基于陰性淋巴結數(shù)目的胃印戒細胞癌預后評估模型的建立與驗證

李金洲，汪文杰，姚亞龍，穆彥熹，陳康，沈亦敏，王舟，黃澤平，陳曉

0 引言

過去幾十年全球胃癌的發(fā)病率和死亡率逐步下降，胃印戒細胞癌（gastric signet ring cell carcinoma,GSRC）作為其中一種特殊的病理類型在胃腺癌中的比例不斷上升，達到了35%～45%[1]。GSRC與非GSRC相比，特點是易侵襲、進展迅速、轉移風險極高和預后較差[2]。據(jù)報道，早期GSRC預后優(yōu)于其他類型的胃腺癌，而晚期GSRC患者通常預后較差，5 年總生存率（overall survival,OS）不足25%[3]。因此早期識別GSRC患者的預后危險因素對臨床醫(yī)生進行個體化評估與制定診療方案具有重要意義。

目前已有研究證實p-TNM、腫瘤大小、化療、腹膜轉移及微衛(wèi)星不穩(wěn)定等與GSRC患者預后相關[4]。目前p-TNM分期系統(tǒng)中T分期通過原發(fā)腫瘤的病理檢查即可確定，但精確的N分期很難確定，N分期僅指陽性淋巴結（positive lymph node,PLN），PLN計數(shù)很大程度上取決于所檢查的淋巴結總數(shù)，但僅檢查少量淋巴結可能無法準確預測。送檢淋巴結不僅包含PLN，也包含陰性淋巴結（negative lymph node,NLN），雖然陰性淋巴結數(shù)目（negative lymph node count,NLNC）與腫瘤分期無關，但它幾乎不受檢索到的淋巴結數(shù)目的影響[5]，表明NLNC可以被視為一個重要的標志物，甚至可能是改善預后的必要條件[6]。近年來有學者在多種實體腫瘤如食管癌[7-8]、非小細胞肺癌[9]、結直腸癌[10-11]、宮頸癌[12]和肝門部膽管癌[13]中證實了NLNC的增加可以改善腫瘤患者的預后，同樣在胃癌[14-15]中也證實了這一點，但是針對GSRC這一特殊的病理類型尚未有研究。

目前臨床上缺乏一種基于NLNC準確預測GSRC患者OS的有效工具。本回顧性研究的目的是探究NLNC對GSRC預后的影響并聯(lián)合其他臨床病理因素構建個體化列線圖模型。

1 資料與方法

1.1 資料來源

本研究所有數(shù)據(jù)全部來自美國“監(jiān)測、流行病學和結果（Surveillance,Epidemiology,and End Results,SEER）”數(shù)據(jù)庫，簽訂SEER主管部門批準本研究數(shù)據(jù)使用協(xié)議后通過SEER*Stat 8.3.9從數(shù)據(jù)庫中下載提取GSRC患者資料。

1.2 患者納排標準及信息提取

1.2.1 患者納入及排除標準 從數(shù)據(jù)庫中導出所有GSRC（編碼為8490/3）患者數(shù)據(jù)。納入標準：（1）組織病理學診斷為GSRC；（2）有且只有一種原發(fā)腫瘤；（3）確診時間為2004年1月1日至2015年12月31日；排除標準：（1）臨床病理信息不完整；（2）術后生存時間小于1月；（3）發(fā)生遠處轉移或遠處轉移情況未確定。

1.2.2 信息提取 提取患者的年齡、性別、種族、腫瘤大小、部位、組織學等級、pTNM分期、檢查淋巴結總數(shù)（examined lymph nodes count,ELNC）、NLNC及生存資料等信息。pTNM分期遵循第8版美國癌癥聯(lián)合會（AJCC）和國際抗癌聯(lián)盟（UICC）制訂的分期系統(tǒng)。

1.3 統(tǒng)計學方法

采用統(tǒng)計軟件SPSS25.0及R4.0.3版本。用隨機數(shù)字法將納入研究的2 101例GSRC患者按7:3比例隨機分為建模組和驗證組。分類資料采用計數(shù)法，并計算其百分比，χ2或Fisher精確檢驗比較組間差異。

X-tile軟件計算腫瘤大小、ELNC、NLNC的最佳分組截斷值。腫瘤部位根據(jù)第三版日本胃癌指南[16]劃分為上中下三部分?？ǚ綑z驗分析建模組和驗模組患者臨床病理信息的差異；Log rank法分析清掃不同NLNC患者的預后并制作Kaplan-Meier生存曲線。單因素和多因素Cox比例風險模型確定獨立預后因素；R語言構建Nomogram圖并計算C-index，越接近1表示預測模型精度越好。校準曲線越靠近45°參考線，說明預測值與真實值越接近。檢驗水準α=0.05。凈分類指數(shù)（net reclassification index,NRI）、綜合判別指數(shù)（integrated discrimintion improvement,IDI）、臨床決策曲線（decision curve analysis,DCA）曲線對預測模型的臨床適用性進行評價。

2 結果

2.1 研究對象的臨床病理學特征

2.1.1 研究對象篩選流程 從SEER數(shù)據(jù)庫中共導出20 055例GSRC患者資料，最終2 101例GSRC患者被納入本研究，篩選過程見圖1。

2.1.2 患者的臨床病理學特征 建模組1 473例、驗證組628例。兩組的人口統(tǒng)計學和臨床病理特征見表1。兩組患者年齡、種族、性別、分化等級、腫瘤部位、大小、p-T分期、p-N分期、ELNC和NLNC間差異無統(tǒng)計學意義（P＞0.05），有可比性。

表1 建模組和驗證組患者的人口統(tǒng)計和病理特征Table 1 Demographic and clinicopathologic variables in modeling and verification groups

2.2 預后影響因素分析

2.2.1 X-tile計算腫瘤大小、ELNC及NLNC的截斷值并繪制生存曲線 X-tile軟件計算了不同腫瘤大小、ELNC及NLNC對GSRC患者OS的影響，并構建X-tile圖，見圖2A～C，將NLNC=10（χ2max=13.2079,P=0.0086）作為最佳截斷值。同法計算出腫瘤大小和ELNC的截斷值分別為8.0 cm（χ2max=1.7032,P=1.000）和ELNC=16（χ2max=10.5084,P=0.0295），并繪制了各自的生存曲線，見圖2D～F。NLNC＞10較NLNC≤10組，其HR=0.482（95%CI: 0.423～0.549,P＜0.001），GSRC 患者的5 年OS 由28.5%增加到54.5%（P＜0.001）；腫瘤大?。?.0 cm較≤8.0 cm的5年OS由45.0%下降至16.9%（P＜0.001）；ELNC＞16與ELNC≤16對GSRC患者5年OS影響差異無統(tǒng)計學意義（P=0.0962）。

2.2.2 單因素分析 患者的3、5年OS與年齡、種族、腫瘤大小、腫瘤部位、p-T分期、p-N分期和NLNC均有關（P＜0.05），而與性別、分化等級、ELNC均無關（P＞0.05），見表2。

2.2.3 多因素Cox比例風險模型分析 腫瘤越大，p-T和p-N分期越高、NLNC越小時HR值越高（均P＜0.001），預后越差；此外，女性與男性患者的OS未見明顯差異，與單因素分析結果一致；年齡＜45歲與45～59歲患者預后無差異，但年齡≥60歲GSRC患者預后明顯較差（P＜0.001）；白種人預后與黑種人無差異，亞洲人群預后較白種人預后好（P=0.002）；腫瘤在胃中部及下部的3年、5年OS較胃上部好（P＜0.001），見表2。

表2 建模組1473例GSRC患者生存預后的單因素及多因素分析結果Table 2 Univariate and multivariate analyses of overall survival of 1473 GSRC patients in modeling group

2.2.4 基于NLNC分組在不同p-T、p-N分期上的分層分析 亞組分析顯示NLNC在不同p-T、p-N分期上仍然被證明是GSRC患者的獨立預后因素，見表3。在不同病理分期上，NLNC＞10與≤10相比預后明顯較好。

2.3 Nomogram的建立、驗證和評價

2.3.1 Nomogram圖的建立 R軟件構建Nomogram圖，其納入了多因素Cox風險比例回歸模型中的全部獨立預后因素，包括年齡、種族、腫瘤部位、大小、pT、pN及NLNC，其對GSRC患者3、5年OS的預測結果，見圖3。每一個納入模型的變量在小標尺上有對應的分值，最終得到總分向下做垂線即得出患者相對應的OS。此Nomogram圖可以根據(jù)患者不同的臨床病理特征對個體的OS進行預測。

2.3.2 模型的評價

2.3.2.1 模型的內部及外部驗證 C-index評估模型準確性；校準曲線評估預測值與實際生存情況的一致性。重抽樣法對Nomogram模型進行內部和外部驗證，建模組的C-index為0.737（95%CI:0.720～0.753）；驗證組數(shù)據(jù)不參與建模，只用于模型的評價，其C-index為0.724（95%CI:0.699～0.749），說明構建模型預測的準確性良好。校準曲線結果顯示，建模組和驗證組的3年OS和5年OS的校準曲線均靠近45度參考線，表示實際值和預測值之間具有良好的一致性，見圖4。

2.3.2.2 新模型與傳統(tǒng)pTNM模型的比較 pTNM分期系統(tǒng)可以對GSRC患者的預后進行評估，將其定義為舊模型或傳統(tǒng)模型，本研究構建的納入NLNC的模型定義為新模型。計算得到新模型C-index為0.737（95%CI: 0.720～0.753），舊模型C-index為0.703（95%CI: 0.677～0.728），表明新模型的預測能力優(yōu)于舊模型；評價模型區(qū)分度的方式有C-index和NRI，兩者互為補充，NRI=0.1463，表明將死亡的風險劃分為低（P＜0.2）、中（0.2＜P＜0.4）和高（P＞0.4）風險時，新模型較舊模型重分類正確的比例提高了14.63%，連續(xù)NRI為36.34%，說明新模型明顯優(yōu)于舊模型；IDI為0.018（95%CI: 0.004～0.044,P=0.02），見圖5A，說明新模型預測能力較舊模型改善1.8%。新舊模型的DCA見圖5B，均遠離基準線，表明新舊模型均具有良好的臨床適用性，但兩者在0.3～0.9的閾值范圍內凈受益率差異不大，考慮到傳統(tǒng)模型納入變量較少，因此傳統(tǒng)的pTNM模型更具有臨床適用性，但在個體化的預測方面，新模型較舊模型具有明顯優(yōu)勢。

3 討論

目前GC淋巴結轉移仍是導致患者術后復發(fā)和死亡的獨立預后因素，現(xiàn)行AJCC第8版GC pTNM分期推薦送檢淋巴結數(shù)目≥16枚[17]，送檢淋巴結包括陽性淋巴結和陰性淋巴結，PLN固然重要，但也不能忽視NLN的重要性。由于NLN外觀不典型，外科醫(yī)生及病理學家取淋巴結活檢時容易忽略，導致那些存在陽性轉移而不明顯的“陰性淋巴結”被漏診，并且由于淋巴微轉移[18]的存在致使“假陰性”的陽性淋巴結不能被準確檢出[19]。此外NLNC增加的保護作用可能與腫瘤免疫有關，腫瘤周圍存在兩種腫瘤免疫，即抗腫瘤免疫和免疫耐受[20]。有研究表明在多種實體腫瘤如食管癌[7]、非小細胞肺癌[9]、結直腸癌[11]和乳腺癌[21]等中證實了NLNC增加可以改善腫瘤患者的預后，NLNC是GC患者術后OS的獨立預后因素[22-23]。本研究證實對GC患者預后有影響的ELNC失去了意義，與之前的報道結果相反[24]，這可能與納入研究的部分GSRC患者送檢淋巴結總數(shù)不足有關。此外，早期GSRC患者的5年OS為80.3%，與之前研究[25]中報道的早期GC患者5年OS為82.8%差別不大；本研究中低分化和未分化GSRC患者占比較大（97.1%），因而在統(tǒng)計學上，兩組的預后無差異；人種方面，亞洲人預后較白種人和黑種人好，本研究中3、5年OS為估計值，可能與真實生存率存在偏倚。

表3 NLNC分組在不同pT、pN分期上的GSRC患者的單因素Cox生存分析Table 3 Univariate Cox survival analysis of patients with GSRC grouped by NLNC in different pT and pN stages

有研究[26-27]表明，列線圖在預測癌癥患者生存率方面比傳統(tǒng)的pTNM分期更準確。目前已有研究建立了GSRC患者預后模型，Wang等[4]構建的GSRC患者OS預后模型納入了PLN數(shù)目、是否行放化療及其他臨床病理因素，模型的C-index為0.737；Guo等[28]構建了老年人GSRC患者OS的預后列線圖，其C-index為0.758；Lin等[29]構建了GSRC患者癌癥特異生存率（cancer specific survival,CSS）的模型，C-index為0.724，這幾類模型的預測準確性良好。與第8版AJCC分期相比，該模型具有更優(yōu)的預測準確性和區(qū)分效能，與Guo等[28]研究結果一致。本研究證實NLNC是GSRC患者的獨立預后因素，增加送檢的NLNC能明顯改善GSRC患者預后，并且基于NLNC構建的新模型預測效能優(yōu)于pTNM分期系統(tǒng)，NLNC這一病理指標在提高預后預測準確性方面有望成為pTNM分期系統(tǒng)的補充。

盡管本研究中納入的GSRC患者經過嚴格篩選，但仍存在一些局限。首先，SEER數(shù)據(jù)庫缺乏詳細的治療信息、CEA、CA199等重要的臨床指標，其次有部分患者的信息缺失，這可能導致模型準確性的偏差。另外，我國胃癌患者在流行病學特征、臨床病理學特征、腫瘤生物學特征、治療方式以及藥物選擇等方面與全球其他地區(qū)存在差異[30]。SEER數(shù)據(jù)庫收錄的大多是美國人群數(shù)據(jù)，該模型是否具有普遍適用性仍需進一步進行多中心的研究。