第 8 版肺癌 TNM 分期标准将于 2017 年 1 月 1 日正式开始实施。在刚刚落幕的 2017 年 WCLC 全体大会上，特邀 IASLC 分期和预后委员会主席 Ramón Rami-Porta 教授带来第一场主题演讲「Lung Cancer Staging--Changing the Clinical Practice」，足见 IASLC 对新分期的重视。
第 8 版肺癌 TNM 分期，T 分期变化最为明显，N 分期还是沿用原来的模式，M 分期有了一些改变。总体而言，更为精准，一定程度上也更为繁琐，尚未包括驱动基因分类，这可能是未来研究的方向。新版分期对临床实践有何启示呢？以下围绕 Ramón Rami-Porta 教授的演讲进行总结。
特色一：结合 2011 年肺腺癌新分类，细分小肿瘤
结合 2011 年的肺腺癌新分期，原位癌（Tis）细分为原位腺癌 [Tis(AIS)] 和原位鳞癌 [Tis(SCIS)]；定义了微浸润腺癌（MIA）的 T 分期为 T1mi；不同于第 7 版 T 分析，将肿瘤大小 1 cm 作为新的 T1a 的 cut-off 值。
近年来，随着 CT 筛查的普及，临床上发现了越来越多的小肿瘤，这一类小肿瘤值得我们进一步深入研究，如最佳治疗模式的探讨：亚肺叶切除？立体定向放疗？射频消融？肿瘤生物学特征的研究：如肿瘤生长速度、密度（实性、部分实性、纯 GGO）、PET 的最大摄取强度（SUVmax）、分子特征、遗传进化特征等。
特色二：关注部分实性结节的肿瘤大小测量
对于部分实性结节，提出了明确的肿瘤大小测量方法。既往的研究显示，患者的预后和肿瘤的实性成分大小更为相关。因此对于部分实性结节肿瘤大小测量，在临床分期中，仅需要测量实性成分的大小；在病理分期中，计算浸润性成分的大小。新分期中同时也指出，对全部肿瘤病灶进行测量，前瞻性的记录相关数据，以期进一步明确肿瘤全病灶大小对患者预后的影响。
特色三：肿瘤大小测量更为精确
新的 T 分期中，3 cm 仍然是 T1 和 T2 的分割点；但对大肿瘤进行了细分，5 cm 和 7 cm 分别上升为 T3 和 T4 的界点。随着更为精准的 T 分期，每 1 cm 都作为一个 cut-off 值，肿瘤大小的测量尤为重要。那么临床实践中该如何测量肿瘤的大小呢？这里，Ramón Rami-Porta 教授专门举例，如一个肿瘤在纵隔窗测量时，T 大小为 4.7 cm，属于 T2b，而在肺窗上测量，T 大小为 5.2 cm，属于 T3，那么该以哪一个测量为准呢？答案是肺窗。
特色四：开始关注 LN 转移数目和转移区
在新的 N 分期提议中，依据淋巴结转移数目将 N1 和 N2 细分为 5 类，预后分析显示，除 N1 多站转移和 Skip N2（N2 淋巴结转移但 N1 淋巴结为阴性的情况称为跳跃性 N2）的生存无差异外，其余各组的差异均有统计学意义。但因为细分的 N 分期仅能在病理分期中实现，临床分期很难做到，并没有被第 8 版 TNM 分期采纳。但新分期中提出对 N 转移的数目，转移的站区，以及阳性淋巴结比例等的关注，这可以作为未来探索的方向。基于 LN 的进一步细分，为临床上更好的预测患者预后，选择患者进行辅助化疗等提供了重要依据。
特色五：胸腔外寡转移病灶单独归类
M 分期中，M1a（胸腔内的转移）没有变化，但依据 M1b（胸腔外转移）转移灶数目的不同进一步细分为 M1b（远处单个器官单发转移）和 M1c（远处单个或多个器官多发转移）。对寡转移病灶的单独定义，有助于临床更好的进行预后判断；也提示在临床实践中，对于这部分寡转移或寡进展患者，可以考虑采用更为积极的治疗手段。
特色六：肺部多发结节的诊断和分期有了答案
新版的分期中提出，对于肺部多发结节的病例，需要根据影像学和病理学特征来区分是转移灶还是多原发，若为多原发肿瘤，需对每个肿瘤进行单独分期；而对于多发 GGO 类病灶，T 分期由分期最高的结节为准，后面括号内加上结节数目，如 T1a（3）N0M0；对于弥漫性肺炎型腺癌，肿瘤位于单一肺叶时定义为 T3，累及同侧另一肺叶时定义为 T4，累及对侧肺时定义为 M1a。上述两种情况均仅有一个 N 分期及 M 分期。
整体分期的改变
依据患者 T 分期的大小，IA 期进一步细分为 IA1-3；III 期细分为 IIIA-C，将 T3-4N3 患者细分为 IIIC，因为这类患者和 T1-2N3 患者不同。新的分期，更好的将不同分期患者的预后进行区分。
总结
第 8 版分期更好的归类预后相同的肿瘤，使不同分期患者的预后区分更为明显；有助于指导后续临床研究入组；同时也为未来的主要研究方向，如小肿瘤等。
新版分期同时也对临床和病理医生均提出了相应的要求：需要更加精准的测量肿瘤大小；推荐采用弹力层的染色来评价脏层胸膜的转移；更为详尽的记录淋巴结转移数目和淋巴结的转移站区；远处转移病灶的数据和位置；掌握多发病灶的分类要求。
