编者按：2022年ASCO-GU大会于2月17~19日在旧金山以线上、线下相结合的方式举行。本次ASCO-GU的全体大会上，几项研究聚焦于前列腺癌的人工智能（AI）应用，以及靶向于PSMA治疗的标志物探索和新型PSMA显像剂。这些创新研究成果，展现了全新的前列腺癌精准治疗模式。《肿瘤瞭望》特邀复旦大学附属肿瘤医院朱耀教授介绍和点评如下。

 

 

人工智能（AI）已经开始走进临床实践，但绝不仅限于病理或影像的“AI阅片”。本次ASCO-GU大会报道了两项基于NRG Oncology III期试验（RTOG 9202、9408、9413、9910和0126）开发的多模式人工智能体系（MMAI），分别用于局限性前列腺癌的预后判断和ADT治疗的疗效预测。

 

第一项研究纳入了5654例患者，从16204张预处理活检样本的组织病理切片中获得高达16.1 TB的海量数据。研究人员发现在训练队列中，与传统的NCCN预后模型（主要基于PSA、T分期和Gleason评分）相比，利用大数据开发的MMAI预后模型可以更好地判断患者5年远处转移（DM）率（AUC：0.84 vs 0.73）、5年生化复发（BCR）率（AUC：0.69 vs 0.58）、10年前列腺癌特异性生存（PCaSS）率（AUC：0.79 vs 0.66）和10年期总生存（OS）率（AUC：0.65 vs 0.58）。在验证队列中，MMAI模型同样具有更好的预测能力。

 

第二项研究进一步将MMAI用于局限性前列腺癌患者放疗后的ADT治疗预测，并在NRG/RTOG 9408研究队列（n=1719）中进行验证。结果显示，整体上ADT治疗可以改善DM（HR 0.62，95%CI：0.44~0.87，P=0.006），与该试验已发表结果一致。值得注意的是，将此MMAI模型作为治疗预测的生物标志物具有显著意义，AI生物标志物与治疗具有显著的相互作用（P=0.0021）；在AI生物标记物阳性疾病患者中（n=673），ADT＋RT相较于单独RT具有更大的获益（HR 0.33，95%CI：0.19~0.57，P<0.001），两组的15年DM率差异为9.4%；而AI生物标记物阴性患者联合ADT治疗没有增加获益（HR 1.00，95%CI：0.64~1.57，P=0.99），两组15年DM率差异仅为0.3%。

 

这两项研究均是首次利用大型III期临床试验开发人工智能的生物标志物工具，用于判断局限性前列腺癌患者的预后和ADT治疗获益，结果显示该MMAI模型可以在预后判断方面优于NCCN等传统、非特异性预后评估工具，而且可以准确筛选出放疗后无需联合ADT治疗的患者。这些基于大数据的AI生物标志物，将是前列腺癌精准治疗的一种全新的打开方式，为患者提供更加个体化的管理模式。

 

 

TheraP、VISION等研究已证明，相较于化疗，177Lu-PSMA-617（LuPSMA）治疗mCRPC可以显著改善患者PFS和PSA缓解率等，LuPSMA为mCRPC患者提供了一种全新的同位素疗法。此外，基于PSMA靶点的分子影像学技术已经应用于临床实践，为前列腺癌患者的预后判断和治疗预测提供了新的工具。本次ASCO-GU大会全体大会上报告的两项研究均聚焦于PSMA。

 

TheraP研究纳入的是PSMA高摄取（SUVmax≥20）且无FDG+/PSMA-病变的患者，澳大利亚PMC癌症中心的学者报告了在TheraP研究中利用PSMA PET和FDG PET作为疗效预测和预后判断的生物标志物。研究结果发现，PSMA PET高摄取可以预测更高的疗效，而FDG PET高代谢容量（MTV≥200mL）可以预测更差的预后。

 

在PSMA PET SUVmean≥10的患者中，LuPSMA相较于卡巴他赛治疗有更高的缓解几率（OR：12.2 vs 2.2），LuPSMA和卡巴他赛的PSA50-RR分别为91%（32/35）和47%（14/30），LuPSMA相较于卡巴他赛的PSA-PFS风险降低55%（HR 0.45，95%CI：0.25-0.80）；在PSMA PET SUVmean＜10的患者中，LuPSMA和卡巴他赛的PSA50-RR分别为52%（33/64）和32%（23/71），LuPSMA相较于卡巴他赛的PSA-PFS风险降低23%（HR 0.77，95%CI：0.53-1.12），rPFS风险获益也同样在SUVmean≥10患者中更明显。

 

在FDG PET高代谢容量（MTV≥200mL）患者中，LuPSMA和卡巴他赛的PSA50-RR分别为57%（17/30）和20%（6/30）；在FDG PET低代谢容量（MTV＜200mL）患者中，LuPSMA和卡巴他赛的PSA50-RR分别为70%（48/69）和44%（31/71）。考虑治疗因素后，高MTV患者的PSA缓解几率更低（OR 0.44；P=0.01），PSA-PFS（HR 1.44，95%CI：1.03-2.02）和rPFS（HR 1.79，95%CI：1.28-2.52）风险更高。

 

另一项多中心、3期、单臂的SPOTLIGHT研究，则旨在评估18F-rhPSMA-7.3 PET对于临床怀疑生化复发患者的安全性和诊断能力。该研究采用的是一种18F标记的新型PSMA靶向PET显像剂（18F-rhPSMA-7.3），这种显像剂比目前临床常用的68Ga PSMA具有更长的半衰期和更高的空间分辨率。

 

在纳入的389例患者（中位PSA 1.10 ng/mL）中，18F-rhPSMA-7.3的检出率（DR）为83%。不同治疗、不同PSA水平的检出率如下表所示。

 

 

在366例使用组织病理学和/或常规成像作为复合参考标准的患者（中位PSA 1.27 ng/mL）中，18F-rhPSMA-7.3的正确检出率（CDR）为56.8%（95%CI：51.6-62.0），达到了预设阈值（36.5%）。区域阳性预测值（PPV）为59.7%（95%CI：54.7-64.7），未达到预设阈值（62.5%）。但如果仅使用组织病理做为参考标准，18F-rhPSMA-7.3的CDR和PPV则分别高达81.2%（95%CI：69.9-89.6）和71.6%（95%CI：62.5-80.7），均达到预设阈值。

 

上述研究为靶向PSMA的精准诊断和治疗提供新的证据，PSMA PET 高摄取（SUVmean≥10）可以预测更好的LuPSMA疗效，而FDG PET高代谢容量（MTV≥200mL）可以预测更差的治疗预后。此外，18F-rhPSMA-7.3虽然在区域PPV方面未达到预设阈值，但CDR率有明显提高；另一项类似的3期LIGHTHOUSE研究旨在评估18F-rhPSMA-7.3 PET检测淋巴结转移方面的特异性和敏感性，期待该研究能够进一步为此类新型PSMA PET显像剂的应用提供证据。

 

参考文献：

 

[1]Development and validation of a prognostic AI biomarker using multi-modal deep learning with digital histopathology in localized prostate cancer on NRG Oncology phase III clinical trials.ASCO-GU 2022;Abstract 222

 

[2]An AI-derived digital pathology-based biomarker to predict the benefit of androgen deprivation therapy in localized prostate cancer with validation in NRG/RTOG 9408.ASCO-GU 2022;Abstract 222

 

[3]PSMA PET and FDG PET as predictors of response and prognosis in a randomized phase 2 trial of 177Lu-PSMA-617 (LuPSMA) versus cabazitaxel in metastatic， castration-resistant prostate cancer (mCRPC) progressing after docetaxel (TheraP ANZUP 1603).ASCO-GU 2022;Abstract 10

 

[4]Detection Rate of 18F-rhPSMA-7.3 PET in Patients with Suspected Prostate Cancer Recurrence: Results from a Phase 3， Prospective， Multicenter Study (SPOTLIGHT).ASCO-GU 2022;Abstract 9

 

专家简介

 

朱耀教授

 

复旦大学附属肿瘤医院主任医师，博士生导师

 

复旦大学附属肿瘤医院泌尿外科行政副主任

 

中国临床肿瘤学会前列腺癌专家委员会秘书长

 

上海市抗癌协会青年理事会副理事长

 

中国抗癌协会泌尿男生殖系肿瘤专委会精准学组副组长

 

2019年复旦大学青年五四奖章

 

2019年上海市卫健委青年五四奖章

 

2018年上海市“医苑新星”杰出青年医学人才

 

第七届复旦大学十大医务青年

 

第三批复旦大学卓学人才计划

 

2015年上海市青年科技启明星计划

 

Prostate Cancer and Prostatic Disease编委

 

国家自然科学基金评审专家