三阴性乳腺癌新辅助化疗疗效预测

谢广东，江一舟，邵志敏

复旦大学附属肿瘤医院

　　新辅助化疗已经成为三阴性乳腺癌（TNBC）标准治疗方案之一，但是患者对新辅助化疗的反应差异大。为识别真正能从新辅助化疗获益的患者，本领域开展了许多疗效预测标志物的研究。即使如此，目前尚缺乏能用于临床的特异性预测标志物。本文回顾近年来有关TNBC新辅助化疗疗效预测标志物的研究，主要归纳临床及病理学指标、分子生物学指标以及基于组学信息的预测指标。分析表明，基于高通量基因芯片和二代测序等技术获得的组学信息能在基因层面揭示特异性预测靶点，而联合各类预测指标建立的模型有可能显著提高疗效预测的准确度。

原文参见：实用肿瘤杂志. 2017;32(6):503-506.

　　三阴性乳腺癌（TNBC）由于缺乏雌激素受体（ER）、孕激素受体（PR）及人类上皮细胞生长因子受体2（HER2）表达，无法从内分泌治疗或HER2靶向治疗中获益，因此新辅助化疗和辅助化疗在TNBC治疗中的地位尤为重要【1】。目前，新辅助化疗已经成为局部晚期TNBC的标准治疗方案之一，而且逐步扩展应用到可手术的早期乳腺癌以提高保留乳房手术率。约30%的TNBC患者能在新辅助化疗后获得病理完全缓解（pCR），这些患者的预后得到明显改善【2】。一项纳入12个临床研究的11955例患者的荟萃分析表明，达到pCR的TNBC患者无论在无事件生存（EFS）还是总生存（OS）上都优于未pCR的患者（EFS：HR=0.24，P<0.05；OS：HR=0.16，P<0.05）【3】。不仅如此，新辅助化疗还能为后续的化疗方案的选择提供可靠的药物敏感性信息。但是对于未达到pCR甚至治疗后疾病进展的患者，新辅助化疗疗效有限，而且可能带来化疗毒性作用和其他局部治疗的延迟【4】，早期识别这部分患者能及时制定最佳治疗方案。随着精准医疗理念逐渐深入人心，寻找TNBC新辅助化疗疗效预测标志物有助于制定TNBC个体化治疗策略，具有重要的临床应用价值。

　　1　临床及病理学指标

　　早期进行的TNBC新辅助化疗疗效预测因子的研究主要围绕传统的临床及病理学指标，如患者年龄、肿瘤大小、肿瘤类型和分化等指标，多个研究小组根据临床病理信息构建多因素的列线图统计模型，结果得出年龄<35岁、小肿瘤、组织分级差的肿瘤获得pCR的机会更大【5-6】。浸润性小叶癌（ILC）对新辅助化疗的敏感性和浸润性导管癌（IDC）不同。Truin等【7】收集接受新辅助化疗的466例ILC和3622例IDC患者，ILC的pCR率低于IDC（4.9%比20.2%，P<0.05）。

　　虽然这类指标有一定预测价值，但是其敏感度和特异度不高，这可能跟TNBC是一种异质性非常强的肿瘤有关【8】，单一的临床或病理学指标不能将新辅助化疗有效和无效的肿瘤截然分开，因此其预测价值十分有限。

　　2　分子生物学指标

　　随着分子生物学的发展，TNBC相关的生物学因子在新辅助化疗疗效预测方面的价值也得到越来越多的重视。对于TNBC这种特殊类型乳腺癌来说，其激素受体阴性、HER2低表达的特征本身就是分子生物学的预测指标之一，各种分子亚型乳腺癌中TNBC对新辅助化疗相对敏感【9】。但是如前所述，TNBC内部异质性也很强，Masuda等【10】比较Lehmann等【11】提出的7种TNBC分子分型与pCR率的关系，结果得出1型基底样（BL1）亚型TNBC的pCR率最高达52%，而2型基底样（BL2）的pCR率是0%，TNBC的分子分型是预测新辅助化疗疗效的独立因素。此外，大量的临床研究对TNBC新辅助化疗前空芯针活检标本中的多种生物学因子的预测能力进行分析，目前已被证实的包括肿瘤增殖相关因子Ki-67和DNA拓扑异构酶Ⅱα（TOPOⅡα）、凋亡相关因子如B细胞淋巴瘤因子2（Bcl-2）和p53等、DNA损伤修复因子如BRCA1/2以及免疫相关因子如肿瘤浸润淋巴细胞（TIL）等。

　　Ki-67是一个研究较多但存在争议的指标，在乳腺癌各类分子分型中，TNBC的Ki-67平均指数最高（P<0.01）【12】。多项研究指出高Ki-67评分的患者对新辅助化疗的敏感性较高【13】。Denkert等【14】评价GeparTrio新辅助化疗临床研究中Ki-67指数和pCR的关系，当Ki-67分别为≤15%、15.1%～35%以及＞35%时，pCR分别是4.2%、12.8%和29.0%（P<0.01）。但是个别研究表明，Ki-67并不是新辅助化疗独立的预测因子，例如Kim等【15】对TNBC中Ki-67和另外2个凋亡相关因子Bcl-2和p53的预测价值进行多因素分析发现，只有p53是有效的预测标志物。而且Ki-67在TNBC内部也存在较大的异质性，不同实验室对Ki-67的检测和临界值选取存在差异，给临床应用带来困难，加之目前并没有针对Ki-67有效的靶向药物，因此Ki-67的临床意义有待进一步考量【16】。

　　乳腺癌易感基因BRCA1/2和TNBC关系密切，约60%～80%的BRCA1突变乳腺癌属于TNBC，并且这些患者对紫杉类新辅助化疗的反应疗效较差【17】。BRCA1/2已被证实能通过同源重组修复DNA损伤，其突变则会导致DNA损伤修复缺陷，这种现象被称作BRCAness【18】。Akashi-Tanaka等【17】发现具有BRCA突变的TNBC患者与BRCA未突变的患者比较，紫杉类新辅助化疗后获得pCR的比例更低（14.3%比77.8%，P=0.007），在26.4个月的中位随访时间之后，BRCA突变者无进展生存时间更短（P=0.049）。不过，随着多聚腺苷二磷酸核糖聚合酶1（PARP1）抑制剂的问世，针对BRCA1/2突变肿瘤的治疗已取得重要突破。PARP1是存在于真核细胞中催化聚腺苷二磷酸（ADP）核糖化的细胞核酶，也参与DNA修复过程，PARP1抑制剂可使DNA断裂损伤不被修复并积聚成为双链DNA损伤，由于BRCA1/2突变的肿瘤细胞不能通过同源重组修复，最终导致肿瘤细胞死亡【19】。同样地，铂类药物也能引起肿瘤细胞内DNA的交联，阻碍DNA合成与复制，在BRCA1/2突变的TNBC中有一定的应用前景【20】。综上所述，BRCA1/2突变可以预测TNBC新辅助化疗的耐药，这些患者可能从PARP1抑制剂或铂类药物中获益。

　　当前对新辅助化疗标志物的探索已经从BRCA1/2基因层面深入到DNA损伤修复的分子层面，有研究基于杂合型丢失（LOH）和端粒的等位基因失衡（TAI）等建立同源重组缺陷（HRD）评分，预测接受含铂类新辅助化疗方案的TNBC患者疗效。研究结果显示，HRD阳性（HRD≥42或具有BRCA1/2突变）的患者更容易获得pCR（P<0.05），不仅如此，HRD高评分在非BRCA1/2突变患者中也和高pCR率相关，说明HRD评分可能比单纯的BRCA1/2具有更佳的预测价值【21】。

　　近年来，越来越多的研究发现，TIL水平与TNBC新辅助治疗后的pCR率相关，Ono等【22】在92例接受含蒽环类新辅方案的TNBC患者中观察到TIL高评分会带来更高的pCR率（34%比10%，P<0.01）。最近一项研究进一步分析CD4阳性和CD8阳性TIL以及TOPOⅡα的表达在紫杉醇联合蒽环类新辅助化疗治疗TNBC的意义，单因素分析显示，三者的高表达与高pCR率相关（均P<0.05），多因素分析还发现，CD8阳性TIL还能带来更高的5年生存率，具有预后方面的价值【23】。CD8阳性TIL在TNBC新辅助化疗的预测意义也在一项多中心的Ⅱ期临床研究得到验证【24】。

　　3　基于组学信息的预测体系

　　随着精准医学理念的发展，研究者已不满足于传统分子病理学指标的疗效预测，在基因层面寻找更精准的预测标志物。基于基因芯片和第2代测序等技术对治疗前TNBC活检标本中基因表达谱与疗效的相关性进行分析，建立单基因或多基因模型，可以在治疗前对新辅助化疗的疗效进行预判。一项荟萃分析纳入多达1419例乳腺癌患者新辅助化疗前空心针穿刺标本的基因芯片信息和临床信息，评估125个化疗敏感或耐药相关基因。结果显示，患者的pCR率和增殖相关基因关系密切（P<0.01），增殖相关基因的高表达会增高pCR率；尤其对于TNBC来说，研究者筛选出具有预测价值的60个基因，而这其中的38个基因（63.3%）属于增殖相关基因【25】。Jiang等【26】用转录组芯片技术对TNBC癌组织和癌旁组织进行分析，构建mRNA-lncRNA联合预测模型，不仅能预测TNBC辅助化疗的疗效，也能预测紫杉醇类新辅助化疗的敏感性——评估为低危的患者更容易获得pCR（P=0.14）。Garcia-Vazquez等【27】在754个微RNA（miRNA）中利用非监督聚类的方法，筛选出1个包含11个miRNA的集合，其表达水平在TNBC新辅助化疗pCR患者和未pCR患者中差异具有统计学意义（错误发现率≥1.5；P<0.05）；其中4个miRNA（miR-30a、miR-9-3p、miR-770和miR-143-5p）预测新辅助化疗疗效的价值在11例TNBC患者中得到证实，其高表达能带来更长的无瘤生存期（DFS）。

　　Jiang等【28】对TNBC新辅助化疗PC方案（紫杉醇＋卡铂）治疗前和治疗后的肿瘤组织进行外显子组测序，检测到2种TEKT4胚系突变富集于治疗后的肿瘤，并且在另外一组84对样本中发现10%的肿瘤在化疗前和化疗后发生TEKT4变异；TEKT4能通过降低微管稳定性引起乳腺癌对紫杉醇耐药，携带TEKT4胚系变异的患者与野生型TEKT4比较，其无瘤生存期和总生存率均下降（P<0.05），提示TEKT4变异在乳腺癌新辅助化疗预测和预后方面的意义。在治疗前对患者TEKT4基因变异进行检测，能更精准地制定个体化治疗方案，目前相关的临床研究正在进行中。

　　4　小结与展望

　　随着组学技术的不断发展，一系列TNBC新辅助化疗疗效预测标志物相继被发现，然而凭借单一指标往往不能精确预测化疗疗效，联合患者的临床病理信息、分子生物学指标以及基因层面的标志物可能显著提高预测的准确度。此外，目前对于TNBC新辅助化疗预测标志物机制方面的研究尚不够深入，未来的研究不仅要鉴定出预测靶标，而且要针对靶分子研制靶向药物，联合或不联合化疗，为患者制定最佳的个体化治疗方案。

参考文献

1. Telli M. Evolving treatment strategies for triple-negative breast cancer. J Natl Compr Canc Netw. 2015;13(Suppl5):652-654.

2. Liedtke C, Mazouni C, Hess KR, et al. Response to neoadjuvant therapy and long-term survival in patients with triple-negative breast cancer. J Clin Oncol. 2008;26(8):1275-1281.

3. Cortazar P, Zhang L, Untch M, et al. Pathological complete response and long-term clinical benefit in breast cancer: the CTNeoBC pooled analysis. Lancet. 2014;384(9938):164-172.

4. Chen VE, Gillespie EF, Zakeri K, et al. Pathologic response after neoadjuvant chemotherapy predicts locoregional control in patients with triple negative breast cancer. Adv Radiat Oncol. 2017;2(2):105-109.

5. Takada M, Sugimoto M, Ohno S, et al. Predictions of the pathological response to neoadjuvant chemotherapy inpatients with primary breast cancer using a data mining technique. Breast Cancer Res Treat. 2012;134(2):661-670.

6. Keam B, Im SA, Park S, et al. Nomogram predicting clinical outcomes in breast cancer patients treated with neoadjuvant chemotherapy. J Cancer Res Clin Oncol. 2011;137(9):1301-1308.

7. Truin W, Vugts G, Roumen RM, et al. Differences in response and surgical management with neoadjuvant chemotherapy in invasive lobular versus ductal breast cancer. Ann Surg Oncol. 2016;23(1):51-57.

8. Bianchini G, Balko JM, Mayer IA, et al. Triple-negative breast cancer: challenges and opportunities of a heterogeneous disease. Nat Rev Clin Oncol. 2016;13(11):674-690.

9. Steenbruggen TG, van Ramshorst MS, Kok M, et al. Neoadjuvant therapy for breast cancer: established concepts and emerging strategies. Drugs. 2017;77(12):1313-1336.

10. Masuda H, Baggerly KA, Wang Y, et al. Differential response to neoadjuvant chemotherapy among 7 triple-negative breast cancer molecular subtypes. Clin Cancer Res. 2013;19(19):5533-5540.

11. Lehmann BD, Bauer JA, Chen X, et al. Identification of human triple-negative breast cancer subtypes and preclinical models for selection of targeted therapies. J Clin Invest. 2011;121(7):2750-2767.

12. Balko JM, Cook RS, Vaught DB, et al. Profiling of residual breast cancers after neoadjuvant chemotherapy identfies DUSP4 deficiency as a mechanism of drug resistance. Nat Med. 2012;18(7):1052-1059.

13. Ohno S, Chow LW, Sato N, et al. Randomized trial of preoperative docetaxel with or without capecitabine after 4 cycles of 5-fluorouracil-epirubicin-cyclophosphamide (FEC) in early-stage breast cancer: exploratory analyses identify Ki67 as a predictive biomarker for response to neoadjuvant chemotherapy. Breast Cancer Res Treat. 2013;142(1):69-80.

14. Denkert C, Loibl S, Muller BM, et al. Ki67 levels as predictive and prognostic parameters in pretherapeutic breast cancer core biopsies: a translational investigation in the neoadjuvant GeparTrio trial. Ann Oncol. 2013;24(11):2786-2793.

15. Kim T, Han W, Kim MK, et al. Predictive significance of p53, Ki-67, and Bcl-2 expression for pathologic complete response after neoadjuvant chemotherapy for triple-negative breast cancer. J Breast Cancer. 2015;18(1):16-21.

16. Balko JM, Giltnane JM, Wang K, et al. Molecular profiling of the residual disease of triple-negative breast cancers after neoadjuvant chemotherapy identifies actionable therapeutic targets. Cancer Discov. 2014;4(2):232-245.

17. Akashi-Tanaka S, Watanabe C, Takamaru T, et al. BRCAness predicts resistance to taxane-containing regimens in triple negative breast cancer during neoadjuvant chemotherapy. Clin Breast Cancer. 2015;15(1):80-85.

18. Lord CJ, Ashworth A. BRCAness revisited. Nat Rev Cancer. 2016;16(2):110-120.

19. Lee JM, Ledermann JA, Kohn EC. PARP inhibitors for BRCA1/2 mutation-associated and BRCA-like malignancies. Ann Oncol. 2014;25(1):32-40.

20. Sharma P, Lopez-Tarruell AS, Garcia-Saenz JA, et al. Efficacy of neoadjuvant carboplatin plus docetaxel in triple-negative breast cancer: combined analysis of two cohorts. Clin Cancer Res. 2017;23(3):649-657.

21. Telli ML, Timms KM, Reid J, et al. Homologous recombination deficiency (HRD) score predicts response to platinum-containing neoadjuvant chemotherapy in patients with triple-negative breast cancer. Clin Cancer Res. 2016;22(15):3764-3773.

22. Ono M, Tsuda H, Shimizu C, et al. Tumor-infiltrating lymphocytes are correlated with response to neoadjuvant chemotherapy intriple-negative breast cancer. Breast Cancer Res Treat. 2012;132(3):793-805.

23. Rao N, Qiu J, Wu J, et al. Significance of tumor-infiltrating lymphocytes and the expression of topoisomerase II alpha in the prediction of the clinical outcome of patients with triple-negative breast cancer after taxane-anthracycline-based neoadjuvant chemotherapy. Chemotherapy. 2017;62(4):246-255.

24. Nabholtz JM, Abrial C, Mouret-Reynier MA, et al. Multi-centric neoadjuvant phase II study of panitumumab combined with an anthracycline/taxane-based chemotherapy in operable triple-negative breast cancer: identification of biologically defined signatures predicting treatment impact. Ann Oncol. 2014;25(8):1570-1577.

25. Stover DG, Coloff JL, Barry WT, et al. The role of proliferation in determining response to neoadjuvant chemotherapy in breast cancer: A gene expression-based meta-analysis. Clin Cancer Res. 2016;22(24):6039-6050.

26. Jiang YZ, Liu YR, Xu XE, et al. Transcriptome analysis of triple-negative breast cancer reveals an integrated mRNA-lncRNA signature with predictive and prognostic value. CancerRes. 2016;76(8):2105-2114.

27. Garcia-Vazquez R, Ruiz-Garcia E, Meneses GA, et al. A microRNA signature associated with pathological complete response to novel neoadjuvant therapy regimen in triple-negative breast cancer. Tumour Biol. 2017;39(6):1393386765.

28. Jiang YZ, Yu KD, Peng WT, et al. Enriched variations in TEKT4 and breast cancer resistance to paclitaxel. Nat Commun. 2014;5(1):3802.