*仅供医学专业人士阅读参考

消除CT扫描高假阳性，来听听梁文华教授怎么说？

随着低剂量CT扫描的普及，越来越多人“被发现”自己肺上有一个或多个结节，肺癌的早期表现为肺结节，在肺癌发病率逐年上升的背景下，让许多人茶不思，饭不香。虽然CT扫描可使肺癌死亡率下降20%，但CT扫描的假阳性率高达90%，过度切除率达到24%，如何高效准确区分良、恶性肺结节，是目前临床上待解决的问题。

2022年欧洲肿瘤内科学会（ESMO）上，梁文华教授分享了一种整合DNA甲基化、临床特征和影像特征的模型准确进行肺结节分类的研究[1]，“医学界”有幸邀请到广州医科大学附属第一医院梁文华教授对准确肺结节分类，提高肺癌诊断进行解读。

新组合筛查，

抵消CT扫描假阳性风险

肺癌是最常见的肿瘤之一，早期诊断是降低肺癌死亡率的有效方法。低剂量CT扫描能通过肺部结节的大小以及毛刺征、胸膜牵拉征等肺癌影像特征，有效地辨别出恶性结节，是肺癌早期筛查的重要手段。

虽然研究表明低剂量CT扫描能够更有效的发现早期肺癌，从而降低20%的肺癌死亡率[2]。但是梁教授指出，CT扫描存在一定的局限性——高假阳性率。对于检测为不是肺癌的肺结节患者，会导致过度治疗，增加患者焦虑情绪，影响生活质量。

正是为了避免CT扫描的局限性，梁教授团队曾进行了高通量DNA甲基化检测模型研究，该模型对于良、恶性肺结节区分的准确率高达85%[2]。虽然该模型准确率高，但是对于惰性肺结节、ctDNA非脱落病灶的肺结节仍然无法检测。

梁教授讲道，考虑到影像特征对ctDNA非脱落病灶有更好的敏感性，ctDNA生物标志物则更为特异，希望可以将ctDNA甲基化、临床特征和影像特征相结合（Pulmoseek plus模型），起到1+1＞2的效果（图1）。

图1 梁文华教授ESMO讲解ppt

多维度生物标志物相结合，

准确诊断肺结节分类

为了验证Pulmoseek plus模型的准确性，梁教授团队前期通过前瞻性标本的收集和回顾性盲法评估，一共纳入1380名孤立性肺结节患者，进行临床和影像学生物标志物（CIBM模型）和ctDNA甲基化（Pulmoseek模型）相结合模型的建立和验证（图2）。

图2 Pulmoseek plus模型研究方案设计

梁教授介绍道，该研究一共有两大重要发现。第一：临床和影像学生物标志物和ctDNA甲基化相结合起到了1+1＞2的效果，提高了肺结节诊断的准确性。PulmoSeek Plus模型的曲线下面积（AUC）为0.91，显着优于CIBM模型（0.85）和PulmoSeek模型（0.85）。

第二：临床和影像学生物标志物和ctDNA甲基化相结合提高肺结节诊断的特异性和敏感性。PulmoSeek Plus模型显示出比PulmoSeak和CIBM单独模型更好的性能，灵敏度提高5%-6%。并且当特异性为50%时，PulmoSeek Plus模型总体敏感性为98%，以及对不同肺部结节大小的敏感性也超过98%（图3）。

图3 PulmoSeek Plus，PulmoSeak和CIBM模型研究结果

梁教授讲道，这说明PulmoSeek Plus模型被设计为不漏掉任何恶性结节，临床应用性更高。同时特异性为50%，可以保证50%良性肺结节的患者不过度治疗，在现有模型难判断的结节中，这个比例更是高达73%。

新组合筛查模型，临床可用性更高

除了判断PulmoSeek Plus模型的准确性和敏感性，梁教授团队还对现有肺结节诊断模型进行对比，比如：Mayo模型、Brock模型。结果显示PulmoSeek Plus模型AUC明显高于现有模型，并且在Mayo模型中恶性风险为5%-65%的肺结节，PulmoSeek Plus模型可进一步确定恶性风险。PulmoSeek Plus模型应用了高灵敏度的低截止值和高特异性的高截止值，可将不确定的肺结节分为低、中、高风险组。

同时，决策曲线显示PulmoSeek Plus模型是五种现有模型中临床净效益最好的。通过重新分类，PulmoSeek Plus模型可减少73%的不必要手术和89%的延迟治疗（图4）。

图4 PulmoSeek Plus模型临床净效益研究结果

最后，梁教授指出：“此次研究得出DNA甲基化、临床特征和影像特征多维度生物标志物结合诊断良、恶性肺结节，不仅具有高准确性，还可以减轻患者负担，值得在后续临床决策中使用。”

专家简介

梁文华

教授/博导/副主任医师

广州医科大学附属第一医院胸部肿瘤科

国家优青基金获得者（肿瘤学），青年珠江学者，广东杰出青年医学人才

广州呼吸健康研究院院长助理，国家呼吸医学中心办公室主任

呼吸疾病国家重点实验室肺癌学组副组长

广东省胸部疾病学会免疫治疗专委会主委

广东省医学会精准医学与分子诊断分会副主委

中国临床肿瘤学会（CSCO）青年委员，NSCLC专委会委员、肺癌指南专家组成员

Transl Lung Cancer Res副主编，J Thorac Dis及Ann Transl Med编委

主要从事肺癌的综合诊疗及临床转化研究。至今已发表SCI论文200余篇，30分以上12篇，10分以上33篇，累计总影响因子2000+，总被引次数27000+，H指数34，其中第一/通讯作者160篇，包括：J Clin Oncol(IF 50.7,两篇),NEJM,BMJ(IF 93.3),Lancet Oncol,Cell Res,J Thorac Oncol,J Clin Invest,Chest等杂志。

获ASCO Merit Award，人民网‘国之名医’，CSCO全国35位最具潜力青年肿瘤医师，2020年阿里达摩院青橙奖（医学首位），作为主要完成人之一获国家科技进步二等奖、创新团队，及全国创新争先奖牌。

文献参考：

[1]https://oncologypro.esmo.org/meeting-resources/esmo-congress/synergistic-combination-of-clinical-imaging-and-dna-methylation-biomarkers-improves-the-classification-of-pulmonary-nodules

[2]Ostrowski M,Marjanski T,Rzyman W.Low-dose computed tomography screening reduces lung cancer mortality.Advances in medical sciences.2018;63:230-6.

本文首发：医学界肿瘤频道

本文作者：玖陆

责任编辑：Sweet