预测早期肺腺癌复发的基因组-病理注释风险模型( A Genomic-Pathologic Annotated Risk Model to Predict Recurrence in Early-Stage Lung Adenocarcinoma )

GD Jones WS Brandt R Shen F Sanchez-Vega DR Jones

肺腺癌手术切除后辅助治疗的重要性建议仅基于TNM分类，但与基因组和高危临床病理因素无关。建立一个综合肿瘤基因组和临床病理因素的预测模型可以更好地识别有复发风险的患者。目的在完全切除的Ⅰ～Ⅲ期LUAD患者中，即使存在侵袭性、高风险的临床病理变量，也能独立地识别与复发相关的肿瘤基因组因素，并开发一个计算机器学习预测模型(PRecur)，以确定基因组和临床病理特征的结合是否能比TNM系统更好地预测复发风险。设计、设置和参与者这项前瞻性队列研究包括从2008年1月1日到2017年12月31日在单个大型癌症中心接受治疗的426名患者，并在连续样本中选择。合格标准包括Ⅰ期至Ⅲ期LUAD的完全手术切除，与临床病理数据匹配的广泛的下一代测序数据，以及没有新辅助治疗。利用癌症基因组图谱(TCGA)对PRecur预测模型进行了外部验证。对2014年至2018年的数据进行了分析。主要结果和测量研究终点由无复发生存率(RFS)组成，使用Kaplan-Meier方法估计。使用Cox比例风险回归建立临床病理因素、基因组改变和RFS之间的关联。PRecur预测模型综合了基因组和临床病理因素，使用梯度增强生存回归来生成危险群和预测RFS。使用一致性概率估计(CPE)来评估PRecur模型的预测能力。结果在纳入分析的426例患者中（286例女性[67%]；手术时的中位年龄69岁[四分位数范围，62-75]岁），318例（75%）患有I期癌症。相关分析表明，SMARCA4（临床病理调整的危险比[HR],2.44；95%CI,1.03-5.77；P=0.042)和TP53（临床病理调整的HR,1.73；95%CI,1.09-2.73；P=0.02)的改变以及基因组改变的比例（临床病理调整的HR,1.03；95%CI,1.10-1.04；P=0.005)与RFS独立相关。在RFS预测方面，PRecur预测模型优于基于TNM的模型（CPE,0.73 vs 0.61；差值为0.12[95%CI,0.05-0.19]；P<0.001)。为了验证预测模型，PRecur应用于TCGA LUAD数据集(n=360)，并注意到风险组的明显分离（log-rank统计，7.5；P=0.02)，证实了外部验证。结论与相关性研究结果表明，肿瘤基因组学与临床病理特征的结合有助于早期LUAD手术切除后的危险分层和复发预测。对有复发风险的患者的改进识别可以丰富和增强辅助治疗临床试验的积累。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate