小细胞和大细胞肺癌的基因组和甲基化标记物用于化学免疫治疗耐药性预测的研究 (STRATUS)

STRATUS 试验（神经内分泌肿瘤和 SCLC 的肿瘤特征和分子特征研究）是一项雄心勃勃的前瞻性观察性研究，旨在探索诊断为广泛期小细胞肺癌的患者对化疗免疫治疗耐药的分子和基因组机制。 ES-SCLC）和转移性大细胞神经内分泌癌（LCNEC）。 这两种侵袭性癌症代表了显着的未满足的临床需求，其复发率高，并且在出现治疗耐药性后可用的治疗选择有限。

该研究旨在发现可操作的生物标志物，描述耐药机制，并提高我们对标准疗法选择性压力下肿瘤进化的理解。 通过利用下一代测序 (NGS)、DNA 甲基化分析和液体活检等尖端分子技术，STRATUS 旨在为这些难以治疗的恶性肿瘤的个性化癌症治疗方法奠定基础。

背景和基本原理 ES-SCLC 和 LCNEC 耐药性的挑战 小细胞肺癌（SCLC）和大细胞神经内分泌癌（LCNEC）都是高级别神经内分泌肿瘤，其特点是生长快速、早期传播和预后不良。 大约三分之二的 SCLC 病例被诊断为广泛期疾病 (ES-SCLC)，其中肿瘤已扩散到半胸和区域淋巴结之外。 同样，LCNEC 虽然罕见，但经常在转移阶段被诊断出来，可用的全身治疗选择有限。

ES-SCLC 的标准治疗包括铂类化疗联合免疫检查点抑制剂 (ICIs)，例如 atezolizumab 或 durvalumab。 虽然最初的缓解率超过 70%，但大多数患者的耐药性迅速发展，导致疾病在几个月内恶化。 对于 LCNEC，治疗前景更加有限，缺乏靶向治疗或指导治疗的预测生物标志物。

需要分子洞察力 这些癌症的耐药机制被认为涉及肿瘤异质性、克隆进化、表观遗传修饰和免疫逃避。 然而，驱动阻力的确切过程仍然知之甚少。 分子分析提供了识别与治疗失败相关的基因组和表观遗传改变的机会，从而可以开发预测性生物标志物和靶向治疗策略。

液体活检的作用液体活检，包括循环肿瘤细胞 (CTC) 和循环肿瘤 DNA (ctDNA) 的分析，已成为非侵入性肿瘤监测的强大工具。 这些生物标志物提供了对肿瘤动态的实时洞察，从而能够检测耐药机制、克隆进化和分子复发。

研究目的 主要目的 鉴定和表征与 ES-SCLC 和 LCNEC 患者化疗免疫治疗耐药相关的基因组、表观遗传和甲基化特征。

次要目标评估循环生物标志物（CTC、ctDNA）与临床结果之间的关系，包括无进展生存期 (PFS) 和总生存期 (OS)。

比较长期缓解者和出现早期耐药的患者之间的分子特征。

评估肿瘤免疫相互作用及其在耐药机制中的作用，重点关注 PD-L1 表达、T 细胞耗竭和细胞因子信号通路。

探索性目标 使用系统发育分析研究与耐药性相关的克隆进化和新兴亚群。

探索肿瘤微环境内的空间转录组模式。 评估新型生物标志物指导治疗决策和监测疾病进展的潜力。

研究设计 STRATUS 试验是一项多中心、前瞻性观察研究，涉及在雅典国立卡波季斯特里亚大学第三医学系、Sotiria 医院和其他参与中心接受治疗的患者。 该研究包括三年随访期间详细的临床、分子和影像学评估。

纳入标准 诊断患有 ES-SCLC 或 LCNEC 的 18-85 岁成人。 ECOG表现状态为0-2。 利用可用于分子分析的肿瘤组织进行组织学确认诊断。

根据 RECIST 1.1 标准，至少有一个可测量或可评估的病变。 愿意提供血样并参与随访。 排除标准 无法耐受化疗免疫疗法。 存在另一种活动性恶性肿瘤或显着的合并症。 没有可测量的疾病或随访潜力不足的患者。 数据收集和样品处理基线评估

在开始治疗之前，参与者将接受：

全面的临床评估，包括病史、ECOG 表现状态和合并症。

用于评估肿瘤负荷和转移部位的影像学研究（例如 CT、PET）。 采集血样用于基线 ctDNA 和 CTC 分析。 用于基因组、转录组和甲基化分析的肿瘤活检。 治疗中监测

参与者将每 12 周进行一次随访，在此期间：

将收集血样以监测 ctDNA 和 CTC 水平。 影像学研究将根据 RECIST 1.1 标准评估肿瘤反应。 将记录不良事件、临床进展和治疗修改。

疾病进展评估

对于疾病进展的患者：

对新出现的病变进行重复活检，以确定与耐药性相关的变化。

血液样本将捕获 ctDNA 和 CTC 图谱的动态变化，从而能够与基线和治疗数据进行比较。

实验室方法 基于 NGS 的基因组分析：综合测序将识别突变、拷贝数改变和结构重排。

表观遗传分析：DNA 甲基化阵列将揭示与耐药性相关的表观遗传变化。

空间转录组学：肿瘤微环境结构和基因表达模式的高分辨率分析。

统计分析样本量 总共将招募 111 名患者，为检测亚组间分子标志物的显着差异提供足够的能力。

主要分析回归模型将评估分子标记与治疗耐药性之间的关联。

描述性统计将总结生物标志物分布和临床结果。

二次分析 Kaplan-Meier 生存曲线将估计 PFS 和 OS。 Cox 比例风险模型将评估已识别生物标志物的预后意义。

探索性分析机器学习模型将根据集成的多组学数据预测耐药性。

将使用系统发育技术对克隆进化进行建模，以追踪治疗压力下的肿瘤适应。

道德考虑 该研究将遵守赫尔辛基宣言和 GDPR 数据保护指南。 参与者将提供书面知情同意书，所有数据将被去识别化以确保机密性。

意义和预期影响

STRATUS 试验预计将：

确定可操作的生物标志物以预测和克服耐药性。 增进对 SCLC 和 LCNEC 肿瘤进化和免疫逃避的理解。

指导制定个性化治疗策略，最终改善患者的治疗结果。

结论 STRATUS 试验是解决 SCLC 和 LCNEC 耐药挑战的里程碑式的努力。 通过将先进的分子分析与强大的临床监测相结合，这项研究有可能改变这些侵袭性癌症的治疗方法，并为精准肿瘤学的新时代铺平道路。