18F-FDG PET/CT 多代謝參數對非小細胞肺癌EGFR 基因突變的預測價值

史愛琪，王建林，王育珠，郭國蓉，范丑丑，柳江燕

（蘭州大學第二醫院核醫學科 甘肅省醫學影像重點實驗室，甘肅 蘭州 730030）

全球癌癥數據表明肺癌的發病率和死亡率在男性中最高，女性中僅低于乳腺癌[1]，非小細胞肺癌（NSCLC）比例超過85%，主要組織學亞型為腺癌，隨訪5 年生存率僅為17%[2]。表皮生長因子受體（EGFR）約在20%～50%的NSCLC 中發生突變。近年來酪氨酸激酶抑制劑（TKI）表現出能有效延長EGFR 突變型NSCLC 患者的生存期[3]，因此EGFR 的檢測對指導治療至關重要，但目前獲取標本易受各種因素限制而面臨很大挑戰，因此尋找簡單無創的方法評估EGFR 的突變狀態尤為重要。

氟代脫氧葡萄糖正電子發射型計算機斷層顯像（18F-FDG PET/CT）因其非侵襲性、結合解剖與功能信息的特性廣泛應用于肺癌診治中[4-5]，同時研究表明EGFR 狀態與NSCLC 腫瘤內葡萄糖代謝明顯相關，因此18F-FDG PET/CT 代謝參數與EGFR 突變的關系成為研究熱點，以最大標準化攝取值（SUVmax）分析最多，但結果仍存在很大爭議，同時目前關于平均標準化攝取值（SUVmean）、腫瘤代謝體積（MTV）及病變糖酵解總量（TLG）的報道較少且結論尚不一致。因此本研究通過分析PET/CT 多代謝參數及臨床特征與NSCLC 患者EGFR 突變的相關性，探討突變的獨立預測因素并建立模型判斷效能，為臨床提供指導。

1 資料與方法

1.1 臨床資料

回顧性分析2016 年3 月—2021 年3 月我院行18F-FDG PET/CT 檢查及EGFR 檢測的NSCLC 患者98 例，其中腺癌83 例、非腺癌15 例（鱗癌11 例、腺鱗癌3 例及大細胞癌1 例）。納入標準：病理證實的NSCLC；PET/CT 之前未行任何形式的抗腫瘤治療（如手術、放化療或其他）；PET/CT 檢查與EGFR 檢測間隔＜1 月；資料完整。排除標準：檢查前已接受任何形式的抗腫瘤治療；伴有其他惡性腫瘤病史；病灶多發；原發病灶最大徑＜1 cm。記錄臨床資料：性別、年齡、吸煙史、TNM 分期、病變位置、腫瘤最大徑、CT邊緣征象、病理類型及Ki67 指數。TNM 分期參照美國癌癥研究聯合會第8 版肺癌分期[6]。根據EGFR有無突變將患者分為突變組和野生組。

1.2 18F-FDG PET/CT 圖像采集和分析

采用Discovery 690 型PET/CT 顯像儀（GE Healthcare，WI，USA）檢查。示蹤劑為18F-FDG，通過醫用回旋加速器（Minitrace Qilin，GE Healthcare，WI，USA）生產，并使用自動合成模塊進行合成，放化純度＞95%。患者禁食、禁飲含糖飲料至少6 h，注射前血糖維持在9.0 mmol/L 以內。以2.96～5.55 MBq/kg的劑量肘靜脈注射18F-FDG，靜息約60 min 后在平靜呼吸下取仰臥位掃描，范圍為頭頂至股骨上段，頭部5～8 min/床位，其余3 min/床位。先行低劑量CT（120 kV，50～220 mA）圖像采集，層厚3.75 mm，后采用static TOF+3D 模式行PET 圖像采集，圖像矩陣為256×256。應用CTAC 迭代重建，重建方式為VUE Point FX，重建后的圖像經MedEx（北京麥迪克斯公司）工作站后處理及融合，從而得到各層面的PET、CT 及PET/CT 融合圖像。

由2 名PET/CT 專業醫師分析圖像。CT 邊緣征象陽性指毛刺征、分葉征、胸膜牽拉征至少存在1項；陰性指三者均無。在MedEx 工作站中通過視覺觀察法識別腫瘤原發病灶，在病灶周圍通過將整個病灶包繞的方法，以40% SUVmax 為閾值勾畫感興趣區（ROI），由軟件自動在橫斷面、冠狀面及矢狀面上對病灶進行容積分割而得出用于定量18F-FDG 攝取值的相關半定量代謝參數。病灶內出現壞死時FDG 攝取呈減低或缺失，即低于所設定的閾值，軟件將會自動排除壞死區域。SUVmax 是腫瘤代謝最活躍的攝取值，SUVmean 是病灶或ROI 內像素SUV平均值。MTV 指腫瘤中代謝活性較高部分的體積，TLG=MTV×SUVmean。

1.3 EGFR 基因突變檢測

EGFR 基因突變檢測由我院病理科進行，標本均取于手術切除、支氣管鏡或穿刺活檢組織，采用ARMS-PCR 法擴增基因及EGFR 突變檢測試劑盒進行突變狀態分析。

1.4 統計學方法

采用SPSS 23.0、MedCalc 19.0.4 軟件進行統計分析。計量資料符合正態分布用表示，兩獨立樣本t 檢驗進行組間比較，不符合正態分布用中位數（上、下四分位數）表示，Mann-Whitney U 檢驗行組間比較。等級及計數資料用頻數和百分比表示，分別用Mann-Whitney U 檢驗、χ2檢驗進行組間比較。使用約登指數確定最佳截斷值，多因素Logistic 回歸分析篩選并構建預測模型，DeLong 檢驗比較ROC曲線之間的差異。P＜0.05 為差異有統計學意義。

2 結果

2.1 一般資料

符合納入標準的患者共98 例，男55 例、女43例。EGFR 基因突變型55 例（腺癌52 例，鱗癌1 例，腺鱗癌2 例），野生型43 例（腺癌31 例，鱗癌10 例，腺鱗癌1 例及大細胞癌1 例），兩組平均年齡分別為（57.2±8.9）歲、（58.4±9.5）歲。其中46 例無吸煙史，52 例有吸煙史。

2.2 臨床特征與EGFR 基因突變的關系

單因素分析表明EGFR 突變更易發生在女性、無吸煙者、腺癌、周圍型、腫瘤最大徑較短及T1 期患者中，組間差異均有統計學意義（P＜0.05），其余指標（年齡、N/M 分期、臨床分期及CT 邊緣征象）組間均無顯著差異。

2.3 18F-FDG PET/CT 多代謝參數與EGFR 基因突變的關系

突變組SUVmax、SUVmean、MTV 及TLG 均較野生組低，且組間差異均具有統計學意義（表1）。ROC 曲線得出各參數最佳截斷值為7.85、5.34、22.19、103.55，對應AUC 分別為0.622、0.638、0.679、0.687（圖1，表2）。

表1 PET/CT 多代謝參數與EGFR 基因突變的關系

表2 各代謝參數預測EGFR 基因突變的效能評估

圖1 4 個代謝參數的ROC 曲線。Figure 1.ROC curves of the four metabolic parameters.

2.4 多因素分析及模型建立

單因素分析后有顯著差異的指標納入多因素分析，得出吸煙史、腫瘤位置、SUVmax 及SUVmean 是獨立預測因素（表3）。上述4 個因素聯合構建預測模型，ROC 曲線分析顯示AUC 最大可達0.907，95%CI 0.842～0.971，敏感度98.2%，特異性79.1%，陽性預測值85.5%，陰性預測值81.4%，正確百分比83.7%，診斷效能較SUVmax、SUVmean 顯著提高，且Delong檢驗表明這4 個因素與該預測模型之間的差異均有統計學意義（P＜0.000 1）（圖2）。圖3，4 顯示不同EGFR 狀態典型病例的PET/CT 表現。

圖2 獨立預測因素及預測模型的ROC 曲線。Figure 2.ROC curves of independent predictors and prediction model.

圖3 女，62 歲，左肺上葉腺癌，EGFR 突變型，最大徑約33 mm，18F-FDG 攝取增高，SUVmax 為7.26。Figure 3.Female,62y,adenocarcinoma in the left upper lobe,EGFR mutant.The maximum diameter is about 33 mm.FDG uptake is increased with SUVmax of 7.26.

表3 EGFR 突變的多因素分析結果

3 討論

EGFR 突變是NSCLC 中最常見的用藥靶點之一，有效的EGFR-TKI 治療的開展要求早期識別合適的患者。雖然有證據表明腺癌、女性、無吸煙者及亞洲區域等臨床特征與EGFR 突變相關，但仍需探索更準確的因素預測其突變狀態。既往研究報道，EGFR 基因可通過下游途徑影響細胞膜葡萄糖轉運體，進而影響腫瘤葡萄糖代謝[7]，而18F-FDG PET/CT可以無創性的方式體現瘤內糖代謝情況，因此以該方式探索EGFR 突變狀態逐漸受到更多關注。

圖4 男，45 歲，近右肺門鱗癌，EGFR 野生型，最大徑約71 mm，18F-FDG 攝取增高，SUVmax 為17.8。圖4a～4c 依次為橫斷位的PET、CT 及PET/CT 圖像。Figure 4.Male,45y,squamous cell carcinoma near right hilm,EGFR wild type.The maximum diameter is about 71 mm.FDG uptake is increased with SUVmax of 17.8.Figure 4a～4c: Transverse PET,CT,and PET/CT images respiectively.

本研究發現EGFR 突變率為56%，與既往報道的亞洲人群突變率（36.8%～76.2%）相一致。單因素分析表明性別、吸煙史、病理類型、腫瘤位置、最大徑、T 分 期、SUVmax、SUVmean、MTV 及 TLG 與EGFR 突變之間均明顯相關。多因素分析后僅非吸煙者、周圍型肺癌、低SUVmax（≤7.85）及低SUVmean（≤5.34）是獨立預測因素，聯合這些因素建立模型有助于區分EGFR 突變狀態。

既往關于SUVmax 預測EGFR 突變的研究結果相互矛盾。大部分研究表明低SUVmax 與EGFR 突變有關[8-9]，低SUVmax 最佳閾值范圍為2.69～11.5。Gu 等[10]納入Ⅰ～Ⅳ期NSCLC，表明低SUVmax（＜9.0）與EGFR 突變明顯相關。部分只納入ⅢB、Ⅳ期患者發現低SUVmax（＜9.6）可能是EGFR 突變的預測因素[11]。上述觀察結果與本研究結果（SUVmax≤7.85）相一致，但SUVmax 閾值有所不同，只納入晚期患者閾值稍高，有文獻報道攜帶該突變的腫瘤會在克隆進化中異質性發生改變，代謝特征隨之改變[12]。既往有學者探索了兩者之間的分子機制，發現NADPH氧化酶4（NOX4）/活性氧（ROS）/細胞膜葡萄糖轉運蛋白1（GLUT-1）軸在糖代謝中發揮重要作用，NOX4 表達下調時ROS 活性降低導致GLUT1 表達下降，同時突變型腫瘤細胞ROS 活性較低，因此可以部分解釋EGFR 突變細胞對18F-FDG 攝取減少的原因[13]。少數研究得出相反的結論[14]，即SUVmax 較高者更易發生突變，所得最佳閾值范圍為5.0～13.65。Ko 等[15]表明SUVmax≥6 的患者突變頻率更高。Wang 等[16]觀察到突變型NSCLC 比野生型葡萄糖攝取及乳酸產生增加顯著，一定程度上解釋了部分研究突變型SUVmax 更高的原因。也有一些研究并未發現兩者之間的相關性[17]。

由于SUVmax 僅反映腫瘤內糖代謝最高值，為更全面地體現腫瘤代謝行為，部分研究開始納入其他參數，提示MTV 及TLG 均不具有EGFR 突變預測價值，與本研究結果一致[18-19]。相似的結果在Whi等[20]的研究中也可觀察到，單因素分析顯示SUVmax、MTV 及TLG 與EGFR 突變明顯相關，但多因素分析后僅低SUVmax 是重要的預測因子，MTV、TLG 不能獨立預測EGFR 突變。

引起這種爭議的原因可能有：①代謝參數SUVmax、SUVmean 易受患者及技術等多種因素影響且SUVmax 有時不能反映腫瘤全部特征；②研究設計、患者選擇、病理類型及分期等對結果也有影響；③NSCLC 可能與多種影響糖代謝的基因突變結合而引起結果差異。

本研究使用ROC 曲線分析各代謝參數的曲線下面積（AUC），發現TLG 效能最高。多因素分析后僅SUVmax、SUVmean 可預測突變，且SUVmean 效能更好，而MTV 和TLG 未能獨立預測，這可能與參數本身的特點有關，SUVmean 是ROI 內的平均SUV，相比SUVmax 能反映更多代謝信息，MTV 和TLG 反映整個腫瘤的代謝，易受18F-FDG 攝取和體積的影響。Zhu 等[21]得出SUVmax 和SUVmean 識別EGFR 突變的AUC 分別為0.629 和0.632，與本研究結果相似。值得注意的是，本研究發現吸煙史的單獨預測效能均比SUVmax、SUVmean 更高，AUC 0.711，而腫瘤位置的單獨預測效能較低，AUC 0.620，即代謝參數呈中等的預測效能。Guo 等[22]納入18 篇相關文獻進行薈萃分析，表明SUVmax、SUVmean 對EGFR 突變狀態呈中等的預測能力，支持了本研究結果。當聯合這4 個因素建立預測模型，其AUC 可達0.907，高于單一指標的預測效能，敏感度及特異性各為98.2%、79.1%，陽性及陰性預測值各為85.5%、81.4%，正確百分比為83.7%，即該模型具有良好的預測效能及準確性，有助于初步指導EGFR-TKI 靶向治療。

本研究還納入一些臨床指標，與多數研究結果一致，女性、非吸煙者、腺癌患者EGFR 狀態有顯著差異。腫瘤最大徑（≤3.4 cm）與EGFR 突變明顯相關，相似的結果在先前研究中可觀察到[9，23]。Liu 等[24]表明周圍型肺癌更易發生EGFR 突變，與本研究結果一致，提示腫瘤位置與內部代謝存在一定的關聯，但目前關于該因素研究較少，尚需更多的研究來闡明。此外CT 邊緣征象與突變無關，與部分報道結論一致[25]。

本研究仍存在一些不足，首先，回顧性研究的特點可造成部分選擇偏倚，且樣本量相對較小；其次，未進一步探討EGFR 突變亞型與代謝的關系，同時伴有其他基因改變如ROS1 和ALK 融合也會對18F-FDG 攝取有影響，但因這種改變罕見尚未分析；此外未對預測模型進行驗證，未來會收集獨立數據驗證，同時繼續隨訪并分析預后。

本研究表明，吸煙史、腫瘤位置、SUVmax 及SUVmean 是NSCLC 患者EGFR 突變的獨立預測因素，聯合這4 個因素構建預測模型較單一因素有更好的預測效能，有利于早期區分無法行EGFR 基因檢測患者的突變狀態，從而指導EGFR-TKI 靶向治療使患者獲益。未來仍需要前瞻性、大規模的研究來進一步證實18F-FDG PET/CT 代謝相關的信息對EGFR 突變的預測價值。