《中国恶性肿瘤学科发展报告（2021）》——多原发和不明原发肿瘤研究进展篇

多原发和不明原发肿瘤

中国抗癌协会多原发和不明原发肿瘤专业委员会                                   

概述

原发灶不明恶性肿瘤（Cancer of Unknown Primary, CUP）是一类确诊为转移性，但经过详尽的检查和评估仍然不能确定原发灶的恶性肿瘤，约占所有新发癌症的3%-5%。CUP的诊疗尚无充足的循证学证据，传统诊断方法依靠影像学（如PET/CT）和病理学等。另外，国内多项研究发现前哨淋巴结理论、通过椎静脉丛播散的孤立性或局限性骨转移和基因表达谱分析等也有助于为原发不明肿瘤患者的原发灶诊断。目前CUP患者的治疗尚无标准方法，一般采用广谱化疗方案（如紫杉类、铂类等），但疗效不佳，预后较差。国内一项前瞻性随机对照研究正在研究接受基于肿瘤组织起源基因检测判断的肿瘤类型的特异性治疗是否优于传统的经验性治疗。 多原发肿瘤（Cancer of Multiple Primaries, CMP）是指同一患者的同一器官或多个器官、组织同时或先后发生2种及以上的原发性恶性肿瘤，可发生于全身各处；根据肿瘤诊断时间间隔的不同可分为同时性和异时性多原发恶性肿瘤。多原发恶性肿瘤的发生受到内在因素、环境和个人生活方式、遗传因素以及肿瘤治疗因素的影响，其发病率约为2.4%-17.2%，并随着随访时间的延长而升高。目前，国内外尚无多原发恶性肿瘤的临床诊治指南。当具有肿瘤病史的患者出现第二个恶性病变时，确定新病变是第二原发恶性肿瘤还是原发肿瘤的复发转移对于治疗策略的选择至关重要，及早发现和治疗第二原发肿瘤，其预后一般优于原发肿瘤的复发转移。对多原发恶性肿瘤的治疗方案一般与单原发恶性肿瘤相同，根据患者肿瘤的部位、病理分期、全身情况选择手术、放化疗为主的根治性治疗方法。同时需要首先考虑治疗肿瘤分期较晚、或症状较重、或需要立即处理的那个原发恶性肿瘤；制定药物治疗方案需要兼顾所有的原发恶性肿瘤。 本报告介绍了国际上有关CUP和CMP的最近研究进展，涉及病理诊断、PET/CT检查、基因检测、全基因组分析、免疫治疗、统计分析等内容。                 

1.基于AI的病理学预测原发灶不明肿瘤的组织起源

原发灶不明肿瘤（CUP）是一组组织起源无法明确的未知疾病。由于现代治疗主要基于原发肿瘤，CUP的治疗仍是一个巨大的挑战。近年来的研究主要集中于通过基因组学和转录组学来确定肿瘤的组织起源。然而，在资源匮乏的地区中，基因检测的临床覆盖率较低，可行性不足。为了克服这些困难，我们提出了一种基于深度学习的算法——TOAD（Tumour Origin Assessment via Deep Learning），它可以使用常规获取的组织学切片来鉴别原发肿瘤。我们采用已知原发肿瘤的全视野数字切片训练一个模型，该模型可以识别肿瘤是原发的还是转移的，并预测其起源器官。在我们留存的原发肿瘤测试集上，该模型的TOP-1准确率为0.83，TOP-3准确率为0.96；而在我们的外部测试集上，该模型的TOP-1和TOP-3准确率分别为0.80和0.93。我们进一步整理了317例CUP患者的数据集并对其进行了鉴别诊断。我们的模型预测结果与61%的病例一致，TOP-3一致率为82%。TOAD可以作为一种辅助工具来鉴别诊断疑难的转移性肿瘤和CUP病例，并可以结合或替代辅助检查和广泛的诊断性检查的使用来减少CUP的发生。当然，还是建议应发挥MDT团队的作用尽量寻找原发灶。

2.18F-FDG PET/CT检查对原发不明肿瘤诊治的影响

原发灶不明肿瘤（CUP）的治疗传统上采用经验性疗法，但预后不佳。相比于CT、MRI等传统影像诊断方法，18F-FDG PET或PET/CT方法可以更好地进行原发灶溯源和发现新的转移灶，然而目前两种检查方法的临床价值并未完全明确。Woo S等系统性回顾并荟萃分析18F-FDG PET或PET/CT对CUP患者治疗决策的影响。通过检索Pubmed和EMBASE数据库中截止2021年2月4日的研究，纳入在18F-FDG PET或PET/CT检查后有治疗决策发生变化的CUP患者比例报告的相关研究文献，并用随机效应模型进行汇总研究治疗决策改变率。采用QUADAS-2评估研究质量，并使用亚组分析探索异质性。他们共纳入38项研究（包含2795例患者），在18F-FDG PET或PET/CT检查后，总体上治疗决策改变的CUP患者比例为35%（95%CI：31%-40%），研究具有显著的异质性（Q-test，p<0.01；I2=82%）。治疗决策发生变化的患者中，发现原发灶（22%， [95% CI：18-28%]）比发现新的转移灶（14%，[95% CI：10-19%]）的患者比例更高。治疗决策发生变化的患者比例在各个亚组研究中类似（区间：32.8%-38.2%）。18F-FDG PET或PET/CT对CUP患者的治疗决策具有深远影响，约三分之一患者的治疗方案因18F-FDG PET或PET/CT检查结果发生了变化，这一发现在多个亚组中保持一致。本专业建议加大肿瘤特异性的PET/CT的探索，如FES-PET/CT对雌激素受体阳性肿瘤的诊断价值。

3.90基因检测方法用于鉴别原发灶不明肿瘤的组织起源

原发灶不明肿瘤（CUP）是一类组织学上确诊为转移性并经过一系列检查仍无法明确其原发部位的肿瘤，约占所有新发肿瘤的3%-5%。CUP的诊断和治疗目前仍是亟待解决的难题。本研究旨在评估90基因检测方法在CUP样本鉴别肿瘤组织起源的分析性能。我们在江苏省肿瘤医院的44名CUP患者中验证了90基因检测方法，探索了其潜在的诊断效用。对于每个样本，通过分析90个肿瘤特异性基因的表达并获得预测的肿瘤类型及相似度评分，并将预测的肿瘤类型与参考诊断进行比较来计算准确性。此外，我们验证了TCGA中CUP与继发性恶性肿瘤和转移性恶性肿瘤中90基因表达谱的一致性。我们还报告了CUP患者的二代测序的详细结果。对于每份临床医学标本，将90基因检测预测的肿瘤类型与其参考诊断进行比较，总体准确率为95.4%。此外，90基因的表达谱分析将所有CUP样本准确地分类到其原发肿瘤亚组中。包含556个高频突变癌基因的外显子测序结果与90基因检测结果没有显著相关性。研究结果表明，90基因检测方法是准确识别CUP组织起源的有力工具。在未来，将90基因检测方法加入到常规的病理学诊断中，将有助于患者及早获得明确诊断和精准治疗方案，从而改善CUP患者的治疗和预后。同时也希望具有自主知识产权的90基因组织起源检测方法尽快获批适应证，让更多的CUP患者获益。

4.表现为骨转移为主或仅淋巴结转移的原发灶不明肿瘤

在原发灶不明肿瘤中，表现为骨转移为主（BCUP）或仅淋巴结转移（LNCUP）的肿瘤是两个临床上不同的非内脏CUP亚组。这对假定的原发性肿瘤的诊断提出了巨大的挑战，并挑战了“一刀切”的治疗方法。（1）肿瘤骨转移可以为原发不明肿瘤寻找原发灶提供线索。有研究从2559例经PET-CT诊断为骨转移的肿瘤患者中筛选出仅单一肿瘤且无内脏转移的患者290例，回顾性统计分析了这290例骨转移患者骨转移的分布情况及转移模式，其中102（35%）例患者的骨转移为单个部位骨转移，188（65%）例患者为多个部位的骨转移，研究发现在早期肿瘤患者中，椎静脉相关骨转移的转移部位是有规律的，脏器肿瘤的骨转移更倾向于转移至其相邻位置的骨骼，这对于为原发灶不明的骨转移患者寻找原发灶提供了诊断方向。（2）淋巴结转移可以为原发不明肿瘤寻找原发灶提供线索。前哨淋巴结为主，前哨淋巴结理论可为原发不明肿瘤寻找原发灶提供线索。2021年6月EBioMedicine发表的文章中，作者把放射组学与基因组学、转录组学、表观遗传组学相结合并提出了多组学signature，核心MRI特征在新辅助化疗前后有显著差异，并且MRI放射组学与肿瘤微环境特征（包括免疫细胞、lncRNA和甲基化位点类型）之间存在关联，可以方便地用于鉴别早期侵袭性乳腺癌患者有无腋窝淋巴结转移，这可能揭示了MRI放射组学潜在的生物学基础。（3）BCUP或LNCUP是两个不同的CUP亚组，具有不同的临床转归和生存数据。我们前瞻性收集了MD安德森癌症中心2001至2017年间CUP数据库和肿瘤登记患者中鉴定为BCUP（n=29）和LNCUP（n=63）的患者，结果提示BCUP的中位总生存期（OS）为14.5个月，LNCUP的为32.6个月。对于局限性转移的患者，通过积极的多模式治疗可以让患者获得长期生存，获得治愈的机会。

5.原发灶不明肿瘤的全基因组分析

原发灶不明肿瘤（CUP）占新诊断恶性肿瘤的2％-5％，化疗是标准的治疗手段。正在进行的II期多中心随机试验CUPISCO（NCT03498521）采用全基因组图谱（CGP）将CUP患者分配到基于基因组分析的靶向或免疫治疗治疗组，标准含铂化疗组作为对照组。我们对进行CGP检测的CUP病例进行回顾性分析，以确定有资格加入CUPISCO实验组的患者人群。采用基于混合捕获的FoundationOne CDx检测（平均测序深度> 600x）分析了FoundationCore数据库中通过中央审查的腺癌和未分化的CUP样本。检测基因组变异，微卫星不稳定性（MSI），肿瘤突变负荷（TMB），基因组杂合性缺失（gLOH）和程序性死亡配体1（PD-L1）阳性。303例患者中96例（31.7％）可以与CUPISCO实验组相匹配。检测到关键的基因组变异包括ERBB2（7.3％），PIK3CA（6.3％），NF1（5.6％），NF2（4.6％），BRAF（4.3％），IDH1（3.3％），PTEN、FGFR2、EGFR（各3.6％），MET（4.3％），CDK6（3.0％），FBXW7、CDK4（各2.3％），IDH2、RET、ROS1、NTRK（各1.0％）和ALK（0.7％）。中位TMB是3.75 Mut/Mb DNA，34例患者（11.6%）的TMB大于等于16 Mut/Mb。3例患者（1％）的MSI高，42例患者（14％）的PD-L1高表达（肿瘤比例评分≥50％）。在303个样本中共有199个样本进行了gLOH评估，其中19.6％患者的gLOH分数>16％。因此，约有32％的CUP患者符合CUPISCO匹配治疗的条件。未来的研究将包括其他生物标志物如PD-L1阳性和gLOH，可能会发现更多受益于CGP指导靶向治疗的潜在人群。令人担忧的是，目前没有或很少药物，包括靶向治疗药物，获批用于CUP患者的治疗，因此超适应证使用是一个较为普遍的问题。

6.原发灶不明肿瘤对免疫检查点抑制剂反应和耐药的相关基因组

原发灶不明肿瘤（CUP）是高侵袭性肿瘤，携带有限的分子特征。通过一种看似更有效的抗肿瘤免疫应答，这些肿瘤对免疫检查点抑制剂（ICI）特别敏感。与其他肿瘤谱系不同，ICI在CUP中的生物学基础和临床疗效依然未知。通过访问cBioPortal数据库并从MSK-IMPACTTM临床测序队列中选择符合条件的病例。比较CUP患者与符合ICI条件的肿瘤患者（宫颈癌、胃癌、肾细胞癌、肝细胞癌、非小细胞肺癌、黑色素瘤、默克尔细胞癌和膀胱尿路上皮癌）对ICI反应和耐药的相关肿瘤细胞基因组。在总共234例CUP患者中，发现的基因组改变主要是与ICI耐药相关的突变，尤其是致癌信号通路的突变包括KRAS、STK11和EGFR（分别为24.7%、10.9%和4.2%）。与其他符合ICI条件的肿瘤相比，CUP的致癌信号通路KRAS和STK11的改变发生率更高。无论是否携带对ICI反应和耐药的相关基因组变异，接受ICI治疗的CUP患者的中位总生存率相似。一项探索性分析结果显示TMB>10突变的患者具有更好的预后。因此，肿瘤突变负荷>10突变每兆碱基是CUP患者对ICI反应的潜在关联基因组，有必要通过进一步研究验证这些发现。ICI治疗CUP国外是有适应证的，对于高TMB负荷的CUP患者，尽管比例不高，但应推荐ICI的治疗。

7.开放标签II期临床试验研究纳武单抗在原发灶不明肿瘤中的疗效

原发灶不明肿瘤（CUP）的预后较差。近年来多个免疫检查点抑制剂获批用于多种肿瘤类型，本研究旨在开展一项多中心II期临床研究来评估纳武利尤单抗在CUP患者中的疗效。研究的主要患者人群是过去至少接受了一次系统性化疗的CUP患者。同时入组从未接受过治疗的CUP患者用于探索性分析。纳武利尤单抗（240 mg/人）每两周给药一次，最多52个周期。主要终点根据RECIST版本1.1由盲法独立中央审查评估的曾接受过治疗患者的客观缓解率。本研究共入组了56例CUP患者。其中45例曾接受过治疗患者的客观缓解率为22.2%（95%置信区间：11.2%-37.1%），中位无进展生存期和总生存期分别为4.0个月（95%置信区间：1.9-5.8个月）和15.9个月（95%置信区间：8.4-21.5个月）。同时，在11例从未接受过治疗的患者中也观察到相似的临床获益。纳武利尤单抗在高PD-L1的表达、高肿瘤突变负荷和微卫星高度不稳定肿瘤中具有更好的临床疗效。相比之下，在不同预测的肿瘤类型间疗效没有显著差异。不良事件与已知的纳武利尤单抗药物安全性一致，未观测到治疗相关的死亡。研究结果证明了纳武利尤单抗在CUP患者中的临床获益，提示纳武利尤单抗可作为CUP患者的潜在治疗选择。如果选择ICI的治疗，纳武利尤单抗是唯一有循证医学证据的免疫治疗。

8.开发和验证一种列线图用于预测原发灶不明肿瘤的总生存期

原发灶不明癌症（CUP）预后参差不齐，缺乏标准的分期系统。我们的目的是通过构建基于真实世界人口分析的列线图来改善CUP患者生存预测。我们对Surveillance，Epidemiology，and End Results（SEER）数据库中2010至2016年间诊断为CUP的患者进行了人口统计学分析。具有完整研究变量的患者根据诊断时间分别分配到训练队列和验证队列。基于多变量Cox比例风险模型建立预后模型，并通过Harrell一致性指数和校正曲线进行评估。总共有19543名患者符合入选标准，3347名具有完整研究变量的患者被纳入开发和验证列线图。最终纳入列线图中的变量包括性别、年龄、组织类型、手术、放疗、化疗和转移器官的数量。训练队列的Harrell一致性指数为0.705（95% CI：0.692-0.717），验证队列的Harrell一致性指数为0.727（95% CI：0.703-0.752）。我们开发并验证了第一个基于大样本的列线图，它对CUP患者的总生存期有很好的预测能力。基于这个列线图的风险分层也可以帮助临床医生制定治疗计划。由于一些临床信息的缺乏，如有利/不利亚组、体力状态、乳酸脱氢酶、血细胞计数、局限于多个淋巴结的转移模式等重要的临床因素不能考虑在内，因此需要在外部队列中进一步验证。

9.开发和验证一种列线图用于个性化预测原发灶不明肿瘤的总生存期

预后的不确定性是原发灶不明肿瘤（CUP）面临的主要挑战。目前的模式限制了患者与医生之间有意义的对话。我们旨在建立一个基于可靠临床病理学预后因素的列线图来预测CUP总生存期（OS）。我们评估了MD Anderson癌症中心（MD Anderson Cancer Center，MDACC；德克萨斯州休斯顿；2012-2016）的521名CUP患者。使用Cox回归分析基线变量，并使用显著预测因子绘制列线图。通过校准曲线、一致性概率估计（CPE ± SE）和一致性统计（C-index）来评估预测精度和鉴别性能。该模型使用V1（MDACC 2017，N = 103）和V2（BC癌症中心，加拿大温哥华；Sarah Cannon癌症中心/田纳西州肿瘤学，田纳西州那什维尔；N = 302）两个独立的CUP队列进行引导和多机构外部验证。整个队列（N = 926）的基线特征包括：中位年龄（63岁），女性（51%），ECOG PS（Eastern Cooperative Oncology Group performance status）0-1（64%），腺癌（52%），≥3个转移部位（30%），中位随访时间（40.1月）和OS（14.7月）。确定了五个独立的预后因素：性别、ECOG PS、组织学类型、转移部位数目和中性粒细胞/淋巴细胞比值。由此建立的模型预测OS的CPE为0.69 [SE：±0.01；C-index：0.71（95%可信区间：0.68~0.74）]，优于Culine/Seve预测模型（CPE：0.59 ± 0.01）。外部验证队列V1和V2的CPE分别为0.67（± 0.02）和0.70（± 0.01）。1年OS的校准曲线显示，在所有队列中，列线图预测与实际观测结果之间有很强的一致性。我们建立了用户界面友好的CUP列线图，整合了常用的基线因素，提供了可靠的个性化预测，有助于临床决策和临床试验的选择/分层。另外，这个研究是回顾性研究，无论是诊断还是治疗技术均有了长足的进步，因此应客观看待文章的结果。

【主编】

胡夕春   复旦大学附属肿瘤医院

【副主编】

巴   一   天津医科大学肿瘤医院

潘宏铭   浙江大学医学院附属邵逸夫医院

陆建伟   江苏省肿瘤医院

马   飞   中国医学科学院肿瘤医院

史艳侠   中山大学肿瘤防治中心

张红梅   空军军医大学西京医院

罗志国   复旦大学附属肿瘤医院

【编委】（按姓氏拼音排序）

常红霞   山西省肿瘤医院

陈   静   华中科技大学同济医学院附属协和医院

崔久嵬   吉林大学第一附属医院

蔡   莉   哈尔滨医科大学附属肿瘤医院

顾康生   安徽医科大学第一附属医院

华   东   江南大学附属医院

姜   达   河北医科大学第四医院

刘   波   山东省肿瘤医院

柳   江   新疆自治区人民医院

刘新兰   宁夏医科大学总医院

卢彦达   海南医学院第一附属医院

祁玉娟   青海省人民医院

孙   涛   辽宁省肿瘤医院

邬   麟   湖南省肿瘤医院

王晓红   内蒙古包头市肿瘤医院

熊建萍   南昌大学第一附属医院

谢伟敏   广西医科大学附属肿瘤医院

杨润祥   云南省肿瘤医院

赵   达   兰州大学第一医院

邹青峰   广州医科大学附属肿瘤医院

郑   莹   复旦大学附属肿瘤医院

【专家顾问】（审稿专家）

陈   曦   中国人民解放军联勤保障部队第900医院

陈小兵   河南省肿瘤医院

姚俊涛   陕西省肿瘤医院

刘继彦   四川大学华西医院

方美玉   浙江省肿瘤医院

罗治彬   重庆市人民医院

王奇峰   复旦大学附属肿瘤医院

胡四龙   复旦大学附属肿瘤医院

参考文献

[1] Lu M Y, Chen T Y, Williamson D F K, et al. AI-based pathology predicts origins for cancers of unknown primary. Nature. 2021; 594(7861): 106-110.

[2] Woo S, Becker A S, Do R K G, et al. Impact of 18F-Fluorodeoxyglucose positron emission tomography on management of cancer of unknown primary: systematic review and meta-analysis. European Journal of Cancer, 2021; 159: 60-77.

[3] Zhang Y, Xia L, Ma D, et al. 90-Gene Expression Profiling for Tissue Origin Diagnosis of Cancer of Unknown Primary. Frontiers in Oncology, 2021; 4127.

[4] Huey R W, Smaglo B G, Estrella J S, et al. Cancer of unknown primary presenting as bone‐predominant or lymph node‐only disease: a clinicopathologic portrait. The oncologist, 2021; 26(4): e650-e657.

[5] Ross J S, Sokol E S, Moch H, et al. Comprehensive genomic profiling of carcinoma of unknown primary origin: Retrospective molecular classification considering the CUPISCO study design. The oncologist, 2021; 26(3): e394-e402.

[6] Rassy E, Boussios S, Pavlidis N. Genomic correlates of response and resistance to immune checkpoint inhibitors in carcinomas of unknown primary. European journal of clinical investigation, 2021; 51(9): e13583.

[7] Tanizaki J, Yonemori K, Akiyoshi K, et al. Open-label phase II study of the efficacy of nivolumab for cancer of unknown primary. Annals of Oncology, 2021; 33(2): 216-226.

[8] Jin Y, Lin M, Luo Z, et al. Development and validation of a nomogram for predicting overall survival of patients with cancer of unknown primary: a real-world data analysis. Annals of Translational Medicine, 2021; 9(3).

[9] Raghav K, Hwang H, Jácome A A, et al. Development and validation of a novel nomogram for individualized prediction of survival in cancer of unknown primary. Clinical Cancer Research, 2021; 27(12): 3414-3421.