肺癌中Ki-67的作用機制及影像組學的相關研究進展

魏宇澤，盧再鳴，任瑩

（中國醫科大學附屬盛京醫院放射科，沈陽 110004）

肺癌是一種患病率及死亡率較高的癌癥，也是全球癌癥相關死亡的主要原因，每年世界范圍內約有2 000萬肺癌新發病例和7 900萬肺癌死亡病例［1］。Ki-67與細胞增殖關系密切，在一定程度上可以反映包括肺癌在內的惡性腫瘤細胞增殖的活躍程度，從而判斷腫瘤的惡性程度及預后［2-3］。影像組學是一種新興的科學，可以從CT、MR以及PET圖像中高通量提取影像組學特征并篩選出與診療目的密切相關的特征，對腫瘤或疾病分型、預后或者基因組改變進行精準預測［4］。本文就Ki-67在肺癌中的作用機制及影像組學研究進展進行綜述。

1 Ki-67概述

1.1 Ki-67的起源與結構

Ki-67最早由GERDES等于1983年發現。Ki-67是一種細胞核蛋白，只存在于增殖分裂中的細胞核，而在靜止期的細胞核中不表達［5］。在人體中，Ki-67由位于染色體10q26.2上的MKI-67基因編碼，其總外顯子數為16。該基因由2種分子量不同（分別為320×103和359×103）的蛋白異構體組成，由帶有或不帶有第7外顯子的mRNA前體選擇性剪接產生［6］。Ki-67的主要結構包括N-末端的叉頭相關（forkhead-associated，FHA）結構域、蛋白磷酸酶1（protein phosphatase 1，PP1）結合結構域、功能未知的保守結合域、包含串聯重復序列的大中心區以及C-末端的染色質（leucine/arginine-rich，LR）結合結構域［7］。

1.2 Ki-67與染色體的關聯及在有絲分裂中的功能

Ki-67是一種染色質相關蛋白，其與細胞周期各階段的染色質生物學有關聯，可以在細胞周期各個階段發揮作用。有絲分裂染色體由5個主要區域構成，即核小體/染色質、染色體支架、著絲粒、端粒以及染色體外圍。其中染色體外圍有4個重要功能：（1）形成物理屏障，保護有絲分裂染色質在核膜破裂后不受細胞質蛋白的影響；（2）直接參與有絲分裂染色體結構；（3）防止有絲分裂染色體相互粘連；（4）作為著陸墊，集中核仁蛋白，幫助有絲分裂退出時核仁重新激活［8-9］。而Ki-67是參與染色體外圍構成的必要條件，缺乏Ki-67的細胞在有絲分裂期間染色體結構異常，腫脹、扭曲［10］。在有絲分裂的早期階段，Ki-67可以形成排斥性分子刷，但是在有絲分裂結束時，這些分子刷解離，同時促進染色體聚集，進而誘導細胞質從重新組合的細胞核中排出［11］。近期的一項研究［12］表明Ki-67可以在有絲分裂間期控制間期異染色質的核仁平衡，Ki-67的存在是及時復制著絲粒所需的必要條件。在人類細胞中，Ki-67的急性耗竭會導致細胞在有絲分裂中出現DNA損傷，而位于Ki-67末端的LR結構域可以有效抵抗該損傷，保證有絲分裂的正常進行［13］。

1.3 Ki-67的表達調控

Ki-67存在于除靜息期和G0期之外細胞周期的所有階段，表達水平從G1到M期不等，在M期達到峰值之后緩慢下降至低水平。Ki-67mRNA表達受細胞周期轉錄因子的控制，與細胞周期基因的表達高度相關，E2F1和E2F2在G1期和S期可以促進Ki-67轉錄，B-Myb促使S期和G2期Ki-67水平增加，而上述蛋白轉錄均需要細胞周期依賴性激酶（cyclin-dependent kinase，CDK）調節［14-15］。有研究［6，16］表明Ki-67包含約 80個已確認和推定的CDK磷酸化位點，因此Ki-67的表達水平很大程度上受磷酸化調節，其磷酸化由多種激酶介導，如CDK1激酶、CDK1磷酸酶以及wee1激酶。此外，特異性蛋白1（specificity protein 1，Sp1）和腫瘤抑制因子p53在調節Ki-67啟動子活性中可起到關鍵作用，p53可以通過與Ki-67啟動子中的Sp1結合位點以及p53結合域相互作用，從而抑制Ki-67的轉錄［17］。

2 Ki-67在肺癌中的作用

Ki-67作為各種類型肺癌的重要預后標志物，其高表達水平與腫瘤大小、淋巴結轉移以及腫瘤分期顯著相關［18-19］。在肺腺癌中，Ki-67的表達在不同肺腺癌組織學亞型中有顯著差異，在微乳頭狀和以實性成分為主型的腺癌中表達水平最高，同時，Ki-67可作為獨立的預后因素，高Ki-67表達的肺腺癌患者總生存期及無病生存期較短［20］。Ki-67指數在肺神經內分泌相關腫瘤亞型之間存在顯著差異，Ki-67指數在小細胞肺癌和大細胞肺癌中顯著高于類癌，同時Ki-67 指數水平較高是肺神經內分泌相關腫瘤患的獨立危險因素，總生存期較短［21-22］。在小細胞肺癌中，當Ki-67指數≥60%時疾病進展快，惡性程度高，預后不佳［23］。近期的一項研究［24］將Ki-67指數與第8版TNM分期整合，提出了一種肺類癌特有的綜合分期系統，該分期系統展示出了比僅基于TNM的亞組更好的增量分層。

另外，肺癌患者體內Ki-67的表達水平可作為培溴利珠單抗、納武麗珠單抗等免疫治療和酪氨酸激酶抑制劑靶向治療以及化學藥物治療的預測性生物標志物，用于觀察治療效果以及預測腫瘤復發情況［25-27］。

3 肺癌Ki-67的影像組學相關研究進展

3.1 影像組學在肺癌中的研究進展

影像組學可以在常規醫學影像圖像中使用數字和機器學習方法提取并定量分析圖像特征，從而進一步探索圖像特征與生物學和臨床結果的相關性。在一些特殊圖像中提取的影像組學特征可以分別反映病變的解剖學及功能學信息，而這些特征大多數肉眼不可見［4，28］。影像組學的最終目標是建立更快、更可靠的臨床決策支持系統，減少臨床醫生的工作量并提高診斷、治療和預后的質量，從而達到協助臨床醫生的目的［29-30］。經典的影像組學工作流程包括圖像采集及預處理、病灶分割、特征提取、特征選擇、預測模型構建、模型驗證/評估，如果最后一步證明成功，則有機會進入臨床實踐［31］。圖像采集及預處理是影像組學研究的第一步，也是最重要的一步，因為不同的設備及采集技術會導致同一患者或病灶出現不同的圖像，所以需要進行圖像預處理來盡量保證一致性［32］。病灶的分割可以采用人工、自動或半自動的方法，其中人工分割容易受到操作者主觀性的影響且較為費時費力，自動或半自動的分割方法可以極大提升效率，但是這種分割方法可能達不到人工分割的準確度，容易出現誤差。影像組學特征的提取可以由計算機自動提取，常見的特征包括kurtosis、skewness以及體現圖像體素之間關系的參數，如灰度共現矩陣（gray-level co-occurrence matrix，GLCM）、游程長度矩陣（run length matrix，RLM）、大小區域矩陣（size zone matrix，SZM）和鄰域灰度色調差異矩陣（neighboring graytone difference matrix，NGTDM）等［33］。模型構建常常使用隨機森林、邏輯回歸或者支持向量機等機器學習算法，其診斷效能可通過靈敏度、特異度、準確度或受試者操作特征曲線的曲線下面積評估［34］。在肺癌領域中，影像組學已經開展了眾多研究［35］，包括組織學亞型分類、治療效果的預測等。一項納入270例樣本的研究［36］表明，聯合臨床特征和基于CT的影像組學模型能夠有效預測非小細胞肺癌（nonsmall cell lung cancer，NSCLC）患者淋巴結轉移情況、評估總生存期（overall survival，OS），其曲線下面積訓練集為0.840，驗證集為0.890。在鑒別病理類型方面，HAN等［37］使用PET/CT圖像區分NSCLC組織學亞型，并從基于影像組學的機器學習/深度學習算法中確立了最佳模型。應用VGG16 深度學習算法的預測效能要優于其他所有傳統機器學習算法，其準確率高達0.841，曲線下面積為0.903。表皮生長因子受體（epithelial growth factor receptor，EGFR）突變或程序性細胞死亡蛋白1配體（programmed death-1，PD-L1）表達的NSCLC患者對免疫、靶向治療敏感，因此，評估EGFR突變或PD-L1表達對于NSCLC治療具有重要意義。ZHANG等［38］評估了治療前基于18F-FDG PET/CT的影像組學特征對肺癌患者EGFR突變狀態的預測能力，其訓練集、驗證集曲線下面積分別為0.960、0.870；MONACO等［39］調查了18F-FDG PET/CT影像組學在預測NSCLC患者 PD-L1 表達狀態中的作用，靈敏度可達到0.810，特異度可達到0.820，均表現出較強的預測能力。除此之外，一些近期的研究［40-42］表明基于CT、MRI或者PET/CT的影像組學模型同樣對肺癌放化療和外科治療后的療效評估有重要作用。

3.2 影像組學預測肺癌Ki-67表達水平

近年來，肺癌Ki-67的影像組學相關研究得到了廣泛開展，一項納入282例樣本的回顧性研究［43］建立了包含基于增強CT影像組學特征與臨床危險因素如吸煙史和神經元特異性烯醇化酶（neuron-specific enolase，NSE）的列線圖模型，同時驗證了其對于Ki-67指數的預測能力，驗證集曲線下面積、靈敏度、特異度和準確度可分別達到0.870、0.750、0.902和0.835。HUANG等［44］提出，基于CT影像組學特征可有效預測術前肺腺癌Ki-67的表達水平，以5%表達水平為標準可用于區分浸潤性肺腺癌和非浸潤性肺腺癌，起到對肺腺癌患者預后的評估作用。多項研究［45-47］表明，基于CT的影像組學模型同樣對早期肺腺癌（T1a～b期）和表現為亞實性或磨玻璃密度結節肺腺癌的Ki-67表達水平有較好的預測能力。對于罕見的肺部惡性腫瘤，影像組學同樣可以起到相同作用。近期的一項研究［48］表明，基于CT的若干影像組學特征與肺神經內分泌腫瘤（pulmonary neuroendocrine tumors，pNET）中Ki-67的表達水平相關，有希望成為pNET 中具有潛在價值和新穎的生物標志物。如“Kurtosis”可以非侵入性地高精度預測2%的Ki-67水平。

4 總結與展望

影像組學作為醫學中一項新興診療技術，其開發及應用逐步趨于成熟，但用于臨床仍有巨大挑戰，需要多中心、大樣本、前瞻性的研究重復驗證。Ki-67作為細胞增殖能力的預測指標，已被證實與肺癌預后密切相關，但做到應用影像組學無創、準確預測Ki-67表達水平仍存在難度。在未來，針對肺癌Ki-67影像組學的研究將會更加深入，為肺癌的診斷以及治療提供新思路。