2. 济宁医学院附属医院病理科,济宁 272029
2. Department of Pathology, Affiliated Hospital of Jining Medicial University, Jining 272029, China
原发性肝癌(primary liver cancer,PLC)是全球死亡率排名第三的恶性肿瘤疾病[1]。其中肝细胞肝癌(hepatocellular carcinoma,HCC)所占比率为75%~85%[2]。HCC患者术后易复发转移,转移率高达50%~70%,极大地影响了患者的预后[2]。为提升HCC患者的生存质量,研究者针对肝细胞癌的预后进行了深入研究,并对HCC展开了更加精确的分型,在此基础上提出了血管包绕肿瘤细胞巢(vessels encapsulated tumor clusters, VETC)癌巢型HCC。VETC癌巢型HCC的血管相互连接,编织成网,将肝癌细胞完全包绕,帮助癌细胞成团释放进入血循环。相对于其他类型HCC,VETC癌巢型HCC的预后更差。本文将系统介绍VETC癌巢型HCC相关研究进展,为进一步了解VETC癌巢型HCC提供依据。
1 VETC癌巢型HCC 1.1 VETC癌巢型HCC特征临床上个体化、精准化治疗已然成为趋势,HCC同样进行了更加精细具体的病理分型。HCC常见病理分型包括:小梁型、粗梁型、假腺样型和实体型[3]。Fang等[4]通过临床病理切片观察,发现了HCC的一种特殊血管结构:由肿瘤血管内皮细胞包裹肝癌细胞团由此形成了独立于周边组织形态的细胞巢,其间由血液来填充,具有这种血管结构的HCC被称为VETC癌巢型HCC。与非VETC癌巢型HCC患者相比,VETC癌巢型HCC患者术后复发转移率更高,预后更差[5]。患者具有VETC血管结构是侵袭性肝癌的有力预测因子,VETC癌巢型HCC的存在导致肝细胞肝癌部分切除后预后不良,与早期复发、总生存期(overall survival, OS)和无病生存期(disease-free interval, DFS)较短有关[6]。VETC癌巢型HCC多属于粗梁型[3, 7]。VETC癌巢型HCC表现为血管内皮细胞包裹癌细胞团,呈球状;而非VETC癌巢型HCC的表现为癌细胞外层无内皮细胞包绕,呈现出条索状的血管。
1.2 VETC血管结构形成机制VETC血管结构存在于大约40%的肝癌组织中,并且是由肿瘤细胞在肿瘤发展的早期阶段诱导形成的。血管生成素2(angiopoietin-2,Ang-2)在VETC癌巢型HCC中表达明显增高,在肝癌细胞中敲除Ang-2可以消除VETC的形成,进而减少肝癌移植瘤的体内转移[4]。另外,微小核糖核酸(Micro Ribonucleic Acids,miRNAs)是一类进化上保守的非编码小RNA。它可以调节各种细胞活动,如分化、增殖、凋亡、运动等。目前,miRNAs在VETC形成中的作用报道较少。在肝癌细胞中恢复或上调miR-125b或miR-100的表达可抑制VETC的形成,从而阻止体内转移。miR-125b和miR-100可通过直接或间接抑制Ang-2的表达而发挥作用[8]。这些发现为VETC癌巢型HCC的形成和转移提供了新的机制研究方向,并确定了miR-100和miR-125b的调节作用。短链非编码RNA miR-125b与miR-100均可抑制Ang-2的表达,进而抑制VETC血管结构的形成,减少VETC癌巢型HCC的肺转移等,而Ang-2过表达则拮抗miR-125b/miR-100对VETC抑制作用。在其他恶性肿瘤同样发现了这种特殊血管结构。血管内皮生长因子A(vascular endothelial growth factor-A, VEGFA)在黑色素瘤细胞中表达增加,成团的肿瘤细胞被内皮细胞包绕以癌栓的形式出现在移植瘤的血管内,同时肺转移增加[9]。在乳腺癌中分泌性白细胞蛋白酶抑制剂(secretory leukocyte protease inhibitor, SLPI)蛋白表达水平上调, 其移植瘤形成包绕肿瘤团块的窦状血管, 肺部和淋巴结转移增加[10]。这些发现表明VETC是抗转移治疗的新靶点。然而,目前对于肝细胞癌VETC形成的调控机制尚无统一结论。
HCC的转移一般通过经典的上皮-间质转化(epithelial-to-mesenchymal transition, EMT)模式来解释。单个肿瘤细胞获得高度运动能力及侵袭性,穿透上皮、间质及血管壁,到达血液,并随血液循环定植于靶器官,形成新的转移灶[11]。而VETC癌巢型HCC不依赖于EMT模式发生转移,VETC可能与肿瘤周围的血管吻合,从而使包裹内皮细胞的肿瘤簇进入血液。在VETC癌巢型HCC的转移癌巢中,EMT的标记物Slug、Snail、Twist1的表达量并未增加,而细胞之间的相互黏附作用蛋白E-cadherin却呈现高表达,说明VETC癌巢型HCC在转移的过程中其实并未发生EMT[4]。在VETC癌巢型的HCC组织中,肝癌细胞是以VETC癌巢的形式发生整体的转移、由血管内皮细胞包裹癌巢整体进入组织血管,随血流运动转移到靶器官的地方并增殖形成了新的转移灶。在血液自身循环的过程中,内皮细胞保护肿瘤细胞避免受到机体的免疫攻击[12],起到了保护的作用。这种癌细胞转移模式,不依赖于EMT[4],帮助癌细胞成团释放入血,为HCC提供了不依赖于EMT机制侵袭的高效转移模式。
在VETC癌巢型HCC中过表达的雄激素受体(androgen receptor,AR)抑制了VETC血管结构的形成和肝内转移,但促进了小鼠异种移植物的肺转移。AR可通过与VETC血管结构形成所必需的因子Ang-2启动子结合,降低其转录进而抑制VETC血管结构的形成并阻断VETC癌巢的转移。另一方面,AR上调Rac1表达,促进片状伪足形成并增加侵袭性细胞迁移/侵袭。这些数据表明,AR在HCC的侵袭转移中具有双重作用,可以通过两种机制来影响HCC转移:一方面,它抑制Ang-2的表达,从而抑制VETC的形成,进而减少VETC依赖性转移;另一方面,AR可以增加Rac1蛋白的水平,促进侵袭性转移[13]。
2 VETC癌巢型HCC的诊断、治疗及预后 2.1 VETC癌巢型HCC的诊断目前VETC的诊断主要依靠组织学检查。因此,术前对肝细胞癌患者VETC的诊断对于帮助决定治疗策略是至关重要的。术前穿刺以及术中快速冰冻是诊断VETC癌巢型HCC的重要手段[14]。VETC癌巢型HCC HE切片的典型特征为肝癌细胞由血管内皮细胞包裹成球形细胞巢,细胞巢大小不一,其内部无毛细血管,细胞巢周围由毛细血管包绕。超声造影显示[15],VETC癌巢型HCC动脉期有裂纹和肌腱样充盈特征,而非VETC癌巢型HCC则有大面积弥漫样充盈特征。VETC癌巢型HCC的单位直径充盈时间为(3.95±0.22)s,显著长于非VETC癌巢型HCC的(2.28±0.27)s。钆塞酸二钠(gadolinium ethoxybenzyl diethylenetriamine pentaacetic acid, Gd-EOB-DTPA)MRI的定性影像特征(无边缘弥漫性和不均匀动脉期高强化)有助于预测VETC癌巢型HCC[16],Gd-EOB-DTPA增强MRI的动脉期低血管成分和多期增强MRI的实质性坏死可以帮助识别粗梁型肝癌,它们的病理特征与部分VETC癌巢型HCC相似。尽管先前的研究已经揭示了危险因素,但对于肝细胞癌影像特征的判读主要来自诊断医师主观判断,故通常不具有一致性[17]。纹理分析通过分析图像中像素或体素灰度的分布和关系,提供了一种客观、定量的肿瘤异质性评估方法,并可以反映病变微环境的信息[18]。
目前对于应用基于GD-EOB-DTPA增强MRI的纹理分析来识别VETC阳性的肝细胞癌的研究还尚无统一定论,这可能会成为一种有效地术前诊断方式,并有研究根据此进行了试验,结果显示VETC阳性肝癌的峰度和不均匀程度高于VETC阴性肝癌,这与VETC阳性/阴性肝癌的病理特征有关。在VETC阳性的肝癌中,峰度表示的感兴趣区域(region of interest analysis,ROI)的像素强度高于VETC阳性的肝癌[19]。此外,VETC阳性的肝癌具有更多样的血管形态,包括VETC、窦状毛细血管形成/不完全血管生成和其他新生血管,这可能导致与VETC阴性的肝癌相比的异质性[20]。
与传统的影像学诊断VETC癌巢型HCC相比,影像组学的方法能够从医学图像中提取大量的隐藏数据,有可能提高诊断性能。影像组学模型对于VETC的诊断效能高于临床模型,并且瘤周影像组学模型能够预测VETC阳性和阴性患者的早期复发和无进展生存期(progression-free survival, PFS),同时瘤周影像组学模型预测的VETC是早期复发和PFS的独立预测因子[21]。这表明瘤周放射组学模型可用于预测VETC和患者的术前预后,瘤周放射组学模型可能比瘤内模型产生更多的价值。
2.2 VETC癌巢型HCC的治疗和预后当前对于VETC癌巢型HCC的治疗主要以手术方式为主,对肝癌患者进行结构性的切除可显著降低在VETC癌巢型HCC患者的术后复发率[14]。另外,对于不适合进行外科手术的患者。介入也是一种有效的治疗手段,载药微球的经动脉化疗的栓塞治疗(drug-eluting beads for transarterial chemoembolization,dTACE)作为现在的一种最新的介入的治疗方式,将非常高剂量的化疗药品输入自身肿瘤实体部位,并且经过延长药物的释放的时间来降低化疗次药物对自身机体产生的不良反应。与常规的动脉化疗方式相比,dTACE存在更大的临床优势,但是该化疗方法目前缺少大型临床试验相关证据,尤其是对于VETC癌巢型HCC患者[22-23]。
分子靶向药物治疗近年来在临床上发挥着重要作用,代表药物索拉菲尼作为一种口服的多激酶抑制剂,可抑制肿瘤细胞靶部位如RAF原癌基因丝氨酸/苏氨酸蛋白激酶(RAF proto-oncogene serine/threonine-protein kinase, CRAF)、干细胞因子受体(stem cell factor receptor, c-Kit)、FMS样酪氨酸激酶3(FMS-like tyrosine kinase 3, FLT-3)等,针对中晚期肝癌患者可以发挥显著的疗效,有效降低VETC癌巢型HCC患者死亡风险,增加术后5年生存率,提高患者生存质量。这表示VETC阳性的出现可增加HCC的生物侵袭性,与非VETC癌巢型HCC患者相比,其预后更差,术后复发转移率更高[5]。VETC与不同病因HCC的高转移均密切相关,是不良预后预测指标[24]。2021年中山大学一项研究整合VETC和微血管侵犯(microvascular invasion,MVI)对HCC切除术后患者的总生存期(overall survival,OS)、无病生存期(disease-free survival,DFS)早期和晚期复发率的影响,并探索了新的危险分层方法[25]。结果表明,VETC阴性且MVI阴性患者预后最好,VETC阳性且MVI阳性患者预后最差。因此,VETC癌巢型HCC作为索拉非尼获益的预测因素,可以使用此技术预先确定VETC状态,以帮助筛选预后差、早期复发的肝癌患者早期使用索拉非尼治疗,并从中受益[26]。VETC联合CD3阳性T细胞是死亡率的独立风险因素,VETC表达与免疫状态(CD3低表达)的联合评估能够根据临床结果对患者进行进一步分类[27]。
程序性细胞死亡蛋白1(programmed death ligand 1,PD-1)是一种重要的免疫抑制分子。通过与程序性细胞死亡配体1(programmed cell death-Ligand 1,PD-L1)结合,阻断T细胞受体(T-cell Receptor, TCR)及其共刺激信号转导,抑制T细胞的活化和增殖,耗尽效应性T细胞的功能,使肿瘤细胞实现免疫逃逸。近年来,针对PD-1/PD-L1轴的免疫检查点阻断治疗在HCC中取得了良好的效果,将肿瘤免疫治疗推向了一个新的里程碑,代表药物有PD-1抑制剂纳武利尤单抗、帕博利珠单抗和PD-L1抑制剂阿替利珠单抗[22-23]。Ang-2可以促进肿瘤相关巨噬细胞中PD-L1的表达增加,而肿瘤相关巨噬细胞可以协助肿瘤细胞抵抗T淋巴细胞的免疫攻击,使机体免疫能力下降或者减弱免疫治疗药物的治疗效果,巨噬细胞PD-L1高表达与患者的不良预后密切相关[28-29]。如果分子靶向药物与免疫检查点抑制药物联合使用,可能为VETC癌巢型HCC这种高度侵袭性的肝癌亚型开辟新的治疗前景。
3 小结与展望VETC是一种特殊的HCC血管结构,VETC癌巢型HCC发生转移时不依赖于传统的EMT转移模式,VETC阳性患者的预后更差。对VETC癌巢型HCC进行术前影像学检查并预测预后有较大临床价值。目前大部分影像学研究有一定的选择偏移和局限性,传统影像学在大多数的研究中所应用。影像组学是目前热门的研究方向之一,与传统的影像学方法相比,通过高通量的提取图像特征,结合不同的算法,提供更精确的诊断。随着计算机高级算法的快速发展,人工智能可以从医学上特别是医学影像学上的原始图像中学习特征,与传统的图像组学方法相比,可以实现图像的自动或半自动分割和分类,所需时间和人力较少[30]。
VETC癌巢型HCC作为肝细胞肝癌亚型的一种,其分子机制的研究及治疗方式的选择证据尚且不足,对于VETC形成的相关分子机制尚未明确,需要进一步实验找到相关分子调控靶点,研制相关抑制性药物进行临床治疗,另一方面,也需要加强对VETC癌巢型HCC患者进行个体化精准治疗的研究,根据肿瘤血管异质性进行针对性治疗方案。建立对VETC的术前检测及相关预后的预测模型尚需更大规模数据的支持。
利益冲突:所有作者均申明不存在利益冲突。
[1] |
Sung H, Ferlay J, Siegel RL, et al. Global cancer statistics 2020:GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2021, 71(3): 209-249. DOI:10.3322/caac.21492 |
[2] |
Sun Y, Wu L, Zhong Y, et al. Single-cell landscape of the ecosystem in early-relapse hepatocellular carcinoma[J]. Cell, 2021, 184(2): 404-421. e16. DOI:10.1016/j.cell.2020.11.041 |
[3] |
Calderaro J, Couchy G, Imbeaud S, et al. Histological subtypes of hepatocellular carcinoma are related to gene mutations and molecular tumour classification[J]. J Hepatol, 2017, 67(4): 727-738. DOI:10.1016/j.jhep.2017.05.014 |
[4] |
Fang JH, Zhou HC, Zhang C, et al. A novel vascular pattern promotes metastasis of hepatocellular carcinoma in an epithelial-mesenchymal transition-independent manner[J]. Hepatology, 2015, 62(2): 452-465. DOI:10.1002/hep.27760 |
[5] |
Ziol M, Poté N, Amaddeo G, et al. Macrotrabecular-massive hepatocellular carcinoma: a distinctive histological subtype with clinical relevance[J]. Hepatology, 2018, 68(1): 103-112. DOI:10.1002/hep.29762 |
[6] |
Ding T, Xu J, Zhang Y, et al. Endothelium-coated tumor clusters are associated with poor prognosis and micrometastasis of hepatocellular carcinoma after resection[J]. Cancer, 2011, 117(21): 4878-4889. DOI:10.1002/cncr.26137 |
[7] |
郭文文, 莫祥兰, 刘天奇, 等. 癌巢在肿瘤转移中的作用研究进展[J]. 中华实验外科杂志, 2017, 34(11): 2010-2012. DOI:10.3760/cma.j.issn.1001-9030.2017.11.064 |
[8] |
Zhou HC, Fang JH, Shang LR, et al. MicroRNAs miR-125b and miR-100 suppress metastasis of hepatocellular carcinoma by disrupting the formation of vessels that encapsulate tumour clusters[J]. J Pathol, 2016, 240(4): 450-460. DOI:10.1002/path.4804 |
[9] |
Küsters B, Kats G, Roodink I, et al. Micronodular transformation as a novel mechanism of VEGF-A-induced metastasis[J]. Oncogene, 26(39): 5808-5815. DOI:10.1023/A:1015330827806 |
[10] |
Sugino T, Yamaguchi T, Ogura G, et al. The secretory leukocyte protease inhibitor (SLPI) suppresses cancer cell invasion but promotes blood-borne metastasis via an invasion-independent pathway[J]. J Pathol, 2007, 212(2): 152-160. DOI:10.1002/path.2156 |
[11] |
Chuanchao H, Zhenyu Z, Hai J, et al. Epithelial-mesenchymal transition is superior to vessels-encapsulate tumor cluster in promoting metastasis of hepatocellular carcinoma: a morphological evidence[J]. J Cancer, 2017, 8(1): 39. DOI:10.7150/jca.16736 |
[12] |
Yang J, Zhong J, Zhou M, et al. Targeting of the COX-2/PGE2 axis enhances the antitumor activity of T7 peptide in vitro and in vivo[J]. Drug Deliv, 2021, 28(1): 844-855. DOI:10.1080/10717544.2021.1914776 |
[13] |
Zhou HC, Liu CX, Pan WD, et al. Dual and opposing roles of the androgen receptor in VETC-dependent and invasion-dependent metastasis of hepatocellular carcinoma[J]. J Hepatol, 2021, 75(4): 900-911. DOI:10.1016/j.jhep.2021.04.053 |
[14] |
杨建荣, 钟敬涛, 刘天奇, 等. 术前超声造影和术中快速冰冻病理切片诊断VETC癌巢型肝细胞癌的价值及患者手术方式选择研究[J]. 中国临床新医学, 2021, 14(3): 262-266. DOI:10.3969/j.issn.1674-3806.2021.03.08 |
[15] |
蓝春勇, 凌冰, 郭文文, 等. VETC(+)肝癌内皮细胞中波形蛋白的表达及其与超声造影表现的关系[J]. 中华肿瘤杂志, 2018, 40(2): 105-109. DOI:10.3760/cma.j.issn.0253-3766.2018.02.005 |
[16] |
李晓明, 蔡萍, 程琳, 等. 钆塞酸二钠增强磁共振成像检查术前诊断粗梁-团块型肝细胞肝癌的临床价值[J]. 中华消化外科杂志, 2021, 20(11): 1218-1226. DOI:10.3760/cma.j.cn115610-20210809-00385 |
[17] |
Mulé S, Galletto Pregliasco A, Tenenhaus A, et al. Multiphase liver MRI for identifying the macrotrabecular-massive subtype of hepatocellular carcinoma[J]. Radiology, 2020, 295(3): 562-571. DOI:10.1148/radiol.2020192230 |
[18] |
Li J, Qiu Z, Zhang C, et al. ITHscore: comprehensive quantification of intra-tumor heterogeneity in NSCLC by multi-scale radiomic features[J]. Eur Radiol, 2023, 33(2): 893-903. DOI:10.1007/s00330-022-09055-0 |
[19] |
Fan Y, Yu Y, Wang X, et al. Texture analysis based on Gd-EOB-DTPA-Enhanced MRI for identifying vessels encapsulating tumor clusters (VETC)-positive hepatocellular carcinoma[J]. J Hepatocell Carcinoma, 2021, 8: 349-359. DOI:10.2147/JHC.S293755 |
[20] |
Feng Z, Li H, Zhao H, et al. Preoperative CT for characterization of aggressive macrotrabecular-massive subtype and vessels that encapsulate tumor clusters pattern in hepatocellular carcinoma[J]. Radiology, 2021, 300(1): 219-229. DOI:10.1148/RADIOL.2021203614 |
[21] |
Yu Y, Fan Y, Wang X, et al. Gd-EOB-DTPA-enhanced MRI radiomics to predict vessels encapsulating tumor clusters (VETC) and patient prognosis in hepatocellular carcinoma[J]. Eur Radiol, 2022, 32(2): 959-970. DOI:10.1007/s00330-021-08250-9 |
[22] |
Zaitoun MMA, Elsayed SB, Zaitoun NA, et al. Combined therapy with conventional trans-arterial chemoembolization (cTACE) and microwave ablation (MWA) for hepatocellular carcinoma > 3- < 5cm[J]. Int J Hyperthermia, 2021, 38(1): 248-256. DOI:10.1080/02656736.2021.1887941 |
[23] |
Cao WZ, Zhou ZQ, Jiang S, et al. Efficacy and safety of drugeluting beads for transarterial chemoembolization in patients with advanced hepatocellular carcinoma[J]. Exp Ther Med, 2019, 18(6): 4625-4630. DOI:10.3892/etm.2019.8163 |
[24] |
Renne SL, Woo HY, Allegra S, et al. Vessels encapsulating tumor clusters (VETC) is a powerful predictor of aggressive hepatocellular carcinoma[J]. Hepatology, 2020, 71(1): 183-195. DOI:10.1002/hep.30814 |
[25] |
Lu L, Wei W, Huang C, et al. A new horizon in risk stratification of hepatocellular carcinoma by integrating vessels that encapsulate tumor clusters and microvascular invasion[J]. Hepatol Int, 2021, 15: 651-662. DOI:10.1007/s12072-021-10183-w |
[26] |
Fang JH, Xu L, Shang LR, et al. Vessels that encapsulate tumor clusters (VETC) pattern is a predictor of sorafenib benefit in patients with hepatocellular carcinoma[J]. Hepatology, 2019, 70(3): 824-839. DOI:10.1002/hep.30366 |
[27] |
Kawasaki J, Toshima T, Yoshizumi T, et al. Prognostic impact of vessels that encapsulate tumor cluster (VETC) in patients who underwent liver transplantation for hepatocellular carcinoma[J]. Ann Surg Oncol, 2021, 28(13): 8186-8195. DOI:10.1245/s10434-021-10209-5 |
[28] |
Kuang DM, Zhao Q, Peng C, et al. Activated monocytes in peritumoral stroma of hepatocellular carcinoma foster immune privilege and disease progression through PD-L1[J]. J Exp Med, 2009, 206(6): 1327-1337. DOI:10.1084/jem.20082173 |
[29] |
Wu X, Giobbie-Hurder A, Liao X, et al. Angiopoietin-2 as a biomarker and target for immune checkpoint therapy[J]. Cancer Immunol Res, 2017, 5(1): 17-28. DOI:10.1158/2326-6066.CIR-16-0206 |
[30] |
韩冬, 李其花, 蔡巍, 等. 人工智能在医学影像中的研究与应用[J]. 大数据, 2019, 5(1): 39-67. |