劉恩瑞 關(guān)旭 郭雅琪 魏然 馬曉龍 姜爭 劉正 陳瑛罡 王錫山

結(jié)直腸癌（colorectal cancer，CRC）是最常見的惡性腫瘤之一，在所有惡性腫瘤中發(fā)病率（10.2%）排名第三，死亡率（9.2%）排名第二［1-2］。在東歐、拉丁美洲和亞洲國家，結(jié)直腸癌的發(fā)病率和死亡率逐年上升［3］。結(jié)直腸癌早期無明顯癥狀和體征，超過五分之一的患者確診時已發(fā)生遠(yuǎn)處轉(zhuǎn)移［4］。在結(jié)直腸癌中，同時性轉(zhuǎn)移比異時轉(zhuǎn)移的生存率更低［5］。CRC最常見的轉(zhuǎn)移器官是肝和肺，骨轉(zhuǎn)移罕見，只有1%的CRC發(fā)生腦轉(zhuǎn)移［6-7］。雖然轉(zhuǎn)移性結(jié)直腸癌（metastatic colorectal cancer，mCRC）預(yù)后最差，但不同轉(zhuǎn)移器官的生存結(jié)果存在巨大差異。肝和肺轉(zhuǎn)移的1年生存率超過80%，而骨和腦轉(zhuǎn)移的1年生存率分別為30%和11%［8-10］。因此，準(zhǔn)確篩查不同的風(fēng)險對于醫(yī)生預(yù)測mCRC預(yù)后至關(guān)重要。

目前，美國癌癥聯(lián)合委員會（American Joint Committee on Cancer，AJCC）分期系統(tǒng)是預(yù)測mCRC患者生存結(jié)局的主要方法［11］。然而，T分期（tumor）、N分期（node）、M分期（metastases）是區(qū)分不同預(yù)后的唯一依據(jù)，該方案在預(yù)測準(zhǔn)確性方面遠(yuǎn)不能令人滿意［12］。

列線圖是一種可視化的圖形工具，用于預(yù)測終點發(fā)生的概率，并量化生存風(fēng)險。根據(jù)回歸系數(shù)的不同，列線圖可以納入顯著性因素，提高預(yù)測精度。迄今為止，列線圖已成功地用于預(yù)測結(jié)直腸癌的預(yù)后，但很少用于mCRC。

因此，我們的目標(biāo)是建立一種新的列線圖模型來預(yù)測同時性mCRC的腫瘤特異性生存期（cancerspecific survival，CSS），并將其劃分為不同的風(fēng)險級別，以準(zhǔn)確評估預(yù)后。

對象與方法

一、研究對象

本研究通過SEER*Stat軟件（8.3.6版）從美國國家癌癥研究所的SEER項目中獲取所有數(shù)據(jù)。數(shù)據(jù)的收集和報告使用數(shù)據(jù)項目和代碼由北美中央癌癥登記協(xié)會記錄［13］。納入標(biāo)準(zhǔn)：（1）患者在2010～2015年診斷為結(jié)直腸癌；（2）患者確診為同時性轉(zhuǎn)移；（3）組織學(xué)確診。排除標(biāo)準(zhǔn)：（1）未發(fā)現(xiàn)遠(yuǎn)處轉(zhuǎn)移的患者；（2）資料缺失不詳者：種族、原發(fā)腫瘤部位、T分期、N分期、CEA狀態(tài)、手術(shù)狀態(tài)、生存時間。

收集以下變量：種族、性別、診斷年齡、原發(fā)部位、分級、T分期、N分期、CEA狀態(tài)、遠(yuǎn)處轉(zhuǎn)移狀態(tài)（肝、肺、骨、腦）、手術(shù)（原發(fā)腫瘤切除）、化療、CSS和生存時間。CSS是通過1年、2年和3年生存率評估的，CSS定義為從診斷日期到死亡或因CRC導(dǎo)致的研究截止日期的時間。分期依據(jù)第八版AJCC TNM分期系統(tǒng)。

二、統(tǒng)計學(xué)方法

所有符合條件的病例被隨機分為訓(xùn)練組和驗證組（比例為7∶3）。Pearson卡方檢驗用于檢驗所有隊列、訓(xùn)練隊列和驗證隊列之間的人口統(tǒng)計學(xué)差異。采用多變量Cox比例風(fēng)險模型探索CSS的獨立危險因素，并利用訓(xùn)練隊列建立預(yù)測列線圖模型。采用一致性指數(shù)（C-index）、校準(zhǔn)曲線和決策曲線分析（decision curve analysis，DCA）進行內(nèi)、外驗證。

利用X-tile軟件，根據(jù)列線圖總分確定最佳臨界值建立風(fēng)險分級系統(tǒng)，將所有患者分為低、中、高危組。構(gòu)建了CSS的Kaplan-Meier曲線，并用對數(shù)秩檢驗進行比較。采用SPSS 21.0統(tǒng)計軟件進行統(tǒng)計分析（IBM SPSS Statistics for Windows.Armonk，NY：IBM Corp.），GraphPad Prism 6（GraphPad Software），X‐tile軟件（Yale University），and R統(tǒng)計軟件3.6.2（www.r-project.org/）。以P＜0.05被認(rèn)為差異有統(tǒng)計學(xué)意義。

結(jié) 果

一、人口基線信息

根據(jù)納入標(biāo)準(zhǔn)，本研究共納入符合納入條件的15 838例患者，其中11 088例（70.0%）患者隨機分配到訓(xùn)練隊列，4 750例（30.0%）患者隨機分配到驗證隊列。本研究人群的人口統(tǒng)計學(xué)特征見表1。

表1 人口統(tǒng)計學(xué)特征［例（%）］

續(xù)表

本研究中男性8 560例（54.0%），女性7 278例（46.0%），其中白人居多（76.2%），T3～4期13759例（86.9%），N1～2期11 629例（73.4%），CEA陽性（78.2%）。遠(yuǎn)處轉(zhuǎn)移在肝、肺、骨、腦的發(fā)生率分別為 11 107（70.1%）、3 165（20.0%）、612（3.9%）、156（1.0%）。12 343例（77.9%）患者接受手術(shù)，11 603例（73.3%）患者接受化療。訓(xùn)練隊列與驗證隊列之間各變量間差異無統(tǒng)計學(xué)意義（P＞0.05）。

二、預(yù)測因素確定

采用Cox比例風(fēng)險模型識別CSS的獨立風(fēng)險因素。多因素分析顯示，訓(xùn)練隊列中的獨立危險因素為種族、診斷年齡、原發(fā)部位、腫瘤分級、N分期、CEA狀態(tài)、肝轉(zhuǎn)移、肺轉(zhuǎn)移、骨轉(zhuǎn)移、腦轉(zhuǎn)移、手術(shù)和化療（表2）。

表2 基于訓(xùn)練隊列的COX多因素分析

續(xù)表

三、列線圖的建立與驗證

基于CSS的顯著風(fēng)險因素，建立CSS的預(yù)測列線圖模型（圖1），訓(xùn)練隊列的回歸系數(shù)和估計值如表3所示。通過內(nèi)部和外部驗證來評估這個列線圖。該列線圖的C指數(shù)為0.718（95%CI：0.712～0.725），驗證隊列的C指數(shù)為0.722（95%CI：0.711～0.732），表明良好的鑒別能力，且優(yōu)于TNM分期（C-index：訓(xùn)練集，0.533，95%CI，0.525～0.540； 驗 證 集 ， 0.524， 95%CI，0.513～0.535）。CSS的校準(zhǔn)圖顯示了訓(xùn)練和驗證隊列的預(yù)測值與實際值之間良好的一致性，bootstrap抽樣1 000次（圖2）。DCA曲線顯示了不同時間點的大部分閾值概率之間的巨大凈收益，表明預(yù)測CSS具有良好的潛在臨床效度（圖3）。

表3 基于訓(xùn)練隊列構(gòu)建Nomogram預(yù)測模型的回歸系數(shù)和預(yù)估評分

圖1 列線圖預(yù)測轉(zhuǎn)移性結(jié)直腸癌患者的腫瘤特異性生存（CSS）

圖2 基于mCRC患者CSS的校準(zhǔn)曲線。2A～2C：基于訓(xùn)練隊列1年，2年和3年CSS的校準(zhǔn)曲線；2D～2F：基于驗證隊列1年，2年和3年CSS的校準(zhǔn)曲線

圖3 列線圖模型預(yù)測mCRC患者CSS的臨床決策曲線。3A～3C：基于訓(xùn)練隊列1年，2年和3年CSS的臨床決策曲線；3D～3F：基于驗證隊列1年，2年和3年CSS的臨床決策曲線

四、風(fēng)險分級系統(tǒng)建立

此外，利用X-Tile軟件確定最優(yōu)截斷值并建立風(fēng)險分級系統(tǒng)（圖4）。將所有患者分為低風(fēng)險（5 852/11 088，52.78%，分?jǐn)?shù)：0～164）、中風(fēng)險（3 487/11 088，31.45%，分?jǐn)?shù)：165～247）和高風(fēng)險（1 749/11 088，15.77%，分?jǐn)?shù)：248～524）。理論上，總分?jǐn)?shù)的范圍為0～524。Kaplan-Meier曲線表明，該風(fēng)險分級系統(tǒng)對不同組的CSS具有良好的分層和區(qū)分能力（表4和圖5）。

表4 基于總隊列分析不同風(fēng)險等級患者的腫瘤特異性生存率

圖4 利用X-tile軟件計算最優(yōu)截斷值并建立風(fēng)險分級系統(tǒng)。4A～4B：預(yù)測總分?jǐn)?shù)的最優(yōu)截斷值，低危組（評分：0～164），中危組（評分：165～247），高危組（評分：248～480）；4C：根據(jù)訓(xùn)練隊列的CSS繪制不同風(fēng)險等級的Kaplan-Meier曲線

圖5 根據(jù)總隊列的CSS繪制不同風(fēng)險等級的Kaplan-Meier曲線。5A：總隊列；5B：訓(xùn)練隊列；5C：驗證隊列

討 論

mCRC的預(yù)后明顯差于非mCRC。不同病例的mCRC死亡率差異很大，提示在AJCC分期系統(tǒng)的基礎(chǔ)上對準(zhǔn)確的風(fēng)險級別進行重新分類的重要性和必要性。然而，現(xiàn)有的預(yù)測模型由于納入因素的限制，缺乏個體化和綜合評價，且大部分研究樣本量小，也限制了其普遍適用性。本研究開發(fā)了一種新的基于大人群隊列的同時性mCRC的CSS預(yù)測列線圖。

我們確定的CSS預(yù)測因素與之前的研究一致，包括種族、診斷年齡、原發(fā)部位、分級、N期、CEA狀態(tài)、肝轉(zhuǎn)移、肺轉(zhuǎn)移、骨轉(zhuǎn)移、腦轉(zhuǎn)移、手術(shù)和化療。對于mCRC患者，手術(shù)和化療對改善預(yù)后都很重要，這是美國國家綜合癌癥網(wǎng)絡(luò)（NCCN）指南和歐洲醫(yī)學(xué)腫瘤學(xué)會（ESMO）指南推薦的［14-15］。而Modest則指出一線全身治療的有效率可達38%～65%，疾病控制率可達81%～90%。與早期研究相比，該列線圖首次將化療狀態(tài)作為預(yù)測CSS的風(fēng)險預(yù)測指標(biāo)。而未接受化療的mCRC患者評分最高為100分，高于未接受手術(shù)的mCRC患者，說明化療狀態(tài)對CSS的回歸系數(shù)大于手術(shù)狀態(tài)。另外，SEER數(shù)據(jù)庫中沒有單獨記錄未接受化療和未知化療的患者，在本研究中作為混雜危險因素，可能會降低未接受化療的實際回歸系數(shù)。從以往的研究來看，化療與mCRC患者的生存獲益呈正相關(guān)［16-18］，我們的研究進一步強調(diào)了同時性mCRC化療的獨特優(yōu)勢。

除了化療，我們的研究發(fā)現(xiàn)原發(fā)性腫瘤切除對預(yù)后也很重要。一些研究在mCRC中支持這一觀點，特別是對于有肝或肺轉(zhuǎn)移的患者［19-21］。NCCN指南建議mCRC患者應(yīng)接受多學(xué)科團隊（MDT）評估，如果可能，轉(zhuǎn)移性疾病和原發(fā)腫瘤應(yīng)切除［22］。所以對于無法切除轉(zhuǎn)移的mCRC患者，原發(fā)腫瘤切除仍有爭議。Ishihara等［23］指出，原發(fā)腫瘤切除可以顯著延長無法切除轉(zhuǎn)移的mCRC患者的總生存期（OS）（中位OS：13.8個月vs.6.3個月，P=0.0001）。Tong等［24］也支持這一觀點，即原發(fā)腫瘤切除可使不可切除轉(zhuǎn)移的mCRC患者獲得更好的生存（2年CSS：50.2%vs.28.1%，P＜0.001）?？傊l(fā)性腫瘤切除對患者的生存有積極的影響。

如上所述，肝和肺是CRC最常見的轉(zhuǎn)移部位，骨和腦轉(zhuǎn)移非常罕見。此外，不同轉(zhuǎn)移器官的預(yù)后意義不一致。發(fā)生腦轉(zhuǎn)移往往意味著最糟糕的生存，Vatandoust等［25］報道，CRC患者腦轉(zhuǎn)移的中位生存期為3～6個月，骨轉(zhuǎn)移為5～7個月，肝轉(zhuǎn)移為22.8個月，肺轉(zhuǎn)移為36.2～49個月。Ge等［11］也證實了這一觀點，在CRC的四個轉(zhuǎn)移器官中，腦轉(zhuǎn)移的影響系數(shù)最大。我們的研究表明，CSS的回歸系數(shù)從高到低依次為：腦轉(zhuǎn)移、骨轉(zhuǎn)移、肝轉(zhuǎn)移和肺轉(zhuǎn)移。由于血腦屏障（BBB）和血腦脊液屏障（CSF）的存在，腦轉(zhuǎn)移往往是CRC的最終轉(zhuǎn)移器官，而其他顱外轉(zhuǎn)移區(qū)域已經(jīng)發(fā)生，如肝和肺。血腦屏障和腦脊液屏障也阻礙了化療療效，這可能是預(yù)后不良的另一個原因［26］。

在多元回歸分析的基礎(chǔ)上，我們開發(fā)了一個新的列線圖來整合多個預(yù)測變量，有助于準(zhǔn)確預(yù)測同時性mCRC的生存。Zhang等［27］已經(jīng)構(gòu)建了用于預(yù)測CRC患者生存的列線圖。Ge等［11］也開發(fā)了預(yù)測mCRC的OS列線圖模型，具有很強的一致性。與現(xiàn)有的預(yù)測模型相比，我們的列線圖整合了更多的預(yù)測變量，如化療和手術(shù)，為CSS提供了全面的預(yù)測。此外，我們通過X‐tile軟件建立了一個具有最優(yōu)截斷值的風(fēng)險分級系統(tǒng)，該系統(tǒng)更加精確和可靠。該方法有助于評估m(xù)CRC患者的風(fēng)險水平，從而實現(xiàn)個體化治療和準(zhǔn)確預(yù)后。此外，我們提供了每個重要預(yù)后因素的估計點，以提高臨床應(yīng)用。

我們的研究也有一些局限性。首先，本研究是對現(xiàn)有選擇性偏倚的回顧性分析。并且SEER數(shù)據(jù)庫沒有描述詳細(xì)的化療方案和靶向治療，這阻礙了進一步亞組分析的進行。然后，用SEER數(shù)據(jù)驗證了該列線圖預(yù)測的有效性，缺乏真實數(shù)據(jù)的驗證。

綜上所述，我們開發(fā)了一個新的列線圖模型來預(yù)測同時性mCRC患者的CSS。模型的驗證表明，該模型具有較好的鑒別性和一致性。風(fēng)險分級系統(tǒng)可以對mCRC患者的風(fēng)險水平進行分級，準(zhǔn)確評估預(yù)后，指導(dǎo)治療。