脊柱转移瘤对癌症患者的生活造成重大影响。预后判断是脊柱转移瘤个体化治疗的关键。本研究利用大规模测序数据呈现脊柱转移瘤的基因组图谱，为乳腺癌、非小细胞肺癌和前列腺癌脊柱转移患者确定预后分组。本队列研究纳入连续的脊柱转移瘤患者，其肿瘤均通过下一代测序（NGS）平台进行测序；采用机器学习（ML）算法对OS风险进行分层。

对282例脊柱转移瘤（乳腺癌（84例）、非小细胞肺癌（56例）、前列腺癌（49例）、其他（93例））进行了靶向测序和OS风险分层。在单变量Cox比例风险模型中，整个队列中TP53（HR 1.80；95%CI 1.26-2.56）和KEAP1（HR 3.95；95%CI 2.24-6.98）突变与不良生存相关。机器学习算法将乳腺癌转移瘤分为低危组和高危组，中位OS分别为71个月和22个月（HR 3.3，p<0.001）。TP53突变和ESR1突变提示预后不良。在肺癌中，确定了低危组和高危组，中位OS分别为30个月和6个月（HR 8.3，p<0.001），其中MET扩增与不良预后相关。未发现前列腺癌脊柱转移瘤有显著的预后相关因素。

脊柱转移瘤的分子数据有助于识别预后分组。研究者提出一种利用基因组突变数据的开源机器学习算法，该算法可能有助于预后判断和个体化决策。

研究背景

据估计，40%的癌症患者在病程中会发生脊柱转移。随着高效靶向治疗的应用，癌症患者的生存期得以延长，脊柱转移瘤的有效管理成为日益重要的临床问题。脊柱疾病的管理包括全身治疗、放射治疗，在某些情况下还包括手术。多学科治疗方法的整合提高了转移性脊柱疾病患者的总体生存率。然而，准确预测该人群的患者预后仍具有挑战性，尤其是在考虑手术干预是否适当时。确保准确的预后判断是指导脊柱转移瘤患者合理管理策略的关键因素。为此，已基于原发肿瘤类型和全身疾病负荷等因素开发了评分系统和列线图。尽管如此，这些预测工具均未将肿瘤突变数据纳入预后判断中。

过去十年中，临床肿瘤学最显著的进展之一是将全面的肿瘤基因分型整合到多种实体瘤患者的治疗算法和风险分层中。基因分型有助于确定合适的靶向治疗，如EGFR和CDK4/6抑制剂，这些药物已显著影响生存结局。然而，尽管取得了这些进展，关于脊柱转移瘤基因组图谱的知识仍然有限，且关于整合基因数据辅助预后判断的报道较少。近期旨在更好地描述人类癌症和转移瘤的大规模研究中，来自骨骼或脊柱的肿瘤样本寥寥无几。

在此，研究者报告来自MSK-IMPACT（纪念斯隆凯特琳癌症中心-可干预癌症靶点整合突变分析）的数据，这是一个可干预癌症相关基因的NGS平台，用于描述多种肿瘤类型的脊柱转移瘤基因组图谱。然后，利用这些基因组数据训练机器学习算法，将最常见的脊柱转移癌患者分为高风险和低风险预后组。

研究结果

在筛选的535份肿瘤样本中，290份被发现具有较高的肿瘤纯度，可进行可靠的基因组检测，其中5份因是原发肿瘤而被排除。骨病变的突变分析可能会受到DNA质量和肿瘤含量的影响。最终共有282份样本纳入分析，包括84份乳腺癌转移灶、56份非小细胞肺癌转移灶、49份前列腺癌转移灶以及93份来自其他不同原发部位的转移灶。乳腺癌、肺癌、前列腺癌和其他肿瘤组的中位年龄分别为57岁、67岁、70岁和60岁。大多数组织通过微创活检获取，乳腺癌（83%）、肺癌（54%）和前列腺癌（86%）均是如此。胸椎是所有组中最常见的发病部位：乳腺癌占49%、肺癌占55%、前列腺癌占41%、其他肿瘤占41%（表1）。

表1

脊柱转移瘤基因组图谱概述：

在整个数据集中，最常受影响的基因是TP53，29%的样本存在该基因的突变和缺失。12%的肿瘤中发现了EGFR突变和扩增，10%的肿瘤中发现了KRAS突变和扩增（图1）。对整个队列的分析显示，KEAP1突变（HR 3.95，错误发现率<0.001）和TP53突变（HR 1.80，错误发现率=0.015）与生存期缩短相关（表2）。

图1

表2

接下来，研究者重点分析了最常见的发生脊柱转移的原发肿瘤：乳腺癌、肺癌和前列腺癌（图2）。在原发乳腺癌患者（N=84）中，中位年龄为57岁（四分位距（IQR）50-66）。单变量分析显示，年龄、肿瘤位置、手术与活检的选择均与总生存期无关。常见的基因变异如图2A所示。TP53突变的存在与不良生存显著相关（HR=3.79，错误发现率=0.02）。单变量分析中，其他基因均未显示出显著性。研究者研究了有和无脊柱转移的乳腺癌原发肿瘤队列的基因组信息。与未发生脊柱转移的队列相比，发生脊柱转移的队列中CDH1突变率显著更高，而TP53突变率显著更低（表3）。

图2

表3

在转移性肺腺癌患者（N=56）中，中位年龄为67岁（四分位距58-72）。单变量分析显示，年龄、肿瘤位置、手术与活检的选择均与总生存期无关，尽管年龄有显著趋势（p=0.06）。最常见的基因变异如图2B所示。单变量分析中，有6种基因变异与生存期缩短相关，分别是：IL7R扩增（HR 15.9，错误发现率0.01）、MET扩增（HR 6.1，错误发现率0.01）、RB1突变（HR 4.4，错误发现率0.02）、TRAF7突变（HR 5.8，错误发现率0.02）、MLL2突变（HR 6.0，错误发现率0.04）以及SMARCA4缺失（HR 6.1，错误发现率0.04）。与未发生脊柱转移的队列相比，发生脊柱转移的队列中CDKN2A、CDKN2AP14ARF、CDKN2AP16INK4A和CDKN2B缺失，EGFR和TERT扩增以及EGFR突变的发生率显著更高（表3）。

在转移性前列腺癌患者（N=49）中，中位年龄为70岁（四分位距63-74）。这些患者中大多数（86%）的样本通过活检获取。单变量分析显示，年龄、肿瘤位置、手术与活检的选择均与总生存期无关。最常见的突变如图2C所示。经过多重比较调整后，单变量分析中未发现任何基因突变与生存相关。与未发生脊柱转移的队列相比，发生脊柱转移的队列中AR扩增率显著更高（表3）。

风险亚组的定义：

接下来，研究者使用OncoCast算法对每种原发癌症类型进行分析，计算生存预测风险评分，并根据临床和基因组数据划分亚组。为每种癌症类型的OncoCast定义的风险亚组绘制了Kaplan-Meier生存曲线。研究真还试图确定除单变量分析中可识别的之外，具有预后意义的基因变异。为了确定哪些基因对总生存期有显著影响，研究者生成了火山图，绘制每个基因的选择频率（重要性）与其平均回归系数。正系数表示与生存呈不利关联，负系数表示对生存有有利或保护作用。研究者使用80%的选择频率作为任意 cutoff 值来定义具有预后相关性的突变。

乳腺癌：

使用OncoCast分析定义了两个风险组。低风险组的中位OS为71个月（95%CI：44，未达到），高风险组的中位OS为22个月（95%CI：9，未达到，HR 3.3；p=0.00063）（图3A）。ESR1和TP53突变具有高度的预后相关性，在超过90%的模型中被选中（图3B）。其他相关的具有预后意义的基因包括MDM2、AURKA和GNAS扩增以及PIK3CA突变。TBX3和ATR突变以及FGF4扩增被高度选中，且与生存获益相关（图3B）。乳腺癌模型在100次迭代中的一致性概率估计中位数为0.63（四分位距[IQR]：0.62，0.65）。

图3

非小细胞肺癌：

使用OncoCast分析定义了两个风险组。低风险组的中位OS为30个月（95%CI：22，未达到），高风险组的中位OS为6个月（95%CI：0.8，11，HR 8.3；p<0.001）（图4A）。MET扩增具有高度的预后相关性，在所有模型中均被选中。在OncoCast分析中，EGFR突变与较好的预后相关，在92%的模型中被选中。ALK融合也具有有利意义，在83%的模型中被选中（图4B）。非小细胞肺癌的整体分析显示，有许多具有预后意义的基因在模型中大量出现且与不良预后相关，包括KRAS的突变和扩增、RB1、TRAF7、KEAP1、ARID2、CBL、MLL3、TP53、ERBB4和SMARCA4的突变或缺失，以及IL7R、EGFR、BCL6、MAR3K13、TP63、SDHA和CDK6的扩增（图4B）。非小细胞肺癌模型在100次迭代中的一致性概率估计中位数为0.73（四分位距[IQR]：0.70，0.77）。

图4

前列腺癌：

利用前列腺癌脊柱肿瘤样本的基因组数据，OncoCast算法未能生成具有显著差异的预后分组（图5A）。TET1扩增与不良预后相关，而FOXA1突变与生存获益相关（图5B）。前列腺癌模型在100次迭代中的一致性概率估计中位数为0.62（四分位距[IQR]：0.59，0.66）。

图5

讨论

关键发现及意义：

随着癌症治疗（包括靶向治疗）的进步，脊柱转移瘤可能不再是即将死亡的预兆。预后判断是脊柱转移瘤个体化治疗的关键，但关于基因数据在预后判断中的作用，相关信息甚少。据研究者所知，本研究是迄今为止规模最大、最全面的脊柱转移瘤基因组分析。研究者报告了混合组织学队列中最常见的基因变异，以及发生脊柱转移的最常见恶性肿瘤的组织学特异性分析结果。通过机器学习算法OncoCast，研究者展示了突变谱分析在脊柱转移瘤取样时为个体预后提供信息的潜力。将突变数据纳入脊柱转移瘤患者的个体化决策算法，将有助于提高预后判断的准确性和患者预后，并辅助选择多学科治疗方案。

临床意义：

脊柱转移瘤的治疗通常需要多学科协作，治疗方案从全身化疗、放疗、微创干预到开放手术不等。这些决策的关键是了解患者的整体预后。高通量基因测序正日益普及，有望成为辅助决策的预后工具。研究者先前的研究表明，原发肿瘤与其匹配的脊柱转移瘤的突变谱分析具有高度一致性，尤其是驱动突变。目前已有多种基于临床参数的评分系统被广泛用于辅助预测脊柱转移瘤患者的生存预后，以支持治疗决策，包括Tomita评分、Tokuhashi评分、Bauer评分，以及近期开发的工具（如SORG列线图）。然而，这些工具均未纳入肿瘤基因信息。本分析中来自大型原发和转移瘤队列的数据，结合机器学习算法，为脊柱转移瘤（尤其是乳腺癌、肺癌和前列腺癌来源的转移瘤）的风险分层提供了宝贵见解。这种开源算法可基于脊柱肿瘤的基因组图谱进行患者特异性预后判断。据研究者所知，这是首个允许将基因组数据纳入脊柱转移瘤患者预后判断的资源。该工具可整合到决策算法中（如神经、肿瘤、机械和全身状况（NOMS）决策框架及其他预测模型），以提高预后评分的准确性。研究者认为这对癌症领域是一个有价值的工具。除了实际临床决策外，本研究呈现的数据集和方法还可进一步用于揭示脊柱转移瘤的分子决定因素。

组织特异性观察：

历史上，乳腺癌有丰富的突变数据可指导治疗和预后，临床实践中常规根据BRCA状态进行分层。本研究分析中发现的一个主要预后相关突变是ESR1（编码雌激素受体）。ESR1突变此前已被证实是对芳香化酶抑制剂治疗耐药的机制。由于激素受体状态是乳腺癌治疗的关键驱动因素，导致激素耐药的ESR1突变在决定治疗方案和整体结局中发挥重要作用。本研究结果与其他研究一致，即这些突变在转移瘤中常见——ESR1突变通常是在芳香化酶抑制剂治疗期间或之后获得的，且与较差的预后相关。值得注意的是，发生转移的患者与未发生转移的患者之间，ESR1突变率无显著差异。本研究数据还支持TP53突变在乳腺癌脊柱转移中具有不良预后作用。先前的研究发现，在乳腺内脏转移中，TP53高表达与生存期缩短相关，而对TP53突变状态预测生存的分析得出了相互矛盾的结果，部分原因可能是不同TP53基因型对化疗方案的反应存在差异。本研究表明，对于脊柱转移瘤，TP53突变具有高度预后相关性，且该突变在乳腺癌脊柱转移中预示较差的预后。然而，与未发生脊柱转移的患者相比，发生脊柱转移的患者队列中TP53突变率显著降低。这可能是由于携带TP53突变的患者在发生转移前已早期死亡。

近期靶向治疗的引入彻底改变了肺腺癌的治疗。事实上，在本研究的模型中，可靶向EGFR突变及ALK融合的存在具有保护作用，这与有限的既往脊柱转移瘤数据一致，也与针对这些突变的高效靶向治疗的可用性相符。发生脊柱转移的患者，其原发肿瘤中EGFR突变的可能性显著高于未发生脊柱转移的患者，这可能是由于EGFR突变肿瘤因靶向治疗而生存期延长所致。在一系列具有特定标志物（ALK、MET、ROS1、EGFR和KRAS）突变数据的肺腺癌脊柱转移患者中，临床可靶向突变的存在与生存期延长相关。在本研究中，MET基因扩增在非小细胞肺癌脊柱转移中具有不良预后意义。MET编码酪氨酸激酶受体，此前被发现是对EGFR抑制剂耐药的机制之一。MET扩增是不良预后指标，且在实验模型中已被证明可诱导更具侵袭性的肿瘤表型。正在进行和近期完成的临床试验正在探索在转移性肺癌中联合使用EGFR和MET抑制剂。

除已知的高危基因突变外，本研究数据集还提示了一些先前未被描述的基因突变在脊柱转移瘤中的作用。例如，在单变量分析和OncoCast模型中，均发现TRAF7突变在肺癌脊柱转移中具有预后意义。TRAF7与肿瘤坏死因子α通路和TP53通路的调控相关。该基因的基因变异此前在脑膜瘤和间皮瘤中被描述，但从未在肺癌或脊柱/骨转移瘤中被报道，这为未来研究指明了方向。在282例脊柱转移瘤的汇总数据集中，6%的样本存在KEAP1突变，且该突变可预测不良生存。KEAP1是Nrf2-Keap1信号通路的关键组成部分，在正常细胞和癌细胞中均起到保护细胞免受环境毒素（包括化疗药物）损伤的作用。目前正在研究Nrf2-Keap1通路的药物靶向治疗在多种疾病中的应用，包括多发性硬化症和癌症。

OncoCast此前已应用于1054例转移性肺腺癌患者。该分析发现STK11和KEAP1共突变是不良预后的强预测因子。有趣的是，在本系列非小细胞肺癌脊柱转移中，OncoCast评分由独特的基因组特征驱动，主要是MET扩增（在100%的模型中被选中）和RB1突变（在99%的模型中被选中）；与先前分析一致，STK11在75%的模型中被选中，KEAP1在94%的模型中被选中。在先前报道的复发性肺腺癌系列中，低风险组的中位总生存期为32.8个月，而高风险组为7.3个月；这与本研究的脊柱转移瘤系列相当，低风险组中位生存期为30个月，高风险组为6个月。

与肺癌和乳腺癌不同，OncoCast分析对前列腺癌的预后判断价值有限。前列腺癌在多个方面与乳腺癌和肺癌存在差异，这些差异可能影响预后判断。一个区别是前列腺癌具有极高的骨嗜性——如果所有或几乎所有转移性患者都存在骨病变，那么可能缺乏足够的结局判别因素。另一个因素是转移性前列腺癌的病程相对惰性（与乳腺癌和肺癌相比）：对于这种疾病，与其他癌症不同，单纯脊柱转移本身可能不是生存的主要决定因素。第三个因素是前列腺癌中缺乏亚型特异性驱动癌基因。相比之下，肺癌的预后因EGFR和KRAS的存在与否而不同，部分原因是历史上已有高效的EGFR酪氨酸激酶抑制剂；在乳腺癌中，雌激素受体的有无决定了治疗选择。

局限性：

本研究存在重要局限性。本研究是探索性分析，此处确定的个体结局预测因子最终需要在独立患者队列中验证。尽管MSK-IMPACT包含大量与癌症相关的基因，且测序深度高，但它是靶向测序平台，因此未评估的基因显然无法提供信息。除乳腺癌和肺癌外，其他癌症类型的样本量相当有限。此外，发生脊柱转移的比例相当低，且这一小部分转移患者可能具有高度选择性。结果可能受到治疗异质性的影响，包括原发肿瘤的基因组构成和对靶向治疗的反应。前列腺癌组无法建立OncoCast模型可能是由于样本量不足（n=49），而非这些患者缺乏可靠的生存基因预测因子。前列腺癌组无法建立OncoCast模型的其他解释包括测序panel的局限性和非基因组驱动因素（如表观遗传改变）。此外，在筛选的535份样本中，45.8%因肿瘤纯度不足而被排除，无法提取详细的基因组信息。

本研究患者群体来自一家四级医疗中心，该中心设有专门的脊柱转移瘤诊疗服务，因此患者可获得靶向治疗、放疗和手术选项，而这些可能并非社区普遍可及，这可能影响患者结局。此外，尽管“非脊柱转移”队列中的所有患者在MSK-IMPACT中均无脊柱病变，但研究者无法确定所有患者都接受了影像学检查以确认无脊柱受累。最后，本研究数据侧重于靶向DNA测序，未纳入基因表达或表观遗传标志物。未来的研究方向包括在独立队列中外部验证OncoCast模型、探索原发肿瘤与脊柱转移瘤之间突变率的差异，以及扩大分析范围（包括转录组学和表观遗传数据）以补充DNA测序。

脊柱转移瘤的基因组突变图谱可用于对常见脊柱转移瘤进行预后分组。这些分组由在脊柱转移瘤背景下具有特定预后价值的基因变异定义。研究者已确定这些肿瘤中具有明显预后意义的基因突变，可为未来研究提供基础，并提供282份脊柱转移瘤样本的基因突变资源。

参考文献：

Giantini-Larsen, A.; Ramos, A.D.; Martin, A.; Panageas, K.S.; Kostrzewa, C.E.; Abou-Mrad, Z.; Schmitt, A.; Bromberg, J.F.; Safonov, A.; Rudin, C.M.; et al. Integration of Next Generation Sequencing Data to Inform Survival Prediction of Patients with Spine Metastasis. Cancers 2025, 17, 2218. https://doi.org/10.3390/cancers17132218

Tags： 肺癌、乳腺癌和前列腺癌等患者的脊柱转移瘤基因组图谱，这些基因变异可用于预后分组