肿瘤基因检测有助于预测卵巢癌预后

一项重大国际合作的结果显示，肿瘤检测可以帮助识别预测生存率较差的卵巢癌患者，并为新的治疗方法提供线索。

的研究论文由新南威尔士大学医学院领导的一项研究，涉及来自86个组织的125名作者，包括南加州大学(USC)、剑桥大学、英属哥伦比亚大学、亨茨曼癌症研究所、梅奥诊所和墨尔本彼得麦卡勒姆癌症中心肿瘤学年鉴．

到2020年，预计将有1532名澳大利亚女性被诊断患有卵巢癌癌症美国今年将有1068人死于这种疾病。它的生存率很低，本文研究的高级别浆液性卵巢癌是最常见也是最糟糕的生存率类型。卵巢癌是女性中第八大最常见的癌症，2018年全球新发病例近30万例。

新南威尔士大学医学院的首席作者苏珊·拉莫斯教授说:“我们对3769个患有卵巢癌的女性肿瘤样本进行了分析，发现我们能够可靠地使用一块肿瘤来确定女性诊断后5年的生存机会有多好。”

研究人员发现，他们的基因表达测试在预测生存率方面比使用患者的年龄和癌症分期要好得多。

Ramus教授说:“当女性被分为五组时，我们发现肿瘤基因表达与最佳预后相关的女性有9年的生存期，而生存期最差的女性只有2年的生存期，这是一个非常大的差异。”

“我们的愿景是，临床医生可以在诊断时使用我们的测试来识别那些在当前治疗方法下表现不佳的患者，并可能为他们提供替代方案——例如，我们可以让这些患者进行临床试验，为他们提供不同的治疗方法，从而提高他们的生存率。”

在这项研究中，研究小组使用了一个训练样本集和一个测试样本集——总共接近4000个样本。

“使用新颖的统计方法，我们分析了以前六项基因表达研究的数据，这帮助我们确定了可能与高级别浆液性卵巢癌生存率有关的基因，”该论文的第一作者、来自南加州大学的Joshua Millstein博士说。

在收集了大约500个候选基因后，研究小组使用NanoString平台测量了4000个样本中的基因表达。

米尔斯坦博士说:“为了从基因表达中预测生存，我们从四种机器学习方法中选择了一种，一种称为‘弹性网’的方法，它在训练数据中表现最好。”

Ramus教授说:“我们使用训练集来确定哪些基因可以用于预测，然后我们对它们进行测试，看看我们在另一组中是否得到了相同的结果。”

Ramus教授是卵巢肿瘤组织分析(OTTA)联盟的联合创始人，该联盟是一个国际研究小组，正在从事许多不同的大型项目，使用该联盟汇编的样本来解决重要的临床问题。

“该联盟在这个领域是独一无二的，因为它可以获得数千个样本，这对于一种罕见的疾病来说是很多样本卵巢癌她说。

“这就是我们能够开发这种预后工具的原因——其他小组以前也尝试过观察预后，但还没有在临床上使用过。目前，只有患者的年龄和阶段被用来决定生存，所以我们非常需要像我们这样的工具。”

研究人员表示，他们选择了已知药物靶点的基因进行分析。

“一些基因我们认为作为生存率好坏的预测因素可能是新疗法的潜在目标。目前大多数卵巢癌患者接受同样的治疗——这不像乳腺癌或其他癌症，他们看着你的肿瘤，从一系列治疗中选择。因此，这是一种对患者进行分层的方法，并有可能在未来提供更个性化的治疗。”

为了进一步验证研究结果，研究小组希望将该测试纳入一项前瞻性研究临床试验．

Ramus教授说:“有可能，我们可以将其纳入临床试验，这样预计生存率较低的女性就可以尽快获得替代治疗。”

研究人员希望他们的测试将为临床使用在不久的将来。