2019年9月4日～9月8日，中华医学会呼吸病学年会2019在湖北省武汉市召开。《中国医学论坛报》将在第一时间为您带来会议精彩内容，敬请关注。

从肺癌筛查，到肺癌早诊早治

▲上海市胸科医院 韩宝惠

低剂量螺旋CT（LDCT）是发现早期肺癌的最佳手段

随着筛查技术的发展，尤其LDCT技术的推广，越来越多的早期肺癌和肺部小结节被发现。美国国家癌症研究院1项长达10年的肺癌筛查研究（NLST）结果显示：与每年进行X线胸片检查相比，高危人群每年进行1次LDCT筛查，可将肺癌死亡率降低约20.3%。但需要关注的是，在24.2%的总阳性率中，良性结节比例高达96.4%。在后续其他国家研究中也同样发现了居高不下的良性结节率。

外周血靶基因检测辅助筛查

随着基础实验技术的迅猛发展，外周血这一可便捷获取的标本也被学者用于早期肺癌的诊断。有研究通过检测肿瘤循环游离DNA以及miRNA早期诊断肺癌，但遗憾的是，其在Ⅰ期肺癌中敏感性较低，仅为50%。上海市胸科医院通过基因芯片技术，借助免疫学原理，对88例肺部小结节患者的外周血标本进行检测，发现了6个可用于肺部良恶性结节鉴别的基因。组合分析后，其鉴别肺部结节良恶性的敏感性达90%，特异性达80%。这一成果有望使外周血靶基因检测成为辅助筛查早期肺癌的有效手段。

肺部结节的处理

美国国家综合癌症网络（NCCN）2017版肺癌筛查指南中，将首次LDCT筛查发现的肺部结节分为3类——实性结节、部分实性结节和非实性结节，每类结节又根据其大小进行分类，采取不同的随访处理策略。上海医学会呼吸分会肺癌学组在组织多学科专讨论后初步达成专家共识，将筛查发现的阳性结节根据大小分为两大组，建议对其采取不同的随访处理策略。

总体而言，肺部小结节良恶性的判断需要一段时间的观察，规律的定期随访非常重要。虽然目前尚无有效药物可以使结节消失，但因为大多数体检发现的小结节都是良性的，不会引起任何症状，也不会对患者造成威胁。早期的恶性结节在接受手术治疗后，大多能根治，预后较好。

大数据与肺癌

▲解放军总医院第一医学中心 陈良安

大数据（big data）是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新的处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。针对海量、实时、多种结构、不同来源的数据进行分析和挖掘，实现对信息的整理、收集、获取和预测，为分析决策提供指导。当前大数据技术已经对包括医疗领域在内的诸多行业产生重大影响。

目前医院积累了大量肺癌患者的病史、查体、影像和实验室检查、治疗等数据，应用大数据相关技术对其进行分析，已经在肺癌的预防、筛查、诊断、精准治疗决策、疗效和预后评估等各个方面获得一定进展。我们应该对大数据在肺癌领域的应用实例进行展示和分析，重点阐述如何应用大数据技术来解决肺癌领域相关问题，并对研究过程中的关键技术节点和质控进行探讨，为呼吸专科人员开展肺癌大数据研究提供参考。呼吸专科人员应当利用自身在肺癌诊疗领域的优势牵头组建多学团队，与大数据技术专家开展跨学科合作，努力在中国肺癌的大数据研究领域做出成果。

肺癌早期诊断的有关问题和思考

▲北京协和医院 王孟昭

肺癌的预后与诊断和临床分期密切相关，Ⅰa期肺癌患者术后5年生存率为60%，而Ⅱ~Ⅳ期患者的5年生存率则可从40%下降到5%以下。因此，争取“早期发现、早期诊断、早期治疗”是降低肺癌死亡率的重要措施。

胸部X线检查发现结节的敏感阈值为直径1cm，而此时肿瘤已超过10⁹个细胞，可能已经侵犯支气管上皮和血管上皮。目前已经确定胸部X线和痰细胞学检查在肺癌筛查中没有作用，只有低剂量螺旋CT（LDCT）可用于肺癌筛查，其检出肺内小结节的能力是X线胸片的10倍。LDCT的筛查人群限定为肺癌高危人群，即年龄55~74岁，吸烟大于30包/年，戒烟小于15年；或50岁以上，吸烟大于20包/年，并有其他危险因素。在高危人群中，LDCT筛查可以降低人群肺癌死亡率20%，但是其仍然有很多问题需要临床医师关注。

肺癌的发生发展是一个多基因参与、多阶段发生、长时间形成的极其复杂的病变过程。从理论上讲，分子病理学改变贯穿了人肺癌变的全过程，应将其作为监测肺癌发生发展的指标。已经报道的肺癌相关分子病理学异常包括：染色体畸变——异倍体；2p、9p、8p、17p位点的等位基因缺失；Myc、CyclnD1和Bcl-2基因表达上调；p53、Ras基因突变；p16、MGMT基因异常甲基化；hnRNP A2/B1抗原过表达等。目前通过外周血或痰液中基因异常来进行肺癌早期筛查和诊断的方法仍处于研究阶段。

影像组学在肺癌精准诊治中的临床应用进展

▲四川大学华西医院 李为民

肿瘤的时空异质性对各种传统检测手段提出了挑战，影像学检查因其具有无创、可重复、病灶检测全面等特点而获得了极大的发展机遇。但计算机体层扫描（CT）、磁共振成像（MRI）、正电子发射型计算机断层显像（PET）等成像方法仅能显示病灶的部分可视化特征，其内在的一系列数字化信息尚待挖掘。随着各种系统生物学技术的发展，一门新的影像技术——影像组学（radiomics）出现了。

作为当前发病率最高的恶性肿瘤，肺癌一直是肿瘤学各领域的研究热点。美国影像学家阿兹（Aerts H）教授于2014年首次报道了影像组学在肺癌中的应用。研究者所开发的影像组学软件可提取440个CT图像特征，结合影像组学特征和患者临床、基因信息建模，可以高效地预测肿瘤异质性、组织类型、患者TNM分期及生存预后，显示出影像组学在肿瘤临床诊疗中的巨大应用前景。

李为民教授团队在1项预测表皮生长因子-酪氨酸激酶抑制剂（EGFR-TKI）耐药快慢的多中心临床研究中，筛选出了12个具有显著相关性的影像组学特征，所构建的LASSO Cox回归预测模型可有效区分快耐药（无进展生存时间5.6月）和慢耐药（无进展生存时间10.7月）。同时，该团队在影像组学预测肺癌远处转移方面也取得了较好的结果。影像组学作为一种全新的方法，通过与临床信息联合，已突显出巨大优势。

当然，我们也必须客观地认识到，影像组学尚处于发展的早期阶段，从原始图像的提取到数据的分析，每一步都还存在大量待解决的问题，需要多学科、多领域的广泛协作和共同努力，推动影像组学的进步。