大數據時代口腔癌精準診療的思考
黃洪章1, 王成2
1. 中山大學光華口腔醫學院·附屬口腔醫院口腔頜面外科, 廣東 廣州（510055）;
2. 廣東省口腔醫學重點實驗室, 廣東 廣州（510070）
【摘要】 現代科學技術的進步使得醫學數據越來越復雜、豐富和多樣,生物醫學已然進入大數據時代。在大數據時代背景下,當前主流的循證醫學模式可能被精準醫學模式替代,腫瘤的診療策略也在發生重大變革。本文將評述大數據時代背景下口腔癌精準診療策略的進展,包括口腔癌的篩查、早期診斷、分子分型、預后判斷和治療方案的選擇、轉移和化療敏感性的預測等,以期為口腔癌的精準診療提供新的思路。
【關鍵詞】 大數據; 精準醫學; 口腔癌; 頭頸腫瘤
【中圖分類號】 R739.8 【文獻標志碼】A 【文章編號】 2096-1456（2017）05-0273-09
【引用著錄格式】黃洪章, 王成. 大數據時代口腔癌精準診療的思考[J]. 口腔疾病防治, 2017,25(5): 273-281.
Consideration of precision medicine and big data in oral cancer HUANG Hong-zhang1, WANG Cheng2 1. Department of Oral and Maxillofacial Surgery, Hospital of Stomatology, Guanghua School of Stomatology, Sun Yat-sen University, Guangzhou 510055, China
2. Guangdong Key Laboratory of Stomatology, Guangzhou 510070, China
【Abstract】 With the development of computer science and biotechnology, medical data has been dramatically increased and demonstrated the properties of variety and complexity. Biological and clinical researchers now face increasingly large and complex data sets. In the era of big data, strategies of diagnosis and treatment of cancer are gradually changed from evidence-based medicine to precision medicine. The promise of the big data paradigm may affect patients with oral cancer by enabling personalized monitoring, diagnosis and treatment. In this article, we will review the advances of diagnosis and treatment modality in oral cancer based on big data platform, which is mainly focused on oral cancer screening, early detection, molecular classification, prediction of metastasis and chemosensitivity.
【Key words】 Big data; Precision medicine; Oral cancer; Head and neck tumor
【收稿日期】2017?02?07； 【修回日期】2017?03?20
【作者簡介】黃洪章，教授，博士生導師，E?mail: hhzhang@mail.sysu.edu.cn
【基金項目】國家自然科學基金（81572661，81202136），廣州市珠江科技新星專項（2014J2200045），國家重點研發計劃（精準醫
學）2016YFC0902700
口腔癌是頭頸部常見的惡性腫瘤, 多為鱗狀細胞癌, 易發生頸淋巴結轉移, 預后較差, 治療方法主要包括手術、放療、化療和生物治療等; 腫瘤異質性和遺傳不穩定性決定了現有的治療模式無法準確、全面清除口腔癌細胞, 導致治療失敗, 出現轉移、復發和耐藥[1]。隨著分子生物學、高通量測序和計算機技術在腫瘤研究領域中的應用, 腫瘤生物醫學大數據（big data）應運而生, 基于大數據分析和挖掘的醫學知識正悄然改變著當前腫瘤的診療模式, 使得腫瘤的精準診治成為可能[2]。本文以精準醫學（precision medicine）為切入點, 系統評述大數據時代背景下口腔癌精準診療的研究進展和面臨的挑戰。
1 ，大數據與腫瘤精準醫學
1.1 大數據
目前, 大數據在國際上無嚴格統一的定義, 其最早由麥肯錫公司提出, 是指一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合, 具有海量的數據規模（volume）、快速的數據流轉（velocity）、多樣的數據類型（variety）和價值密度低（value）四大特征。近年, 大數據的內涵逐漸擴大, 不僅指數據本身, 還包括一整套用于收集、存儲、管理、分析大型數據和解決復雜數據問題的技術[3]。
1.2 精準醫學
精準醫學是以個體化醫療為基礎, 隨著各種高通量組學技術快速進步以及生物信息與大數據科學的交叉應用而發展起來的新型醫學概念與醫療模式; 本質指通過現代遺傳技術、分子影像技術、生物信息技術, 對大樣本人群與特定疾病進行生物標記物的分析與鑒定, 精確尋找病因和治療靶點, 對疾病不同狀態和過程進行精確分類, 實現對疾病和患者進行個性化精準治療的目的[4, 5]。因此, 大數據是精準醫學的根本和基礎。
1.3 腫瘤精準醫學
精準醫學是未來醫學模式發展的方向和目標。為了推動精準醫學的發展, 2015年1月20日, 美國總統奧巴馬在國情咨文報告中提出精準醫學計劃, 希望通過增加醫學研究經費來推動個體化基因組學研究, 依照基因信息為癌癥及其它疾病患者制定個性化治療方案; 2015年1月30日奧巴馬正式推出精準醫學計劃, 并計劃投入 2.15 億美元, 以推動精準醫學的快速發展。2015年3月, 我國科技部召開精準醫學戰略專家會議, 計劃啟動精準醫學計劃, 并列為國家“ 十三五” 健康保障發展問題研究的重大專項。
腫瘤是一種復雜的多樣性疾病, 在分子遺傳學上具有極大的異質性和遺傳不穩定性, 具有相似臨床癥狀和同一病理類型的腫瘤可展現出不同的分子特征, 其治療的效果也不同。
目前, 現有的治療手段往往只對部分腫瘤患者有效, 而無法在治療前預測不同腫瘤個體或同一腫瘤個體在不同治療階段對特定治療方案的敏感性, 患者往往可能接受無效治療或過度治療; 腫瘤精準診療是解決上述問題的關鍵, 各種組學研究手段則為實現腫瘤的精準診療提供了數據支持, 主要包括基因組學、表觀基因組學（甲基化組學、miRNA組學和其他ncRNA組學數據）、代謝組學（糖代謝、氨基酸代謝、脂肪代謝等）和微生物組學等研究方法[6]。
基于上述各種組學數據和患者的臨床資料建立腫瘤精準醫學數據庫, 構建腫瘤研究大數據平臺, 可推動腫瘤早期篩查、診斷和分子分型的發展, 提高對腫瘤轉移和治療效果預測的時效性, 進而更加精準制定治療計劃并評估患者預后。目前, 國際上已有數個腫瘤大數據平臺, 提供海量腫瘤相關組學和臨床數據, 主要包括Oncomine、TCGA、COSMIC和CancerLinQ, 但目前仍無基于中國人基因組研究數據的腫瘤相關大數據庫。
2 ，大數據與精準醫學時代口腔癌的篩查和早期診斷
總體而言, 口腔癌患者的五年生存率為50%~60%, 但臨床Ⅰ 期患者的五年生存率可達80%以上, 而Ⅳ 期患者的五年生存率僅為20%; 遺憾的是, 僅有1/3的患者在診斷時為臨床早期[7, 8]; 因此, 早發現、早診斷、早治療仍是口腔癌的重要防治策略。但是, 目前針對口腔癌的篩查和早期診斷缺乏簡單有效、敏感度和特異性高的篩查手段和分子標記物, 隨著測序和各種組學（omics）手段廣泛用于口腔癌的研究, 各種分子標記物與口腔癌階段性進展的關系越來越明確, 為口腔癌早期篩查和診斷提供了一些具有較好應用前景的分子標記物[6]。
2.1 基于腫瘤組織的多組學研究
測序和基因組學相關研究已證實, 染色體3p、9p的丟失和3q、11q、16p、16q、17p、17q的擴增與口腔癌早期癌變密切相關, 位于3q26區的基因人端粒酶RNA基因（human telomerase RNA gene, hTERC）和SOX2（sex determining region Y-box 2）的擴增在口腔癌中較普遍, 并可用于口腔癌的早期篩查和診斷[9, 10, 11]; Grandis JR課題組[12]、Myers JN課題組[13]和TCGA（The Cancer Genome Atlas）[14]相繼采用外顯子測序技術鑒定了頭頸鱗癌中重要的突變基因, 包括腫瘤蛋白P53（tumor protein P53, TP53）、細胞周期依賴性激酶抑制基因2A（cyclin dependent kinase inhibitor 2A, CDKN2A）、 10號染色體缺失的磷酸酶及張力蛋白同源的基因（phosphatase and tensin homologue deleted on chromosome10, PTEN）、磷脂酰肌醇-4, 5-二磷酸激酶催化亞基α （phosphatidylinositol-4, 5-bisphosphate 3-kinase catalytic subunit alpha, PIK3CA）、HRAS、NOTCH1、干擾素調節因子6（interferon regulatory factor 6, IRF6）、腫瘤蛋白P63（tumor protein P63, TP63）、凋亡相關半胱氨酸肽酶8（apoptosis-related cysteine peptidase, CASP8）、FAT1和F框/WD40域蛋白基因（F-box/WD repeat-containing protein 7, FBXW7）等, 上述基因的改變可應用于口腔癌的早期診斷或作為潛在的治療靶點。但以腫瘤組織標本整體為研究對象獲得的海量測序數據并不能反映腫瘤的異質性特點, 單細胞測序技術可能幫助解決上述難題, 揭示腫瘤細胞克隆進化的機制[15]。
表觀基因組學的研究從另一個層面揭示了口腔癌發生發展的內在機制和分子事件, 為腫瘤篩查和早期診斷提供了新的分子標記物, 主要包括DNA甲基化相關分子標記物和miRNA。基于甲基化測序分析和miRNA芯片分析, 目前已有諸多學者研究口腔癌相關的DNA甲基化圖譜和miRNA差異表達譜, 初步獲得多個潛在的分子標記物。Cheng等[16]研究證實鋅指蛋白582（zinc finger protein 582, ZNF582）和配對盒基因1（paired box1, PAX1）甲基化狀態可用于鑒別口腔黏膜異常增生和口腔癌, 作為口腔癌篩查和早期診斷的分子標記物, 而P16啟動子區域甲基化狀態可作為口腔黏膜早期惡變的預測因子[17]; Towle等[18]則利用甲基化芯片檢測口腔癌前病變和口腔癌組織中DNA甲基化情況, 證實死亡相關蛋白激酶1（death associated protein kinase 1, DAPK1）、Runt相關轉錄因子3（runt related transcription factor 3, RUNX3）和分泌型卷曲相關蛋白4（secreted frizzled related protein 4, SFRP4）啟動子區域甲基化是口腔癌癌變的重要分子事件; 但是, 目前尚缺乏口腔黏膜癌變過程中全基因組甲基化狀態的數據和相關研究。
miRNA組學研究獲得的口腔癌早期篩查和診斷的分子標記物主要有miR-21、miR-181b、miR-345、miR-375、miR-196a和miR-196b等[19]; 蛋白質組學研究則發現Cornulin、Myoglobin和S100鈣結合蛋白A8（S100 calcium-binding protein A8, S100A8）及活化蛋白C激酶1受體（receptor of activated protein C kinase 1, RACK1）可作為口腔癌早期診斷的潛在分子標記物[20, 21]。Yonezawa等[22]通過代謝組學研究證實糖酵解途徑代謝產物在頭頸鱗癌組織中較非腫瘤性組織下調, 而纈胺酸、酪氨酸、絲氨酸、蛋氨酸的含量較非腫瘤性組織上調; Srivastava等[23]則證實乳酸、膽堿磷酸、膽堿在口腔癌組織中上調, 而多不飽和脂肪酸（poly-unsaturated fatty acid, PUFA）和肌酸在口腔癌組織含量下降, 根據上述代謝產物的變化情況, 可為口腔癌早期篩查和診斷提供新的線索。上述系列研究證實, 基于各種組學研究結果, 檢測組織中特異的分子標記物或分子表達譜可用口腔癌早期篩查。
2.2 基于液體活檢的多組學研究
此外, 近年來液體活檢（liquid biopsy）作為一項革命性技術開始應用于腫瘤的診療過程中, 具有廣闊的市場前景和應用價值[24, 25]。
液體活檢廣義上指對以血液為主的非固態生物組織進行取樣和分析, 是一種新興的疾病診斷和監測工具, 與傳統的組織活檢相比, 具有迅速、便捷、損傷性小、可實時監控等眾多優點; 狹義的液體活檢針對腫瘤診斷與治療領域, 是指通過檢測血液中的循環腫瘤細胞（circulating tumor cell, CTC）、循環腫瘤DNA（circulating tumor DNA, ctDNA）、循環miRNA和腫瘤細胞外泌體（exosomes）等, 用于癌癥早期篩查和診斷、精準治療、實時監控和預后判斷。
此外, 通過組學研究手段檢測血液中ctDNA、CTC或外泌體的遺傳信息同樣有助于腫瘤分子診斷、分子分型, 并可分析用藥后患者腫瘤細胞的突變情況, 實時調整治療方案。
2.2.1 CTC和ctDNA
目前, 有關口腔癌CTC和ctDNA的相關研究尚處于起始階段, 有研究證實在頭頸鱗癌患者外周血中可檢測出CTC, 可用于遠處轉移篩查和預測, 但尚無基于頭頸鱗癌CTC單細胞測序和相關組學研究[26, 27]; Wang等[28]研究證實頭頸鱗癌患者ctDNA中能穩定檢測出TP53、PIK3CA、CDKN2A、HRAS和NRAS的突變; 也有研究則發現TP53（72%）、PIK3CA（30%）、FAT1（23%）和CDKN2A（22%）是頭頸鱗癌的關鍵突變, 提示ctDNA檢測可用于口腔癌的早期篩查和診斷[14]。
相對于CTC和ctDNA, 針對唾液的相關研究為口腔癌提供了更方便、簡單和無創的活檢手段, 我們稱之為唾液活檢（saliva biopsy）。
已有研究證實唾液中含有諸多腫瘤相關分子標記物, 包括蛋白、DNA、miRNA和各種代謝產物等[29]。Wang等[28]研究發現, 在頭頸腫瘤患者血漿和唾液中均可穩定檢出腫瘤特異DNA, 口腔癌患者血漿中ctDNA檢出率為80%, 而唾液中腫瘤特異DNA檢出率為100%, 提示對于口腔癌患者, “ 唾液活檢” 可能優于常規的液體活檢。
加州大學洛杉磯分校David Wong研究團隊針對唾液開展了系列組學研究, 通過轉錄組學研究發現白細胞介素8（interleukin 8, IL-8）、白細胞介素1β （interleukin 1β , IL-1β ）、雙特異性磷酸酶1（dual specificity phosphatase 1, DUSP1）、A激酶錨定蛋白13（A-kinase anchoring protein 13, AKAP13）、鳥氨酸脫羧酶抗酶1（ornithine decarboxylase antizyme 1, OAZ1）、S100鈣結合蛋白P（S100 calcium binding protein P, S100P）和亞精氨N1乙酰轉移酶（spermidine/spermine N1-acetyltransferase, SAT）在口腔癌患者唾液中表達上調, 上述唾液分子標記物診斷口腔癌的敏感度和特異度均為91%[30]。
基于唾液蛋白質組學研究發現, Mac-2結合蛋白（Mac-2 binding protein, M2BP）、遷移抑制因子相關蛋白14（migration inhibitory factor-related protein, MRP14）、CD59、過氧化氫酶（catalase）、抑絲蛋白（profilin）組合可用于口腔癌診斷, 其特異度為90%, 敏感度為83%[31]。Yu等[32]通過蛋白質組學研究證實唾液蛋白基質金屬蛋白酶1（matrix metallopeptidase 1, MMP-1）、激肽原1（kininogen-1, KNG1）、膜聯蛋白A2（annexin A2, ANXA2）、熱休克蛋白A5（heat shock protein A5, HSPA5）用于口腔癌早期診斷的敏感度為87.5%, 特異度為80.5%。基于唾液miRNA組學研究發現, miR-184[33]和miR-27b[34]可用于口腔癌早期診斷, miR-200a和miR-125在口腔癌患者唾液中下調, 可用于口腔癌篩查[35]。
上述研究提示“ 唾液活檢” 可作為一種無創的手段用于口腔癌篩查, 但是, 如何建立唾液組學大數據平臺, 整合分析口腔癌患者唾液組學數據和臨床資料, 獲得可用于口腔癌篩查和早期診斷的唾液分子表達譜亟待解決。
因此, 基于腫瘤組織和體液樣本的多組學研究可獲得用于口腔癌篩查和診斷的分子標記物, 具有廣闊的市場和臨床應用前景。口腔癌液體活檢相關研究處于初級階段, 但已較常規組織活檢顯示出巨大優勢, “ 唾液活檢” 是最具口腔特色的前沿技術, 不僅可以用于口腔癌診療, 還可用于全身其他腫瘤的診療, 是最無創的活檢技術之一, 并可實現腫瘤實時監測。
3， 大數據與精準醫學時代口腔癌的分子分型
腫瘤的本質是遺傳不穩定性和異質性, 同一腫瘤中可以存在很多具有不同的基因型或者亞型的腫瘤細胞, 這種腫瘤內部異質性是癌癥產生抗藥性、轉移的主要原因。Ling等[36]基于測序研究估算, 一個直徑約3.5 cm的腫瘤中攜帶了上億個基因編碼區的突變, 異質性和遺傳不穩定性決定同一組織來源的腫瘤, 其治療方案應該不同, 同一個體的腫瘤組織在不同階段其治療方案也應不同, 否則將無法有效殺滅具有先天性或獲得性耐藥的腫瘤細胞。因此, 基于腫瘤細胞不同的分子特征對其進行分類, 將有效提高腫瘤治療的準確性和效果。
腫瘤分子分型是指基于組學研究, 對所獲得的生物信息學的數據進行聚類分析, 根據不同的分子特征將腫瘤分成不同的亞型, 這些亞型表現出顯著差異的基因組特征, 結合其相應的組織病理學和臨床特征, 將有助于指導靶向藥物的研發和針對這些特定腫瘤亞型進行個體化治療。一般而言, 腫瘤在DNA水平可以依據基因突變、多態性、基因組的細胞遺傳學改變或甲基化差異進行分型; 在蛋白質水平, 可以根據蛋白質表達譜的差異、亞細胞結構蛋白組成的不同或蛋白質翻譯后修飾的改變來進行分型; 在RNA水平可根據mRNA和ncRNA表達譜進行分型。腫瘤的分子分型可能顛覆現有腫瘤的診療模式, 將從形態學為基礎的分類轉變為以分子特征為基礎的新分類, 基于不同分子分型, 給予不同治療; 而且可以依據液體活檢結果實時調整治療方案, 以實現精準治療。目前, 臨床上尚無明確的口腔癌分子分型方法, 但基于基因組學研究, 已有學者提出以下4種頭頸鱗癌的分子分型方法, 包括Belbin分子分型、Chung分子分型、Walter分子分型、Loris分子分型。
3.1 Belbin分子分型
Belbin分子分型于2002年由Belbin等[37]根據基因組學研究提出, 共檢測出9 216個基因, 篩選驗證375個基因, 根據細胞分化程度、預后和患者年齡及轉化生長因子β （transforming growth factor β , TGF-β ）表達和血清癌胚抗原（carcino-embryonic antigen, CEA）水平分將頭頸鱗癌分為兩個亞型：GroupⅠ 為細胞分化差、預后差的年輕患者, 高表達TGF-β 和血清CEA; GroupⅡ 預后較好。
3.2 Chung分子分型
2004年, Chung等[38]利用基因芯片共檢測60例頭頸鱗癌組織標本中12 814個基因, 篩選驗證582個基因, 提出將頭頸鱗癌分為4個分子亞型：Ⅰ 型為基底細胞樣, 胎盤鈣粘蛋白（P-cadherin）、層粘連蛋白2 （laminin 2）、腦肽A1（brain peptide A1, BPA-1）、激肽釋放酶10 （Kallikrein 10）、Ⅹ Ⅶ 型膠原α （Collagen Ⅹ Ⅶ α ）等基因上調, 基因表達與表皮生長因子受體（epidermal growth factor receptor, EGFR）信號通路密切相關, 患者預后最差; Ⅱ 型為間質細胞型, Vimentin、Syndecan、Lysyl oxidase和Collagen subunits等基因高表達, 基因表達與上皮-間充質轉變（epithelial-mesenchymal transition, EMT）信號通路相關, 提示腫瘤細胞發生EMT, 患者預后較差; Ⅲ 型為正常上皮型, 基因表達與正常上皮類似, 預后較好; Ⅳ 型為抗氧化型, 抗氧化酶表達上調, 患者預后較好。該分類奠定了頭頸鱗癌分子分型的基礎, 為目前頭頸鱗癌較為公認的一種分子分型方法。
3.3 Walter分子分型
Walter等[39]則在2013年提出將頭頸鱗癌分為基底型（basal, BA）、間質型（mesenc hymal, MS）、非典型（atypical, AT）和經典型（classical, CL）。基底型中Ⅹ Ⅶ 型膠原α （collagen type Ⅹ Ⅶ alpha 1 chain, COL17A1）、轉化生長因子α （transforming growth factor alpha, TGFA）、EGFR和TP63等高表達; 間質型中EMT相關基因表達上調, 包括Vimentin、肌間線蛋白（desmin, DES）、TWIST和肝細胞生長因子（hepatocyte growth factor, HGF）; 非典型具有人乳頭狀病毒（human papilloma virus, HPV）陽性頭頸腫瘤的特征, CDKN2A、DNA連接酶1 （DNA ligase 1, LIG1）和復制蛋白A2（replication protein A2, RPA2）表達上調; 經典型有典型的吸煙史, 阿爾多酮還原酶家族1成員C1/3 （aldo-keto reductase family 1 member C1/3, AKR1C1/3）、谷胱甘肽過氧化物酶2（glutathione peroxidase 2, GPX2）和核因子E2L2（nuclear factor, erythroid 2 like 2, NFE2L2）等藥物代謝相關基因表達上調; 其基因表達模式與Chung分型中的Ⅰ 、Ⅱ 、Ⅲ 、Ⅳ 型相對應, 但對預后預測與Chunag分型不一致, 需結合HPV感染情況分析。
3.4 Loris分子分型
2015年Loris等[40]基于基因組學研究和Meta分析建立了頭頸鱗癌新的分子分型系統, 該研究納入分析20個數據集, 138個正常組織標本和1 386個腫瘤組織標本, 并將基因組學數據和患者的臨床病理學資料全面分析、比較, 提出頸鱗癌可分為以下6個亞型：Class1 為HPV樣（HPV like）, 多為HPV陽性的口咽癌患者, HPV和細胞增殖相關基因表達上調; Class2為間質型（mesenchymal）, 基因表達與EMT、細胞運動和血管再生有關, Wnt和Notch信號通路激活, EGFR、RAS、TGF-β 和Cyclin D1信號通路相關基因表達上調; Class3為低氧相關型（hypoxia associated）, 富集低氧相關和藥物代謝相關基因, beta-catenin信號通路激活, EGFR、RAS、TGF-β 和Cyclin D1信號相關基因表達同樣上調; Class4為防御反應相關型（defense response）, 富集免疫反應、干擾素相關基因, 間變性淋巴瘤激酶（anaplastic lymphoma kinase, ALK）信號通路激活; Class5為經典型（classical）, 富集煙草和藥物代謝相關基因, Wnt和E2F轉錄因子3（E2F transcription factor 3, E2F3）激活, 患者具有典型的吸煙史; Class6為免疫反應型（immunoreactive）, 富集免疫系統和細胞自穩相關基因, ALK信號通路激活。上述6個亞型中, 間質型和低氧相關型頭頸鱗癌患者的預后最差, HPV樣頭頸鱗癌患者預后最好。
上述研究證實, 基于基因組學數據可對口腔癌進行分子分型, 但上述4種分型方法均未在臨床驗證和應用, 缺乏指導意義。此外, 基因組數據無法全面反映腫瘤生物學特性, 目前尚無基于整合分析多個組學數據和患者臨床資料建立的分子分型系統。因此, 整合分析結合臨床資料的口腔癌相關大數據, 建立新的口腔癌分子分型系統亟待解決, 將腫瘤的表型和基因型結合以實現更為精準的分類。
4， 大數據與精準醫學時代口腔癌的治療
目前, 口腔癌的主要治療手段有手術、放療、化療和生物治療, 精準醫學的核心要求是判斷哪些患者能夠從不同的治療模式中獲益。
4.1 早期口腔癌
早期口腔癌一般采用手術治療或放療, 一般均能取得較好的治療效果, 但據統計, 20%~40%的早期口腔癌患者可發生隱匿性頸淋巴結轉移, 而T1, 2cN0的早期口腔癌患者是否需要行選擇性頸淋巴清掃術仍無定論, 并長期困擾著頭頸腫瘤外科醫生。因此, 如何精準預測早期口腔癌隱匿性頸淋巴結轉移, 對制定治療計劃和判斷預后至關重要, 此為患者是否應該接受選擇性頸淋巴清掃術的基礎; 而基因測序和組學研究提供了可能用于預測轉移和指導手術的分子標記物。
已有研究報道口腔癌患者區域淋巴結轉移情況可用基因預測, 如：聯合應用皮肌動蛋白基因（cortactin, CTTN）、基質金屬蛋白酶9（matrix metallopeptidase 9, MMP-9）基因和EGFR可用于預測口腔癌患者頸淋巴結轉移; 聯合應用CTTN、真核細胞翻譯延伸因子1α 1（eukaryotic translation elongation factor 1 alpha 1, EEF1A）和MMP-9可用于預測淋巴包膜外擴散[41]。Thangara等[42]則證實細胞外基質降解和EMT信號通路的特征分子表達譜可用于口腔癌轉移預測和預后判斷。
張志愿院士研究團隊則發現微纖絲相關蛋白5（microfibrillar associated protein 5, MFAP5）和肌鈣蛋白C1（troponin C1, TNNC1）可預測早期舌鱗癌隱匿性頸淋巴結轉移, 并可用于預后判斷[43]; Jessen等[44]以腫瘤芽（tumor budding）為研究對象, 基于轉錄組和miRNA組學整合分析, 發現TGF-β 信號通路相關的EMT基因和miRNA表達譜可用于預測口腔癌患者頸淋巴結轉移和患者預后。
本課題組利用基因芯片研究證實, EMT相關轉錄因子Snai2和EZH2與口腔癌患者頸淋巴轉移密切相關, 并用于判斷患者預后[45, 46]。同時, 本課題組也以腫瘤芽（tumor budding）為切入點, 證實腫瘤芽（tumor budding）與口腔癌EMT密切相關, 并可預測口腔癌患者頸淋巴結轉移、隱匿性頸淋巴結轉移并判斷患者預后, 進一步以miRNA組學為切入點, 證實聯合miR-320a和腫瘤芽（tumor budding）用于患者預后判斷[47, 48, 49]。
因此, 對具有上述分子特征的容易發生轉移的早期口腔癌, 可選擇行頸淋巴清掃術。此外, CTC和ctDNA對口腔癌轉移的預測和實時監測也具有重要意義, 應用液體活檢技術實現早期口腔癌的精準治療同樣具有廣闊的發展前景。
4.2 晚期口腔癌
晚期口腔癌則主要采用多學科協作的綜合治療, 手術仍是治療的核心手段, 機器人手術為口腔癌手術的精準化提供了契機, 視野放大、精細操作等優勢使得手術操作的精準度越來越高; 數字化外科技術使得手術切除和重建更為精準, 患者的形態和功能恢復更佳。
化療則是晚期口腔癌的主要治療手段之一, 也是大數據和精準醫學時代口腔癌治療發展的重點。有效的術前誘導化療和（或）術后化療能夠提高腫瘤的局部控制率和患者的生存率, 然而腫瘤細胞的耐藥性往往導致化療失敗, 給患者帶來不必要的毒副作用, 延誤治療時機而最終出現復發和轉移, 因此, 如何精準預測腫瘤細胞對化療的敏感性以保證化療的有效性, 無疑對患者臨床治療效果和生存率都具有十分重要的意義。
腫瘤的異質性和遺傳不穩定性可導致先天性和獲得性耐藥出現, 基于大數據分析策略, 在化療前可利用腫瘤分子分型或分子特征預測腫瘤細胞對不同化療藥物的敏感性, 在化療過程中可采用液體活檢實時監測化療效果和腫瘤細胞新的獲得性突變和耐藥情況, 及時識別患者對特定治療的反應, 調整化療藥物和方案, 從而實現精準化療。
Loris等[40]在其分子分型系統的基礎上, 利用Genomics Drug Sensitivity Project系統數據庫[50]分析了6種不同亞型頭頸鱗癌的化療藥物敏感性, 結果發現Class1對紫杉醇敏感, Class2宜采用Z-LLNle-CHO治療, Class3對阿法替尼（Afatinb）最為敏感, Class4和Class6對Nutlin3a敏感, Class5對雷帕霉素最敏感。該分子分型首次為頭頸鱗癌化療方案的選擇提供了指導。
此外, 口腔癌患者的全基因組測序結果可用于預測不同藥物的化療敏感性, TP53在頭頸腫瘤中的突變最常見, 超過一半的頭頸鱗癌患者存在TP53的突變, 其突變可導致順鉑和5-FU化療耐藥, 是預測口腔癌鉑類藥物化療敏感性的重要指標[51, 52]。
PIK3CA是PI3K信號通路的關鍵基因, 在頭頸腫瘤中的突變也較常見, PIK3CA突變提示腫瘤細胞對mTOR/PI3K 抑制劑（BEZ-235）更為敏感[53, 54], 而MAPK1E322K突變的頭頸鱗癌患者對埃羅替尼（erlotinib）更為敏感[55, 56], D型受體型蛋白絡氨酸磷酸酶（protein tyrosine phosphatase, receptor type D, PTPRD）突變則可預測頭頸鱗癌對信號傳導與轉錄激活因3（signal transducer and activator of transcription 3, STAT3）抑制劑的敏感性[57]。上述研究證實：針對患者的全基因組測序結果可預測各種藥物的敏感性, 為口腔癌治療提供個體化治療方案, 提高化療的準確性。
綜上所述, 在大數據時代背景下, 手術和化療均向精準化發展, 但多學科治療模式仍是口腔癌治療的主要方法; 因此, 如何在手術、放療、化療和生物治療等多學科治療模式下找到針對個體患者的最優治療方案成為精準醫學的重要挑戰。
5 展望與挑戰
5.1 展望
隨著計算機技術在生物醫學領域的廣泛應用, 奠定了數字化醫學發展的基礎, 大數據與生物醫學的結合是數字化醫學發展的必然, 推動了醫學模式的革命和創新, 促進了精準醫學和個體化診療的發展。
精準醫學的提出匯集了現代醫學科技發展的前沿科技與知識, 體現了現代醫學的發展趨勢, 是提高腫瘤治療效果的希望, 而腫瘤大數據是實現這一愿望的基礎。在未來, 大數據是人們獲得新知識、創造新價值的源泉, 數據就是資源, 其核心在于預測和探索事物的相關性。可以預見, 在大數據時代, 口腔領域的唾液活檢將迎來革命性發展, 口腔腫瘤與唾液解剖上密切相關, 唾液容易獲取、轉運、保存, 建立基于唾液研究的口腔癌大數據平臺可開創“ 唾液活檢” 時代。
目前, 加州大學研究團隊建立了唾液組學知識網絡, 包括Saliva Ontology和SdxMart兩大功能模塊, 不同研究者間以及唾液組學與其他系統組學間的數據可以相互對接, 以實現在蛋白組學、轉錄組學、非編碼小RNA組學、代謝組學等層面查找口腔癌分子標記物, 整合并共享唾液組學研究數據與臨床資源, 促進基礎研究成果向臨床精準醫療的轉化。
5.2 挑戰
大數據和精準醫學本身也存在著一定局限性和缺點。首先, 并非所有的癌癥都可以找到驅動腫瘤發生發展的核心突變基因, 而找到相關驅動突變基因后, 可用于精準治療的靶向藥物有限, 單一藥物也無法完全阻斷腫瘤細胞的生長和轉移, 聯合用藥的副作用問題仍需進一步解決[58, 59]; 其次, 腫瘤進化上的異質性和遺傳不穩定性決定現有的精準診療手段也只是靶向殺滅或抑制部分腫瘤細胞; 再次, 盡管測序費用逐年下降, 但應用在整個精準診療過程中的費用仍然十分昂貴, 極大限制了精準診療在臨床上的廣泛應用; 最后, 大數據的存儲、整合、分析仍面臨重重困難, 數據的安全、倫理、隱私等問題也亟待國家立法保障。
來源：黃洪章，王成 口腔疾病防治雜志
