*僅供醫學專業人士閱讀參考
新型預測模型能夠提升術前隱匿性淋巴結轉移的識別能力。
非小細胞肺癌（NSCLC）佔肺癌的85%。 淋巴結轉移（LNM）是NSCLC常見的轉移方式，對預後有顯著影響。 當術前影像學檢查未能發現LNM，術後卻證實其存在時，稱為隱匿性淋巴結轉移（OLNM）。 目前，影像學檢查已廣泛用於術前識別OLNM高危患者，例如，術前SPECT/CT造影劑分佈可預測OLNM風險，影像組學評分模型也顯示出一定的預測能力。 然而，這些預測模型往往依賴直接影像檢測，且受患者臨床特徵影響較大。
儘管已有研究表明腫瘤大小和腫瘤標誌物水平可能與早期LNM相關，但分析多種臨床指標構建NSCLC患者OLNM預測模型的研究仍較少。近日，BMC Pulmonary Medicine雜誌發表了一項研究，分析了廣西醫科大學第一附屬醫院370例NSCLC樣本，旨在建立一個廣泛適用的OLNM風險預測模型 [1] 。本文特此整理關鍵內容，以饗讀者。
圖1 研究封面
研究設計概述
樣本篩選過程如圖1所示。納入標準如下：(1) 年齡超過18歲；(2) 入院時診斷為“”；(3) 術前影像學檢查未指示淋巴結轉移（LNM），且未進行淋巴結活檢；(4) 住院期間接受外科治療，術後病理檢查結果顯示存在LNM。排除標準如下：(1) 年齡在18歲以下；(2) 既往接受NSCLC治療；(3) 病理診斷為小細胞肺癌或類癌；(4) 因各種原因無法提供本研究所需的所有資訊和檢驗結果；(5) 手術前已確診為LNM。
圖2 樣本篩選流程圖
研究旨在透過術前實驗室檢測和影像學指標預測NSCLC患者發生OLNM的風險。手術過程中，外科醫生需完全切除腫瘤，並至少採樣六組肺淋巴結，切除組織由兩位病理學家複審。存在淋巴結轉移者納入LNM組，其他納入非LNM組。
共計370例患者參與研究，研究收集了患者的臨床資訊。處理過程中剔除異常值，填補缺失值，對連續變數採用獨立樣本t檢驗，二元變數則使用卡方檢驗。透過單因素邏輯迴歸分析識別NSCLC患者OLNM的潛在風險因素，計算比值比（OR）、95%置信區間（CI）和p值。p值<0.05且OR的95%CI不包括1的因素視為顯著風險因素。隨後實施多因素邏輯迴歸並構建列線圖，以評估各風險因素的影響並計算總風險分值。
為驗證模型有效性，研究者計算了一致性指數（C-index），繪製受試者工作特徵（ROC）曲線並計算曲線下面積（AUC），值越接近1表示預測能力越強。同時繪製校準曲線以評估模型的擬合優度進行決策曲線分析（DCA）以評估各風險因素的臨床實用性。
研究關鍵結果
患者淋巴結轉移的關鍵差異：LNM組與非LNM組人群特徵分析
2021年1月1日至2023年12月31日期間，共有655例患者接受了手術治療，經過篩選排除不適合分析的樣本，最終納入370 例患者。研究發現，LNM組與非LNM組之間在多個關鍵因素方面存在顯著差異（p<0.05），包括首次發現時間、腫瘤直徑、CA125、CA153、神經元特異性烯醇化酶 （NSE） 水平和原發腫瘤部位等（具體見表1、2）。
表1 LNM 組與非LNM 組連續變數的比較
表2 LNM組和非LNM組的二進位制變數比較
單因素邏輯迴歸分析識別出多個腫瘤、ERBB2錯義突變、CA125水平、CA153水平、受累肺葉、腫瘤長度和鐵蛋白（Ferr）作為預測（NSCLC）患者術前隱匿性淋巴結轉移（OLNM）的潛在風險因素。隨後進行的多因素邏輯迴歸分析進一步確認了這些因素的顯著性，並在表3中列出了相應的比值比（OR）。
表3 單因素和多因素logistic分析篩查出的術前NSCLC患者OLNM的潛在危險因素
新型預測模型顯身手：預測準確性和實用性優秀
基於這些發現，研究者開發了一種新型風險預測模型，並透過列線圖進行視覺化。列線圖為每個風險因素分配了相應的分值：如多個腫瘤患者得0分，單一腫瘤患者得5分；存在ERBB2錯義突變得0分，其他情況得2分；CA125和CA153水平升高對應更高分值；左肺腫瘤得0分，而右肺腫瘤則得55分；腫瘤越大，分值越高；鐵蛋白水平降低則得更高分值。總分透過各風險因素分值相加得出，與OLNM的風險相關聯。
最終得分低於130分的患者表明OLNM風險低於10%，而得分超過240分則表明OLNM的機率高達90%（見圖3）。列線圖的C指數和AUC均顯示出對NSCLC患者OLNM發生的強預測能力（見圖4）。
圖3 根據潛在風險因素構建的列線圖（MM：錯義突變）
圖4 列線圖的ROC曲線
此外，為了評估列線圖的預測準確性，研究者還繪製了校準曲線。結果顯示，預測值與觀察值之間具有高度一致性（圖5）。此外，決策曲線分析（DCA）被用來評估不同指標的實際應用價值。如圖6顯示，列線圖中所有指標的累積曲線（紅線）始終超越了參考曲線（灰線和黑線），表明在評估指標中具有強大的實用性。
圖5 列線圖的校準曲線
圖6 用於列線圖內部驗證的DCA曲線
研究結論及展望
綜上所述，本研究中基於腫瘤分佈和腫瘤相關生物標誌物開發的個性化評分預測模型能夠有效識別術前存在OLNM風險的NSCLC患者。該模型特別針對影像學檢查未發現淋巴結轉移的患者，為專注於NSCLC治療的臨床醫生提供了重要指導。研究強調了準確預測術前淋巴結轉移的重要性，結合臨床特徵、影像資料、血清樣本和基因檢測結果，建立了更為全面的評估框架，以提高NSCLC患者術前OLNM的預測準確性。儘管研究仍存在單中心、樣本量限制以及部分資料缺失等侷限性，但研究結果為未來在不同病理亞型NSCLC患者中進一步探討術前OLNM風險因素奠定了基礎。
精彩資訊等你來
參考文獻：
[1]Li, J. X., Feng, G. Y., He, K. L., et al. (2024). Preoperative prediction of occult lymph node metastasis in patients with non-small cell lung cancer: a simple and widely applicable model. BMC pulmonary medicine, 24(1), 557.
審批編號：CN-148440 有效期至：2025-03-02
本材料由阿斯利康提供，僅供醫療衛生專業人士參考
