11、SMAD4、TP53、FBXW7、PIK3CA、KRAS、APC、ALK或ERBB2的共突变均与RFS显著相关（图4C）。在三个突变亚组中，TP53共突变显示出显著的预测价值。 

在训练队列中，研究者构建了74种基因组预测算法组合，并评估了每个模型在训练集和验证集的C指数，其中RSF模型表现最佳（图5A）。随后使用预测模型生成每个样本的MutScore，通过R包“survivalROC”确定最佳临界值，将患者分为高MutScore和低MutScore亚组。通过在单因素和多因素Cox回归分析中整合其他临床病理因素，研究者观察到MutScore[HR：1.14，95%CI：1.11-1.17；多因素分析中P < 0.001]和STAS状态（HR：3.24，95% CI：1.29-8.09；多因素分析中P = 0.012）是RFS的独立预后变量。该模型的预后影响在训练集和验证集中均得到评估，高MutScore和低MutScore亚组的生存差异均显著（P < 0.001 vs. P = 0.002，图5B和C）。将训练集和验证集合并队列按MutScore分类的临床病理特征分布，结果显示，具有临床病理危险因素（包括纯实性结节、IB期、病理3级和STAS阳性）的患者属于高风险组。尽管差异未达显著，高MutScore亚组中吸烟史患者的比例更高。模型构建中重要基因组变量的贡献及其系数绝对值以条形图展示，其中EGFR突变起主导作用（图5D）。通过受试者工作特征曲线（ROC）分析评估预测模型的判别性能，1年RFS预测的曲线下面积（AUC）为0.87，3年和5年RFS预测均为0.92（图5E）。

讨 论

本研究旨在探究EGFR突变的预后意义。本研究发现即使在调整了与RFS相关的临床病理因素后，EGFR突变仍是与更差RFS相关的独立因素。两项纳入III/IV期患者的研究显示，EGFR突变阳性显著预测更好的生存，提示晚期患者辅助治疗的成功。EGFR突变可预测切除的pN0M0浸润性LUAD的复发风险增加，其中乳头状和腺泡等中间亚型占较大比例（49.2%）。本队列中IASLC 2级患者比例也较高，这可能解释了两项研究中EGFR突变阴性预后的一致性。三项中国研究显示早期LUAD中EGFR突变的预后无显著意义。对于第一项研究，研究者推测纳入较大比例的更高分期患者可能影响了评估；第二项研究的患者纳入与本研究相似，但由于缺乏其队列中I期LUAD详细临床病理特征的信息，无法比较两队列的人口统计学差异，但发现其队列中少见基因型比例较低可能影响了整体预后，而该基因型在本队列中被确定为生存不良的强指标；第三项研究中，超过30%的患者接受了术后治疗，可能改善了队列生存并影响评估。一项回顾性分析还证实，EGFR突变可能促进NSCLC脑转移（BM），BM患者中EGFR突变检出率显著更高。 

本研究引入STAS状态作为分层因素，显示EGFR突变在STAS阳性和阴性亚组中均无显著预后价值，并进一步证明STAS状态尤其是在早期的强预测作用，与既往研究一致。在此，EGFR突变显著区分了具有生存优势因素的风险患者。研究发现EGFR突变患者倾向于存在于预后良好的亚组中，这与既往报道基本一致。值得注意的是，与Deng等人的研究对比显示，在GGO状态的分层分析中结果不同：Deng的队列中EGFR突变显著预测纯实性亚组的更差生存，而本研究中无显著意义。研究者推测Deng纳入I、II、III期患者可能解释了该差异。EGFR突变对组织学1-2级和3级肿瘤的预后影响均显著，在3级肿瘤中影响更明显，这与既往报道一致，即EGFR突变是3级肿瘤或分化更差成分患者生存不良的强预测因子。关于EGFR突变在LUAD肿瘤发生中的功能研究表明，EGFR突变的积累在初始阶段介导LUAD的进展，因此，有必要进一步分析EGFR突变驱动的肿瘤分化。 

与既往早期LUAD研究一致，EGFR突变的主要基因型在整个队列中显示无显著预后效应。然而，L858R和少见基因型分别在临床病理高风险和低风险亚组中与更短RFS相关，这支持了本研究中EGFR突变在高、低风险亚组中的显著预后效应。已有研究报道L858R预测早期LUAD纯实性结节患者生存时间更短，另一项IV期NSCLC研究显示L858R在生存时间更短的患者中检出率更高。在微浸润LUAD中，L858R还伴随更大肿瘤体积和甲状腺转录因子1（TTF-1）水平升高，提示其作为不良预后因子的潜力。少见基因型的预后效应，尤其是在RFS方面，探索较少。一篇综述强调罕见EGFR突变患者的耐药性增加。在本队列中，少见基因型有效预测了低风险亚组（除女性患者外）的更差生存，表明其强预后效应，需在更大队列中进一步探索详细亚型。 

EGFR与其他驱动突变的共突变已在含微乳头（MPP）成分的LUAD中研究其共现率和预后意义，发现EGFR主要与PIK3CA和ERBB2共突变，且含MPP成分的EGFR共突变患者术后复发风险更高。本研究特别调查了EGFR及其突变体的共突变模式，其中TP53和ERBB2是最主要的两种共突变基因，推测不同的检测靶点可能产生影响。其他纳入151例NSCLC患者的研究证实EGFR最常见的共突变基因为TP53。本研究还深入调查了EGFR共突变的预后效应及罕见特定基因型，证实无论基因型如何，EGFR与TP53的共突变均具有预测意义，这与既往报道一致，即EGFR/TP53共突变导致接受一线EGFR-TKI治疗的晚期LUAD患者预后不良，尤其是L858R突变患者。 

本研究引入了包含EGFR突变的预后基因组模型，证明其在排除纯GGO的I期LUAD中预测意义更佳。既往基因组模型通常纳入大量基因突变，可能阻碍其临床普及。本研究通过整合多种机器学习算法，利用LUAD常见突变构建模型，可提升实用价值并减少过拟合。模型在训练和验证队列中均能良好预测复发风险，进一步强调了基因组特征对个体化RFS预测的重要性。 

本研究的主要局限性为回顾性单中心设计，前瞻性纵向队列研究将有效消除选择偏倚和时间趋势偏倚。其次，由于人口统计学特征差异，评估构建模型的泛化性时缺乏外部验证。尽管需要与训练队列特征相同的内部独立验证队列来评估结果的泛化性，但同时使用决策曲线分析可在无需传统决策分析方法中额外验证数据的情况下评估临床相关性。此外，本研究仅检测了少数常见驱动基因，因此需要更大样本量和更广泛的基因组测序来进一步验证基因组变异的预后意义。

EGFR突变可作为I期浸润性LUAD风险分层的生物标志物，且本研究的基因组模型为完善LUAD分期系统提供了潜在工具。

免责声明