肺腺癌已經成為肺癌最常見的類型，根據2015版世界衛生組織肺癌組織學分類，浸潤性肺腺癌亞型分為附壁樣、腺泡樣、乳頭狀、實體型及微乳頭狀為主型5種亞型。相關研究表明，對于附壁樣為主型早期肺腺癌，局限性肺葉切除或亞肺葉切除已經足夠，而腫瘤里包含有微乳頭狀和實體型這兩種亞型成分（≥5%）均應推薦接受常規根治性肺葉切除。目前，術中快速診斷的冰凍病理檢查對微乳頭狀和實體型成分的百分比診斷一致率為65.7%，正確診斷肺腺癌亞型具有局限性。因此，為了提高診斷的準確性，有必要開發新的方法和技術。本文對早期肺腺癌亞型的特征及快速診斷工具進行總結。
引用本文： 王奎, 張宏毅, 龐瑤, 朱自江. 早期肺腺癌亞型特征及快速診斷工具的研究進展. 中國胸心血管外科臨床雜志, 2023, 30(10): 1507-1512. doi: 10.7507/1007-4848.202111041 復制
肺癌是全球第二常見的癌癥，2020年新發病例為2 206 771例，死亡病例為1 796 144例[1]。據估計，2020年中國癌癥新發病例4 568 754例，死亡病例3 002 899例。在發病譜和死因譜上，肺癌分別以17.9%和23.8%位居首位[2]。隨著計算機斷層掃描（computed tomography，CT）的普及和低劑量CT在肺癌篩查中的應用，大量的早期肺癌被發現[3]。肺癌根據組織學分類，分為小細胞肺癌（small cell lung cancer，SCLC）和非小細胞肺癌（non-small cell lung cancer，NSCLC），NSCLC又分為腺癌、鱗狀細胞癌（鱗癌）、大細胞癌等類型，其中腺癌進一步分為原位腺癌（adenocarcinoma in situ，AIS）、微浸潤性腺癌（minimally invasive adenocarcinoma，MIA）、浸潤性腺癌（invasive adenocarcinoma，IAC）；IAC可根據腫瘤主要的生長方式細分，以5%增量對附壁樣（lepidic）、腺泡樣（acinar）、乳頭狀（papillary）、實體型（solid） 及微乳頭狀（micropapillary）5種不同生長方式所占比例進行半定量評估，達到5%即在診斷中進行描述。IAC據此分為5種亞型，即附壁樣為主型腺癌（lepidic predominant adenocarcinoma，LPA）、腺泡樣為主型腺癌（acinar predominant adenocarcinoma，APA）、乳頭狀為主型腺癌（papillary predominant adenocarcinoma，PPA）、微乳頭狀為主型腺癌（micropapillary predominant adenocarcinoma，MPA）、實體型為主型腺癌（solid predominant adenocarcinoma，SPA）[4-5]。5種IAC亞型中，LPA預后最好，MPA和SPA預后不佳，APA和PPA預后介于其間[6-7]。目前，肺葉切除術仍是早期肺癌切除的金標準[8-10]。但相關研究[11-13]報道，對于早期LPA，局限性肺葉切除或亞肺葉切除（sublobar resection，SLR）已經足夠，而MPA和SPA則具有侵襲性強、早期轉移常見、預后欠佳的特點，腫瘤里包含有微乳頭狀和實體型成分（≥5%）均應推薦接受常規根治性肺葉切除。因此，在治療前快速獲得準確的肺腺癌亞型信息對于早期肺腺癌的個體化精準治療有重要意義，可進一步指導早期肺腺癌手術方式的選擇。目前肺腺癌亞型診斷仍然依賴常規病理組織切片檢查，具有耗時長的缺點。而普遍用于術中快速診斷的冰凍病理檢查由于切片取材及結果判讀一致性較差等原因不能準確地對IAC亞型成分的百分比進行診斷，尤其是對微乳頭狀和實體型成分的百分比診斷一致率為65.7%[10]。因此，如何建立對早期腺癌亞型快速而準確的診斷工具是目前研究的熱點之一。本文就肺腺癌的相關特征信息和術中快速診斷工具的相關內容進行總結，為臨床醫務工作者提供參考。
1 肺腺癌的相關特征
1.1 肺腺癌的分型
AIS是一種浸潤前病變，直徑≤3 cm的局限性小腺癌，無間質、血管或胸膜浸潤，多出現在肺外周，靠近胸膜。MIA則是以附壁樣結構為主、伴有最大徑≤5 mm浸潤灶的孤立性小腺癌（≤3 cm），CT上多表現為磨玻璃樣結節（ground-glass nodule，GGN），固體成分<5 mm。IAC是臨床中最常見的類型，主要分為LPA、APA、PPA、MPA、SPA 5種亞型[4-5]。LPA的腫瘤組織由肺泡Ⅱ型細胞和/或Clara細胞組成，細胞形態與AIS、MIA類似，腫瘤細胞沿肺泡壁表面生長。MPA的腫瘤細胞胞體偏大，呈立方形，細胞質嗜酸性，部分病例可見沙礫體結構，微乳頭可附著于肺泡壁或脫落至肺泡腔內。SPA的腫瘤組織呈實性團塊，核異型，核膜厚，多數呈空泡狀，核仁明顯，核分裂活躍[14-15]。何小群等[16]發現，在CT上，SPA/MPA相較于LPA/APA/PPA，腫瘤直徑更大、實性密度更高、更容易出現鈣化、壞死及胸腔積液，而LPA/APA/PPA血管集束征及充氣支氣管征的出現率均顯著高于SPA/MPA。
1.2 肺腺癌相關的基因
Qian等[17]發現基因5突變集（包括基因PIK3CG、ATM、EPPK1、EP300和 KMT2C）和基因3突變集（包括基因ATR、KDM6A和POLQ），前者與較差的總生存率（overall survival，OS）相關，其可能代表了促進腫瘤進展的關鍵早期驅動因素，后者與更好的OS相關；突變集中ATM和ATR基因是癌癥治療中很有吸引力的治療靶點。Inamura等[5]的研究發現，端粒縮短和DNA損傷反應被認為是肺癌發生的早期事件，其中重組人轉化生長因子β受體-2的抑制決定肺腺癌的侵襲性。Kawasaki等[18]的研究發現FAM111B（family with sequence similarity 111 member B）的表達與惡性進展相關，在PPA中FAM111B的表達高于其他類型腺癌。Molina-Romero等[19]發現，與其他亞型相比，LPA是唯一表現出顯著基因表達差異的亞型，其中上調基因3個：載脂蛋白E（apolipoprotein E，APOE）、脾周圍蛋白（periplakin，PPL）和細胞粘附分子1（cell adhesion molecule 1，CHL1），下調基因10個：CTP合成酶1（CTP synthase 1，CTPS1）等。
1.3 肺腺癌相關的蛋白
骨形態發生蛋白（bone morphogenetic proteins，BMPs）是分泌細胞外基質相關的蛋白，屬于轉化生長因子β超家族[20]。Deng等[21]分析了NSCLC組織中BMPs家族成員的mRNA水平，其中肺腺癌組織中BMP5的mRNA水平明顯高于肺鱗癌，提示BMP5可能是NSCLC患者潛在預后生物標志物或治療靶點。Zhou等[22]將IAC的主要亞型分為3組：涉及附壁樣的低級別組（LR）、涉及腺泡樣和乳頭狀的中級別組、涉及實體型和微乳頭狀的高級別組（HR），對3組腫瘤組織進行無標記的定量蛋白質組學和生物信息學分析，最終在LR和HR的腫瘤組織中共鑒定出3個蛋白簇，共192個差異表達蛋白。蛋白簇1（65個蛋白）中的蛋白表達水平從LR組至HR組依次遞減；蛋白簇2（70個蛋白）中的蛋白表達水平從LR組至HR組依次遞增；蛋白簇3（49個蛋白）中的蛋白僅在LR中高表達。基質金屬蛋白酶9（matrix metalloproteinase 9，MMP9）是鋅依賴的內肽酶家族中的一員，其促進細胞增殖、遷移和分化，并可在細胞凋亡、血管生成、組織修復和免疫應答中發揮作用[23]。Yu等[24]發現，MMP9活性在MPA和SPA中最高，LPA中最低；進一步證實，在早期肺腺癌完全切除后，高水平的MMP9活性與侵襲性腫瘤行為和不良的臨床預后相關。
1.4 肺腺癌的手術治療方式
1962年，Shimkin等發現，肺葉切除術后的生存率相當于全肺切除術，并發癥更少；此后，肺癌的肺葉切除術成為肺葉切除程度的金標準[25]。1973年，Jensik和他的同事首次描述了肺癌的解剖節段切除術，SLR進入人們的視線；此后，SLR（肺楔形切除術或段切除術）手術方式成為早期肺腺癌（特別是高危患者）手術的一種選擇[26]。美國國立綜合癌癥網絡（National Comprehensive Cancer Network，NCCN）指南[27]建議SLR適用于那些不適合肺葉切除術或周圍型NSCLC<2 cm且低度惡性患者。Zeng等[28]的Meta分析納入12項研究，比較了Ⅰ期NSCLC患者電視輔助胸腔鏡手術（video-assisted thoracoscopic surgery，VATS）肺段切除術與VATS肺葉切除術兩組患者的圍手術期和腫瘤結果，結果顯示，VATS肺段切除術患者術后住院時間和淋巴結清掃數量均顯著縮短或減少。Berg等[29]和Kent等[30]認為，SLR既可以較好地保留術后肺功能，也可以減少包括肺炎在內的短期和長期肺部并發癥。但Nitadori等[11]發現，肺腺癌中微乳頭狀成分占比≥5%的接受SLR治療的腫瘤患者比接受肺葉切除術治療的患者有更高的復發風險。Yoshida等[31]的研究也表明，在接受SLR治療的患者中，微乳頭狀（≥5%）亞型的局部復發率更高。SLR適應精準治療的發展，但它也有局限性。因此，能在術中指導早期肺腺癌手術方式選擇的快速診斷工具或可彌補這一局限性。
2 肺腺癌快速診斷工具的現狀
2.1 術中冰凍病理檢查
Sun等[10]的研究發現，與最終病理結果相比，術中冰凍切片區分微乳頭狀和實體型成分百分比≤5%和>5%的一致率為87.9%；而將微乳頭狀和實體型成分的百分比進一步分為4組（<5%、5%、10%～20%或>20%）時，一致率下降至65.7%，體現了術中冰凍病理檢查診斷的局限性。Yeh等[32]回顧了361例切除的Ⅰ期肺腺癌（≤3 cm）的冰凍病理檢查和最終石蠟病理檢查的主要組織學亞型（包括附壁樣、腺泡樣、乳頭狀、微乳頭狀和實體型）。結果顯示，術中冷凍病理檢查預測主要組織學亞型的準確性為68%（κ=0.565）；敏感性最高為腺泡樣（90%），最低為微乳頭狀（37%），可見術中冷凍病理檢查診斷微乳頭狀和實體型的敏感性并不令人滿意。Trejo Bittar等[33]的研究結果表明，術中冷凍病理檢查判斷肺腺癌主要組織學亞型的準確率為69.7%（78/112），與石蠟病理檢查的總體一致性為“中度”（κ=0.51），運用冰凍病理檢查準確評估肺腺癌組織學亞型是具有挑戰的。
2.2 半干斑點印跡法
2.2.1 抗體芯片技術的應用現狀
抗體芯片是蛋白質芯片的一種，是檢測生物樣品中蛋白表達模式的新方法，具有高通量、快速、所需樣本量少等優點。其原理是在一塊微小的固體表面上高度密集排列抗體點陣，特異性地攝取生物樣品中的靶蛋白（抗原），通過檢測系統對靶蛋白進行定量和定性分析。目前抗體芯片應用于肝癌、肺癌、卵巢癌等癌癥的研究[34-35]。Shan等[36]用抗體芯片篩選與肺癌相關的自身抗體。鄧安梅等[37]用蛋白質芯片試劑盒聯合檢測肺癌患者血清腫瘤標志物達到80%的陽性率，為臨床診治提供有價值的依據。Han等[38]利用抗體芯片對健康人群和肺癌患者血清進行蛋白質分析，篩選出潛在肺癌生物標志物。Nagano[39]則使用抗體芯片技術篩選出了2種與肺癌轉移相關的新的生物標志物。
2.2.2 半干斑點印跡技術的應用現狀
半干斑點印跡技術（semi-dry dot-blot，SDB）基于斑點印跡技術，可以驗證腫瘤細胞的存在。腫瘤標本洗滌后沉淀腫瘤細胞，并提取特異性蛋白，然后點加到硝酸纖維素膜（或尼龍膜）上用已標記的探針進行雜交，再通過顯影來驗證腫瘤細胞的存在。Hirakawa等[40]在2010年首次描述SDB是一種簡單、快速、經濟有效的點印跡分析方法，可用于快速檢測淋巴結轉移，但檢測病例積累不足，暫無法判斷該方法對臨床標本分析的有效性。Otsubo等[41]使用SDB檢測了乳腺癌患者的前哨淋巴結，結果顯示SDB方法的敏感性、特異性和準確性均不低于冰凍病理檢查，分別為100.0%、98.0%和98.3%；SDB方法簡單、準確、方便、可行，術中診斷前哨淋巴結轉移，不丟失淋巴結組織，可同時進行病理診斷并應用于其他癌癥。Tomoshige等[42]使用SDB診斷NSCLC淋巴結轉移，該研究顯示SDB耗時短，平均檢測時間為43 min，與冰凍病理檢查時間相仿；敏感性高，可以發現低至0.01 mg/mL的腫瘤蛋白；總體準確率不亞于術中冰凍病理檢查，故而有良好的術中應用前景，適用于特定腫瘤的快速準確診斷。Otsubo等[43]的后續研究中，基于SDB開發了一種聯合試劑盒，檢測乳腺癌的轉移性淋巴結：區分大轉移和非大轉移；其結果顯示在診斷不發生淋巴結組織丟失的淋巴結轉移方面準確、快速、成本低，具有良好的臨床應用價值。
綜上，不同亞型肺腺癌的預后、蛋白表達不同，利用抗體芯片技術篩選出肺腺癌不同亞型之間的特異性蛋白，然后將篩選出來的特異性蛋白結合半干斑點印跡技術，用于術中檢測肺腺癌不同亞型的成分，或可成為一種不錯的快速診斷肺腺癌亞型方法。
2.3 質譜分析法
質譜分析（mass spectrometry，MS）是近年來迅速發展的基于樣品中分子組成或含量不同而實現樣品檢測的一種快速分析測試方法，可在無需樣品預處理的情況下對各種臨床樣品進行分析[44]。MS現已廣泛應用于肺癌的研究中（包括組織分子識別、潛在生物標志物的發現和手術切緣評估）[45-46]。Lee等[47]利用基質輔助激光解吸/電離質譜分析法（matrix-assisted laser desorption/ionization mass spectrometry，MALDI MS）證實了腺癌和鱗癌具有不同的脂質譜，并且試驗結果表明，其可準確區分腫瘤和鄰近的正常組織，并根據組織學類型分類NSCLC。徐建軍等[48]的研究中，常壓直接質譜分析技術（ambient mass spectrometry，AMS）被用于快速鑒別肺癌與癌旁組織，結果表明，AMS耦合主成分分析能夠有效將肺癌與癌旁組織樣品的質譜指紋區分，從而快速鑒別肺癌與癌旁組織，并獲得相關樣品的分子尺度信息，為快速診斷肺癌及肺癌腫瘤標志物研究提供新的思路和策略。Zhang等[49]對2015年1月1日—2020年11月20日期間利用MS技術在人類NSCLC組織脂質中進行的相關研究作了文獻綜述，結果提示脂肪酸、磷脂酰膽堿、磷脂酰乙醇胺等脂質含量在肺癌組織和健康組織之間存在顯著差異，腺癌和鱗癌亞型的脂質譜不同，可以結合MS技術和多種鑒別模型，根據脂質譜來區分NSCLC組織亞型和健康組織，為術中評估手術切緣和癌癥亞型提供新機會。研究[47-48]表明，質譜分析法具有直接（無需樣品預處理）、分析速度快、耗費樣品少等特點，可為腫瘤快速診斷提供參考。
2.4 人工智能
近年來，人工智能（artificial intelligence，AI）迅猛發展，已有不少基于CT影像的AI輔助診斷系統診斷肺癌的有效性研究，在 CT 檢查中應用 AI 輔助診斷系統具有效率、效能高的優點[50]。陶學敏等[51]利用深度學習模型對240例經病理證實在CT上表現為純磨玻璃樣結節（pure ground-glass nodule，PGGN）的肺腺癌進行分型，將肺腺癌分為非IAC組和IAC組，并與手術病理結果進行對比，探討其對病理亞型的預測價值。結果顯示，深度學習模型對PGGN判斷的準確率為0.8330，診斷效能優于專家組判斷。Wang等[52]則將生成對抗網絡（generative adversarial network，GAN）和卷積神經網絡（convolutional neural network，CNN）結合，構建了一種肺腺癌自動分類系統，對206例術后病理標記的肺結節進行分析，并與傳統的原始增強圖像和普通增強圖像的訓練方法對比。結果顯示，與使用原始增強圖像和普通增強圖像的訓練方法相比，GAN增強方法的分類準確率分別提高了23.5%（從37.0%提高到60.5%）和7.3%（從53.2%提高到60.5%）。He等[53]基于放射組學特征，建立了機器學習模型，用于預測IAC的微乳頭狀/實體型成分，結果顯示，應用于機器學習分類的放射組學特征與肺腺癌的組織學亞型顯著相關，機器學習模型可以用于預測肺腺癌中微乳頭狀/實體型成分的存在，并且具有無創、經濟的特點。AI的運用不局限于影像學診斷，隨著全載玻片成像掃描技術的發展，AI技術已逐漸運用于病理學診斷，且已被證明可以提高組織病理學評估效率、準確性和一致性[54-55]。基于深度卷積神經網絡（deep convolutional neural network，DCNN），Teramoto等[56]使用6000例肺癌的樣本圖像訓練自動化分析軟件8 h，對肺癌組織圖像進行旋轉、反轉和過濾處理，對82例腺癌、125例鱗癌和9例小細胞癌圖像進行了組織學分型，腺癌分型結果的正確率為89.0%、鱗癌的正確率為60.0%，小細胞癌的正確率為70.3%，總體正確率為71.1%。Yu等[57]建立了CNN模型來區分肺腺癌和鱗癌的組織病理學亞型，并在一個獨立隊列中進行了驗證，得到較好的分類結果。前面的研究都局限于肺癌亞型分類，而Wei等[58]則是針對肺腺癌的組織學亞型（附壁樣、微乳頭狀等）構建了一個深度學習模型，可以自動對術中肺腺癌腫瘤標本切片的組織學模式進行分類。該模型使用CNN來識別腫瘤細胞區域，然后聚集這些分類，以推斷任何給定的整張圖像的主要和次要組織學亞型，并在一組獨立的數據集（143例）中評估了模型的效能，其結果和3位病理學家的判讀結果相當。
3 小結
綜上所述，肺腺癌是一種具有高度異質性的肺癌類型，不同肺腺癌亞型的特征各不相同。對于LPA，SLR（肺段切除或者肺楔形切除）已經足夠；而對于含有微乳頭狀和/或實體型成分的肺腺癌，需接受肺葉切除術。然而目前的術中快速冰凍病理檢查對肺腺癌亞型診斷的準確性較低，特別是對于含有微乳頭狀和/或實體型成分的肺腺癌。因此，為了提高診斷的準確性，進一步實現早期肺腺癌患者的精準治療，有必要探索和尋求新的方法和技術。利用抗體芯片技術篩選肺腺癌亞型之間的差異蛋白，進一步結合SDB建立一種新的診斷工具或可以簡單、準確、快速地診斷肺腺癌亞型。AI具有高效、準確、一致的特點，通過深度學習，建立一種識別肺腺癌微乳頭狀和/或實體型成分的模型或系統，將其運用于術中冰凍切片的判讀，或許可以幫助病理學家更精準地識別肺腺癌的組織學模式。目前已有研究證實質譜分析法可以正確區分肺癌與癌旁組織，進一步的研究是否可以關注到肺腺癌不同組織學模式的分子尺度信息，從而將其運用到肺腺癌術中的快速診斷。雖然以上幾種快速診斷方法的研究都還處于初步階段，僅為單中心研究，且研究對象的數量有限，但他們的研究方法為后續研究提供了思路。相信在不久的將來，經過更進一步的研究及臨床探索，可建立一種快速、準確的診斷工具，從而指導肺腺癌治療策略的制定，實現早期肺腺癌患者手術的個體化精準治療。
利益沖突：無。
作者貢獻：王奎閱讀文獻，撰寫文章；張宏毅查閱文獻；龐瑤整理文獻；朱自江修改文章。
肺癌是全球第二常見的癌癥，2020年新發病例為2 206 771例，死亡病例為1 796 144例[1]。據估計，2020年中國癌癥新發病例4 568 754例，死亡病例3 002 899例。在發病譜和死因譜上，肺癌分別以17.9%和23.8%位居首位[2]。隨著計算機斷層掃描（computed tomography，CT）的普及和低劑量CT在肺癌篩查中的應用，大量的早期肺癌被發現[3]。肺癌根據組織學分類，分為小細胞肺癌（small cell lung cancer，SCLC）和非小細胞肺癌（non-small cell lung cancer，NSCLC），NSCLC又分為腺癌、鱗狀細胞癌（鱗癌）、大細胞癌等類型，其中腺癌進一步分為原位腺癌（adenocarcinoma in situ，AIS）、微浸潤性腺癌（minimally invasive adenocarcinoma，MIA）、浸潤性腺癌（invasive adenocarcinoma，IAC）；IAC可根據腫瘤主要的生長方式細分，以5%增量對附壁樣（lepidic）、腺泡樣（acinar）、乳頭狀（papillary）、實體型（solid） 及微乳頭狀（micropapillary）5種不同生長方式所占比例進行半定量評估，達到5%即在診斷中進行描述。IAC據此分為5種亞型，即附壁樣為主型腺癌（lepidic predominant adenocarcinoma，LPA）、腺泡樣為主型腺癌（acinar predominant adenocarcinoma，APA）、乳頭狀為主型腺癌（papillary predominant adenocarcinoma，PPA）、微乳頭狀為主型腺癌（micropapillary predominant adenocarcinoma，MPA）、實體型為主型腺癌（solid predominant adenocarcinoma，SPA）[4-5]。5種IAC亞型中，LPA預后最好，MPA和SPA預后不佳，APA和PPA預后介于其間[6-7]。目前，肺葉切除術仍是早期肺癌切除的金標準[8-10]。但相關研究[11-13]報道，對于早期LPA，局限性肺葉切除或亞肺葉切除（sublobar resection，SLR）已經足夠，而MPA和SPA則具有侵襲性強、早期轉移常見、預后欠佳的特點，腫瘤里包含有微乳頭狀和實體型成分（≥5%）均應推薦接受常規根治性肺葉切除。因此，在治療前快速獲得準確的肺腺癌亞型信息對于早期肺腺癌的個體化精準治療有重要意義，可進一步指導早期肺腺癌手術方式的選擇。目前肺腺癌亞型診斷仍然依賴常規病理組織切片檢查，具有耗時長的缺點。而普遍用于術中快速診斷的冰凍病理檢查由于切片取材及結果判讀一致性較差等原因不能準確地對IAC亞型成分的百分比進行診斷，尤其是對微乳頭狀和實體型成分的百分比診斷一致率為65.7%[10]。因此，如何建立對早期腺癌亞型快速而準確的診斷工具是目前研究的熱點之一。本文就肺腺癌的相關特征信息和術中快速診斷工具的相關內容進行總結，為臨床醫務工作者提供參考。
1 肺腺癌的相關特征
1.1 肺腺癌的分型
AIS是一種浸潤前病變，直徑≤3 cm的局限性小腺癌，無間質、血管或胸膜浸潤，多出現在肺外周，靠近胸膜。MIA則是以附壁樣結構為主、伴有最大徑≤5 mm浸潤灶的孤立性小腺癌（≤3 cm），CT上多表現為磨玻璃樣結節（ground-glass nodule，GGN），固體成分<5 mm。IAC是臨床中最常見的類型，主要分為LPA、APA、PPA、MPA、SPA 5種亞型[4-5]。LPA的腫瘤組織由肺泡Ⅱ型細胞和/或Clara細胞組成，細胞形態與AIS、MIA類似，腫瘤細胞沿肺泡壁表面生長。MPA的腫瘤細胞胞體偏大，呈立方形，細胞質嗜酸性，部分病例可見沙礫體結構，微乳頭可附著于肺泡壁或脫落至肺泡腔內。SPA的腫瘤組織呈實性團塊，核異型，核膜厚，多數呈空泡狀，核仁明顯，核分裂活躍[14-15]。何小群等[16]發現，在CT上，SPA/MPA相較于LPA/APA/PPA，腫瘤直徑更大、實性密度更高、更容易出現鈣化、壞死及胸腔積液，而LPA/APA/PPA血管集束征及充氣支氣管征的出現率均顯著高于SPA/MPA。
1.2 肺腺癌相關的基因
Qian等[17]發現基因5突變集（包括基因PIK3CG、ATM、EPPK1、EP300和 KMT2C）和基因3突變集（包括基因ATR、KDM6A和POLQ），前者與較差的總生存率（overall survival，OS）相關，其可能代表了促進腫瘤進展的關鍵早期驅動因素，后者與更好的OS相關；突變集中ATM和ATR基因是癌癥治療中很有吸引力的治療靶點。Inamura等[5]的研究發現，端粒縮短和DNA損傷反應被認為是肺癌發生的早期事件，其中重組人轉化生長因子β受體-2的抑制決定肺腺癌的侵襲性。Kawasaki等[18]的研究發現FAM111B（family with sequence similarity 111 member B）的表達與惡性進展相關，在PPA中FAM111B的表達高于其他類型腺癌。Molina-Romero等[19]發現，與其他亞型相比，LPA是唯一表現出顯著基因表達差異的亞型，其中上調基因3個：載脂蛋白E（apolipoprotein E，APOE）、脾周圍蛋白（periplakin，PPL）和細胞粘附分子1（cell adhesion molecule 1，CHL1），下調基因10個：CTP合成酶1（CTP synthase 1，CTPS1）等。
1.3 肺腺癌相關的蛋白
骨形態發生蛋白（bone morphogenetic proteins，BMPs）是分泌細胞外基質相關的蛋白，屬于轉化生長因子β超家族[20]。Deng等[21]分析了NSCLC組織中BMPs家族成員的mRNA水平，其中肺腺癌組織中BMP5的mRNA水平明顯高于肺鱗癌，提示BMP5可能是NSCLC患者潛在預后生物標志物或治療靶點。Zhou等[22]將IAC的主要亞型分為3組：涉及附壁樣的低級別組（LR）、涉及腺泡樣和乳頭狀的中級別組、涉及實體型和微乳頭狀的高級別組（HR），對3組腫瘤組織進行無標記的定量蛋白質組學和生物信息學分析，最終在LR和HR的腫瘤組織中共鑒定出3個蛋白簇，共192個差異表達蛋白。蛋白簇1（65個蛋白）中的蛋白表達水平從LR組至HR組依次遞減；蛋白簇2（70個蛋白）中的蛋白表達水平從LR組至HR組依次遞增；蛋白簇3（49個蛋白）中的蛋白僅在LR中高表達。基質金屬蛋白酶9（matrix metalloproteinase 9，MMP9）是鋅依賴的內肽酶家族中的一員，其促進細胞增殖、遷移和分化，并可在細胞凋亡、血管生成、組織修復和免疫應答中發揮作用[23]。Yu等[24]發現，MMP9活性在MPA和SPA中最高，LPA中最低；進一步證實，在早期肺腺癌完全切除后，高水平的MMP9活性與侵襲性腫瘤行為和不良的臨床預后相關。
1.4 肺腺癌的手術治療方式
1962年，Shimkin等發現，肺葉切除術后的生存率相當于全肺切除術，并發癥更少；此后，肺癌的肺葉切除術成為肺葉切除程度的金標準[25]。1973年，Jensik和他的同事首次描述了肺癌的解剖節段切除術，SLR進入人們的視線；此后，SLR（肺楔形切除術或段切除術）手術方式成為早期肺腺癌（特別是高危患者）手術的一種選擇[26]。美國國立綜合癌癥網絡（National Comprehensive Cancer Network，NCCN）指南[27]建議SLR適用于那些不適合肺葉切除術或周圍型NSCLC<2 cm且低度惡性患者。Zeng等[28]的Meta分析納入12項研究，比較了Ⅰ期NSCLC患者電視輔助胸腔鏡手術（video-assisted thoracoscopic surgery，VATS）肺段切除術與VATS肺葉切除術兩組患者的圍手術期和腫瘤結果，結果顯示，VATS肺段切除術患者術后住院時間和淋巴結清掃數量均顯著縮短或減少。Berg等[29]和Kent等[30]認為，SLR既可以較好地保留術后肺功能，也可以減少包括肺炎在內的短期和長期肺部并發癥。但Nitadori等[11]發現，肺腺癌中微乳頭狀成分占比≥5%的接受SLR治療的腫瘤患者比接受肺葉切除術治療的患者有更高的復發風險。Yoshida等[31]的研究也表明，在接受SLR治療的患者中，微乳頭狀（≥5%）亞型的局部復發率更高。SLR適應精準治療的發展，但它也有局限性。因此，能在術中指導早期肺腺癌手術方式選擇的快速診斷工具或可彌補這一局限性。
2 肺腺癌快速診斷工具的現狀
2.1 術中冰凍病理檢查
Sun等[10]的研究發現，與最終病理結果相比，術中冰凍切片區分微乳頭狀和實體型成分百分比≤5%和>5%的一致率為87.9%；而將微乳頭狀和實體型成分的百分比進一步分為4組（<5%、5%、10%～20%或>20%）時，一致率下降至65.7%，體現了術中冰凍病理檢查診斷的局限性。Yeh等[32]回顧了361例切除的Ⅰ期肺腺癌（≤3 cm）的冰凍病理檢查和最終石蠟病理檢查的主要組織學亞型（包括附壁樣、腺泡樣、乳頭狀、微乳頭狀和實體型）。結果顯示，術中冷凍病理檢查預測主要組織學亞型的準確性為68%（κ=0.565）；敏感性最高為腺泡樣（90%），最低為微乳頭狀（37%），可見術中冷凍病理檢查診斷微乳頭狀和實體型的敏感性并不令人滿意。Trejo Bittar等[33]的研究結果表明，術中冷凍病理檢查判斷肺腺癌主要組織學亞型的準確率為69.7%（78/112），與石蠟病理檢查的總體一致性為“中度”（κ=0.51），運用冰凍病理檢查準確評估肺腺癌組織學亞型是具有挑戰的。
2.2 半干斑點印跡法
2.2.1 抗體芯片技術的應用現狀
抗體芯片是蛋白質芯片的一種，是檢測生物樣品中蛋白表達模式的新方法，具有高通量、快速、所需樣本量少等優點。其原理是在一塊微小的固體表面上高度密集排列抗體點陣，特異性地攝取生物樣品中的靶蛋白（抗原），通過檢測系統對靶蛋白進行定量和定性分析。目前抗體芯片應用于肝癌、肺癌、卵巢癌等癌癥的研究[34-35]。Shan等[36]用抗體芯片篩選與肺癌相關的自身抗體。鄧安梅等[37]用蛋白質芯片試劑盒聯合檢測肺癌患者血清腫瘤標志物達到80%的陽性率，為臨床診治提供有價值的依據。Han等[38]利用抗體芯片對健康人群和肺癌患者血清進行蛋白質分析，篩選出潛在肺癌生物標志物。Nagano[39]則使用抗體芯片技術篩選出了2種與肺癌轉移相關的新的生物標志物。
2.2.2 半干斑點印跡技術的應用現狀
半干斑點印跡技術（semi-dry dot-blot，SDB）基于斑點印跡技術，可以驗證腫瘤細胞的存在。腫瘤標本洗滌后沉淀腫瘤細胞，并提取特異性蛋白，然后點加到硝酸纖維素膜（或尼龍膜）上用已標記的探針進行雜交，再通過顯影來驗證腫瘤細胞的存在。Hirakawa等[40]在2010年首次描述SDB是一種簡單、快速、經濟有效的點印跡分析方法，可用于快速檢測淋巴結轉移，但檢測病例積累不足，暫無法判斷該方法對臨床標本分析的有效性。Otsubo等[41]使用SDB檢測了乳腺癌患者的前哨淋巴結，結果顯示SDB方法的敏感性、特異性和準確性均不低于冰凍病理檢查，分別為100.0%、98.0%和98.3%；SDB方法簡單、準確、方便、可行，術中診斷前哨淋巴結轉移，不丟失淋巴結組織，可同時進行病理診斷并應用于其他癌癥。Tomoshige等[42]使用SDB診斷NSCLC淋巴結轉移，該研究顯示SDB耗時短，平均檢測時間為43 min，與冰凍病理檢查時間相仿；敏感性高，可以發現低至0.01 mg/mL的腫瘤蛋白；總體準確率不亞于術中冰凍病理檢查，故而有良好的術中應用前景，適用于特定腫瘤的快速準確診斷。Otsubo等[43]的后續研究中，基于SDB開發了一種聯合試劑盒，檢測乳腺癌的轉移性淋巴結：區分大轉移和非大轉移；其結果顯示在診斷不發生淋巴結組織丟失的淋巴結轉移方面準確、快速、成本低，具有良好的臨床應用價值。
綜上，不同亞型肺腺癌的預后、蛋白表達不同，利用抗體芯片技術篩選出肺腺癌不同亞型之間的特異性蛋白，然后將篩選出來的特異性蛋白結合半干斑點印跡技術，用于術中檢測肺腺癌不同亞型的成分，或可成為一種不錯的快速診斷肺腺癌亞型方法。
2.3 質譜分析法
質譜分析（mass spectrometry，MS）是近年來迅速發展的基于樣品中分子組成或含量不同而實現樣品檢測的一種快速分析測試方法，可在無需樣品預處理的情況下對各種臨床樣品進行分析[44]。MS現已廣泛應用于肺癌的研究中（包括組織分子識別、潛在生物標志物的發現和手術切緣評估）[45-46]。Lee等[47]利用基質輔助激光解吸/電離質譜分析法（matrix-assisted laser desorption/ionization mass spectrometry，MALDI MS）證實了腺癌和鱗癌具有不同的脂質譜，并且試驗結果表明，其可準確區分腫瘤和鄰近的正常組織，并根據組織學類型分類NSCLC。徐建軍等[48]的研究中，常壓直接質譜分析技術（ambient mass spectrometry，AMS）被用于快速鑒別肺癌與癌旁組織，結果表明，AMS耦合主成分分析能夠有效將肺癌與癌旁組織樣品的質譜指紋區分，從而快速鑒別肺癌與癌旁組織，并獲得相關樣品的分子尺度信息，為快速診斷肺癌及肺癌腫瘤標志物研究提供新的思路和策略。Zhang等[49]對2015年1月1日—2020年11月20日期間利用MS技術在人類NSCLC組織脂質中進行的相關研究作了文獻綜述，結果提示脂肪酸、磷脂酰膽堿、磷脂酰乙醇胺等脂質含量在肺癌組織和健康組織之間存在顯著差異，腺癌和鱗癌亞型的脂質譜不同，可以結合MS技術和多種鑒別模型，根據脂質譜來區分NSCLC組織亞型和健康組織，為術中評估手術切緣和癌癥亞型提供新機會。研究[47-48]表明，質譜分析法具有直接（無需樣品預處理）、分析速度快、耗費樣品少等特點，可為腫瘤快速診斷提供參考。
2.4 人工智能
近年來，人工智能（artificial intelligence，AI）迅猛發展，已有不少基于CT影像的AI輔助診斷系統診斷肺癌的有效性研究，在 CT 檢查中應用 AI 輔助診斷系統具有效率、效能高的優點[50]。陶學敏等[51]利用深度學習模型對240例經病理證實在CT上表現為純磨玻璃樣結節（pure ground-glass nodule，PGGN）的肺腺癌進行分型，將肺腺癌分為非IAC組和IAC組，并與手術病理結果進行對比，探討其對病理亞型的預測價值。結果顯示，深度學習模型對PGGN判斷的準確率為0.8330，診斷效能優于專家組判斷。Wang等[52]則將生成對抗網絡（generative adversarial network，GAN）和卷積神經網絡（convolutional neural network，CNN）結合，構建了一種肺腺癌自動分類系統，對206例術后病理標記的肺結節進行分析，并與傳統的原始增強圖像和普通增強圖像的訓練方法對比。結果顯示，與使用原始增強圖像和普通增強圖像的訓練方法相比，GAN增強方法的分類準確率分別提高了23.5%（從37.0%提高到60.5%）和7.3%（從53.2%提高到60.5%）。He等[53]基于放射組學特征，建立了機器學習模型，用于預測IAC的微乳頭狀/實體型成分，結果顯示，應用于機器學習分類的放射組學特征與肺腺癌的組織學亞型顯著相關，機器學習模型可以用于預測肺腺癌中微乳頭狀/實體型成分的存在，并且具有無創、經濟的特點。AI的運用不局限于影像學診斷，隨著全載玻片成像掃描技術的發展，AI技術已逐漸運用于病理學診斷，且已被證明可以提高組織病理學評估效率、準確性和一致性[54-55]。基于深度卷積神經網絡（deep convolutional neural network，DCNN），Teramoto等[56]使用6000例肺癌的樣本圖像訓練自動化分析軟件8 h，對肺癌組織圖像進行旋轉、反轉和過濾處理，對82例腺癌、125例鱗癌和9例小細胞癌圖像進行了組織學分型，腺癌分型結果的正確率為89.0%、鱗癌的正確率為60.0%，小細胞癌的正確率為70.3%，總體正確率為71.1%。Yu等[57]建立了CNN模型來區分肺腺癌和鱗癌的組織病理學亞型，并在一個獨立隊列中進行了驗證，得到較好的分類結果。前面的研究都局限于肺癌亞型分類，而Wei等[58]則是針對肺腺癌的組織學亞型（附壁樣、微乳頭狀等）構建了一個深度學習模型，可以自動對術中肺腺癌腫瘤標本切片的組織學模式進行分類。該模型使用CNN來識別腫瘤細胞區域，然后聚集這些分類，以推斷任何給定的整張圖像的主要和次要組織學亞型，并在一組獨立的數據集（143例）中評估了模型的效能，其結果和3位病理學家的判讀結果相當。
3 小結
綜上所述，肺腺癌是一種具有高度異質性的肺癌類型，不同肺腺癌亞型的特征各不相同。對于LPA，SLR（肺段切除或者肺楔形切除）已經足夠；而對于含有微乳頭狀和/或實體型成分的肺腺癌，需接受肺葉切除術。然而目前的術中快速冰凍病理檢查對肺腺癌亞型診斷的準確性較低，特別是對于含有微乳頭狀和/或實體型成分的肺腺癌。因此，為了提高診斷的準確性，進一步實現早期肺腺癌患者的精準治療，有必要探索和尋求新的方法和技術。利用抗體芯片技術篩選肺腺癌亞型之間的差異蛋白，進一步結合SDB建立一種新的診斷工具或可以簡單、準確、快速地診斷肺腺癌亞型。AI具有高效、準確、一致的特點，通過深度學習，建立一種識別肺腺癌微乳頭狀和/或實體型成分的模型或系統，將其運用于術中冰凍切片的判讀，或許可以幫助病理學家更精準地識別肺腺癌的組織學模式。目前已有研究證實質譜分析法可以正確區分肺癌與癌旁組織，進一步的研究是否可以關注到肺腺癌不同組織學模式的分子尺度信息，從而將其運用到肺腺癌術中的快速診斷。雖然以上幾種快速診斷方法的研究都還處于初步階段，僅為單中心研究，且研究對象的數量有限，但他們的研究方法為后續研究提供了思路。相信在不久的將來，經過更進一步的研究及臨床探索，可建立一種快速、準確的診斷工具，從而指導肺腺癌治療策略的制定，實現早期肺腺癌患者手術的個體化精準治療。
利益沖突：無。
作者貢獻：王奎閱讀文獻，撰寫文章；張宏毅查閱文獻；龐瑤整理文獻；朱自江修改文章。