NETest2.0?在神经内分泌肿瘤监测中较嗜铬粒蛋白A(Chromogranin A, CgA)显示更优监测效能的比较研究

《Cancers》：NETest2.0? Demonstrates Superior Monitoring Performance Compared with Chromogranin A in Neuroendocrine Tumor Surveillance

　　

摘要：背景/目的：神经内分泌肿瘤(neuroendocrine tumors, NETs)缺乏可靠的纵向监测生物标志物。最广泛使用的循环标志物嗜铬粒蛋白A(Chromogranin A, CgA)存在敏感性低、与影像学进展一致性差等局限。NETest2.0?是一种基于血液的多基因转录组液相活检(liquid biopsy)，用于动态评估NET生物学活性。本研究在真实世界登记队列中比较连续检测NETest2.0?与CgA监测NET进展的效能。方法：纳入RegisterNET项目(NCT02270567)中经组织学确诊、具有配对血样及同期临床评估的NET患者。NETest2.0?评分通过51基因逆转录聚合酶链反应(RT-PCR)转录组panel获得，以0–100分表示；血清CgA采用常规临床免疫法测定。影像学评估依据RECIST 1.1标准及68Ga-生长抑素受体PET/CT。分析连续两次检测的百分比变化(Δ)，预设NETest2.0?阈值(>0%、>5%)与常规CgA阈值(>50%)进行比较，行受试者工作特征(ROC)曲线分析、多变量分析(MVA)及Logistic回归分析(LRA)。结果：共分析191例患者。连续NETest2.0?变化的进展判别AUC显著优于CgA变化(AUC：0.893 vs. 0.538；p < 0.0001)。主要监测分析中，NETest2.0?>0%和>5%阈值的AUC分别为0.860(95% CI：0.803–0.906)和0.822(95% CI：0.760–0.873)，均显著优于CgA(AUC：0.553，95% CI：0.480–0.625；均p < 0.0001)。NETest2.0?>0%灵敏度最高(86.4%)；NETest2.0?>5%达到敏感度(70.5%)、特异度(93.9%)及总准确率(88.5%)的最佳平衡。多变量及Logistic回归显示NETest2.0?变化是进展最强独立预测因子(均p < 0.0001；OR：52.99–61.26)，CgA无显著预测价值。结论：连续NETest2.0?评估监测NET疾病活动及进展显著优于CgA，支持将NETest2.0?整合入分子导向的NET监测策略中以辅助影像学并改善纵向随访。

论文解读：NETest2.0^?在神经内分泌肿瘤监测中较嗜铬粒蛋白A显示更优监测效能的比较研究

本文发表于《Cancers》。胃肠胰神经内分泌肿瘤(gastroenteropancreatic neuroendocrine neoplasms, GEP-NENs)发病率上升且约半数以上患者初诊即伴转移，术后或治疗后需长期随访监测复发与进展。现行监测依赖横断面或功能影像学及循环生物标志物嗜铬粒蛋白A(Chromogranin A, CgA)，但影像学对微小残留或早期复发敏感度有限，反复检查增加辐射负担与患者成本；CgA作为单一分泌性蛋白标志物存在敏感性低、个体间变异大、受质子泵抑制剂及肾功能影响产生假阳性、与肿瘤负荷及治疗反应相关性差等缺陷，指南已不再推荐其单独用于精确监测，NET领域缺乏可靠纵向分子生物标志物是突出的未满足临床需求。NETest2.0^?是基于全血51基因神经内分泌特异性转录标签、经机器学习算法生成0–100标准化评分的血源性多基因转录组液相活检(liquid biopsy)，反映肿瘤相关动态生物学活性而非单一分泌产物。研究人员假设连续检测NETest2.0^?评分的变化较CgA变化能更准确区分稳定与进展性疾病，因此开展此项RegisterNET登记队列研究进行头对头比较，结果显示序贯NETest2.0^?变化判别进展的AUC、灵敏度、特异度及准确度均显著优于CgA，且是进展最强独立预测因子，支持其作为NET分子监测补充影像学的工具。

主要技术方法

研究人员采用RegisterNET观察性登记研究(NCT02270567)中191例经组织学确诊NET患者，均具配对外周血样本（间隔中位6个月，范围1–12个月）及第二时点同期影像学（CT/MRI/⁶⁸Ga-生长抑素受体PET/CT）结合临床判定的疾病状态（稳定147例，进展44例，RECIST 1.1或医师裁定）。全血经RNA稳定剂处理提取mRNA，通过定量RT-PCR检测51基因panel，锁定算法输出NETest2.0^?连续分值(0–100)；血清CgA用当地临床免疫法测定（非标准化以反映真实世界）。计算两时点NETest2.0^?与CgA百分比变化(Δ)，预设NETest2.0^?Δ>0%（高敏捕捉转录漂移）与Δ>5%（保守阈值排除小幅波动），CgA采用CASPAR框架Δ>50%。进行ROC曲线分析、DeLong检验比较AUC，计算各阈值灵敏度(sensitivity)、特异度(specificity)、阳性/阴性预测值(PPV/NPV)及准确度(accuracy)，并行多变量分析(multivariable analysis, MVA)与Logistic回归分析(logistic regression analysis, LRA)评估独立预测价值，并做抽样间隔敏感性分析。

研究结果

3.1. Study Cohort and Monitoring Framework

191例患者中位年龄60岁，男:女=109:82；G1占52.5%，G2占41.4%，G3占6.1%；68.1%淋巴结阳性，44%伴肝转移。确认队列基线特征符合真实世界NET随访人群。

3.2. Sample Analyses

配对采样中位间隔6个月，第二时点同步影像学评估。进展判定由NET专科医师基于影像及临床裁定，非基于NETest2.0^?结果。设计可反映日常临床监测异质性并增强外推性。

3.3. Exploratory ROC Analysis

以连续Δ值为变量的探索性ROC显示，NETest2.0^?Δ的AUC达0.893(95% CI：0.840–0.933)，而CgA Δ的AUC仅为0.538(95% CI：0.465–0.610)，两者差异有统计学意义(p < 0.0001)，NETest2.0^?连续变化明显优于CgA变化判别进展。CgA两次检测水平无显著差异(p=0.40)，且仅约40%–44%阳性；NETest2.0^?首检85.3%阳性，二检62.3%阳性（稳定者下降符合治疗/静息期表现）。

3.4. Primary Monitoring Analysis

应用预设阈值后，NETest2.0^?Δ>0%对应AUC=0.860(95% CI：0.803–0.906)，Δ>5%对应AUC=0.822(95% CI：0.760–0.873)；CgA Δ>50%的AUC仅0.553(95% CI：0.480–0.625)。两个NETest2.0^?阈值AUC均显著优于CgA（均p < 0.0001）。

3.5. Operating Characteristics Across Thresholds

CgA Δ>50%灵敏度仅18.2%，特异度92.5%，准确率75.4%。NETest2.0^?Δ>0%灵敏度86.4%、特异度85.7%、准确率85.9%；NETest2.0^?Δ>5%灵敏度70.5%、特异度93.9%、PPV 77.5%、NPV 91.4%、准确率88.5%，为最佳平衡诊断效能点。

3.6. Multivariable and Logistic Regression Analyses

MVA与LRA显示NETest2.0^?Δ>0%和Δ>5%均为进展最强独立预测因子(p < 0.0001；t=11.33–11.66)，OR高达52.99–61.26；CgA Δ>50%在两模型中均不具显著预测作用。部分模型提示肿瘤分级(Grade)及肝转移与进展相关但效应远弱于NETest2.0^?动态变化。基线NETest2.0^?高分与高级别及肝转移有关，但ΔNETest反映动态生物学活性变化而非仅基线负荷。

3.7. Sensitivity Analysis of Sampling Interval Effects

抽样间隔(PFS)与带符号ΔNETest(r=0.059, p=0.419)、|ΔNETest|(Spearman rho=-0.100, p=0.169)及进展分类均无实质关联，Logistic回归中抽样间隔非进展独立预测因子(OR=1.037, p=0.154)，证实ΔNETest分类反映生物学活动而非抽样时间人为因素。

讨论与结论翻译

本研究证明连续NETest2.0^?评估在识别NET进展方面显著优于CgA，转录组液相活检比传统单分析物标志物更准确反映动态肿瘤生物学。将NETest2.0^?纳入纵向监测流程可改善分子导向监测、优化影像学使用并助力更早识别具临床意义的疾病进展。结论：在真实世界监测队列中，序贯NETest2.0^?评估判别神经内分泌肿瘤进展的效能显著优于嗜铬粒蛋白A(CgA)；上述发现支持转录组液相活检较传统单分析物生物标志物能更准确地反映神经内分泌肿瘤动态疾病生物学活性，将NETest2.0^?整合入纵向监测算法有助于优化生物学导向监测、合理应用影像学检查，并促进对具临床意义进展的更早期识别。