彻底颠覆肺癌筛查指南!检测血液中4种蛋白,精准预估肺癌风险!
肺癌每年引起全球169万人死亡,占癌症死亡的20%-25%。早期筛查能够明显改善人群预后,但绝大多数国家都疏于对肺癌的筛查。
当前美国USPSTF批准的肺癌筛查指南,对于肺癌风险的评估,仅根据个体的吸烟史进行考量。
USPSTF指南要求年龄介于55-80岁之间的吸烟者,至少有30包/年吸烟史,如已经戒烟则戒烟时间未超过15年的个体接受低剂量螺旋CT筛查。
然而,最新发表在JAMA Oncology期刊上的研究表明,一种新型的血液检测方法,只需检测血液中的四种蛋白质生物标志物,就能够比当前指南更有效的针对个体肺癌风险进行评估。
更加令人惊喜的是,与USPSTF根据重度吸烟者年龄和吸烟史进行肺癌筛查的指南相比,血液生物标志物的检测灵敏度更高,通过后期发展为肺癌的人群数据证实,这种检测方法的假阳性概率并没有比当前指南的评估方法更高。
目前,这项简单的血液检测技术已经显示出巨大的潜力,以这项技术为基础的肺癌风险评估,能够更加精确的识别更多应接受低剂量螺旋CT肺癌筛查的吸烟者,即使他们在吸烟史评估中并没有被认定为高风险人群,只要他们的生物标志物测出来的评分过低,也会被认定为与重度吸烟者具有同样高的肺癌风险。
与先前绝大多数研究不同,这项研究的注重点并不在于比较早期肺癌患者与健康人群的差异,来寻找预测肺癌的生物标志物,而是着重努力寻找肺癌发病之前血样中有效的生物标志物。
为了开发这项血液检测技术,研究人员对108例有过吸烟史的人群的血液样本进行分析,而这些患者在血样采集后一年内出现了肺癌,另有216例吸烟对照人群进行比较。所有受试者成员均来自北美开展的肺癌预防试验:胡萝卜素和视黄醇疗效试验(CARET)。
因为将患有肺癌的吸烟者与没有患肺癌的吸烟者比较后,研究人员发现这两组人群在某些生物标志物上是存在差异的,所以研究人员认为,吸烟状态并不是评判患癌与否的唯一要素。
然后,研究人员将肺癌人群与健康正常人群进行比较,也发现了类似的差异。
通过千辛万苦的分析,研究人员发现,差异来自于血液中的这四种蛋白质:
表面活性蛋白B(Pro-SFTPB)的前体;
癌抗原125(CA125);
细胞角蛋白19片段(CYFRA 21-1);
癌胚抗原(CEA)。
在两项大型欧洲队列研究中,研究人员根据初始血样,对63例一年内吸过烟的肺癌人群,以及90例对照人群进行比较,以此来对生物标志物预测肺癌的模型进行验证性研究。研究人员比较了基于吸烟史的肺癌风险评估模型,与生物标志物+吸烟史的综合评估模型。
在两种风险评估模型假阳性率相当的情况下,生物标志物联合吸烟史的综合评估模型,预测准确率达到63%(40/63),而基于吸烟史的肺癌评估模型,预测准确率则为42%(20/62)。血液检测能够捕获更多以往遗漏的风险人群!
此外,在验证研究中,两种方法单独PK,基于吸烟史的评估模型也未能赢过仅仅依照血液检测结果的肺癌风险评估模型。验证研究所有受试者成员均来自欧洲癌症与营养前瞻性研究(EPIC)、瑞典北部健康与疾病研究(NSHDS)。
最后,研究人员表示,他们的检测方法需要在更大的人群研究中进行验证,目前,他们正在与FDA磋商下一步的安排。
参考文献:
Assessment of Lung Cancer Risk on the Basis of a Biomarker Panel of Circulating Proteins
doi:10.1001/jamaoncol.2018.2078
来源:医世象
延伸阅读
1、癌胚抗原(CEA) 癌胚抗原是从胎儿及结肠癌组织中发现的一种糖蛋白胚胎抗原,属于广谱性肿瘤标志物。血清CEA正常参考值<5μg/L。CEA在恶性肿瘤中的阳性率依次为结肠癌(70%)、胃癌(60%)、胰腺癌(55%)、肺癌(50%)、乳腺癌(40%)、卵巢癌(30%)、子宫癌(30%)。部分良性疾病直肠息肉,结肠炎,肝硬化,肺病疾病也有不同程度的CEA水平升高,但升高程度和阳性率较低。CEA属于粘附分子,是多种肿瘤转移复发的重要标志。
2、癌抗原125(CA125) CA125存在于上皮卵巢癌组织和病人血清中,是研究最多的卵巢癌标记物,在早期筛查、诊断、治疗及预后的应用研究均有重要意义。CA125对卵巢上皮癌的敏感性可达约70%。其他非卵巢恶性肿瘤(宫颈癌、宫体癌、子宫内膜癌、胰腺癌、肺癌、胃癌、结/直肠癌、乳腺癌)也有一定的阳性率。良性妇科病(盆腔炎、卵巢囊肿等)和早期妊娠可出现不同程度的血清CA125含量升高。
3 、细胞角蛋白19(Cyfra21-1) Cyfra21-1是细胞角蛋白-19的可溶性片段。Cyfra21-1是非小细胞肺癌,特别是肺鳞癌的首选标志物。与CEA和NSE联合检测对肺癌的鉴别诊断,病情监测有重要价值。Cyfra21-1对乳腺癌,膀胱癌,卵巢癌也是很好的辅助诊断和治疗监测指标。
End