黃坤，黃正紅，趙攀，趙平武，何運(yùn)勝，白斗

（1.四川省綿陽(yáng)市中醫(yī)醫(yī)院 普通外科，四川 綿陽(yáng) 621000；2.成都中醫(yī)藥大學(xué)醫(yī)學(xué)技術(shù)學(xué)院，四川 成都 611137；3.四川省綿陽(yáng)市中心醫(yī)院 血管外科，四川 綿陽(yáng) 621000）

方法：提取SEER 數(shù)據(jù)庫(kù)中2000—2019年期間經(jīng)病理確診的GSCC患者的臨床資料，按照7∶3的比例，將數(shù)據(jù)隨機(jī)劃分為訓(xùn)練集和驗(yàn)證集，在訓(xùn)練集中，分別采用多變量Cox比例風(fēng)險(xiǎn)模型和LASSO回歸篩選影響GSCC患者預(yù)后的獨(dú)立因素，利用這些因素，構(gòu)建用于預(yù)測(cè)GSCC患者在3個(gè)月和6個(gè)月的腫瘤特異性生存期（CSS）和總生存期（OS）的列線圖模型。隨后，在訓(xùn)練集中，利用一致性指數(shù)（C指數(shù)）、ROC曲線和校準(zhǔn)曲線，分別在訓(xùn)練集和驗(yàn)證集，對(duì)模型進(jìn)行內(nèi)部和外部驗(yàn)證，以評(píng)估模型的準(zhǔn)確度和預(yù)測(cè)能力。

結(jié)果：本研究共納入257例患者，其中訓(xùn)練集179例，驗(yàn)證集78例。在訓(xùn)練集和驗(yàn)證集中，患者的中位隨訪時(shí)間分別為3（1～7）個(gè)月和4（2～8）個(gè)月。兩組之間基線資料均衡可比。多變量Cox比例風(fēng)險(xiǎn)模型分析顯示，年齡、SEER分期、手術(shù)和化療是GSCC患者OS和CSS的獨(dú)立影響因素（均P＜0.05）。LASSO回歸分析顯示，年齡、SEER分期、放療、手術(shù)和化療與GSCC患者的OS相關(guān)；年齡、SEER分期、手術(shù)和化療與GSCC患者的CSS相關(guān)。基于這些獨(dú)立預(yù)后影響因素，構(gòu)建了用于預(yù)測(cè)GSCC患者在3、6個(gè)月的OS和CSS的列線圖。對(duì)模型的驗(yàn)證結(jié)果表明，訓(xùn)練集和驗(yàn)證集中，OS的C指數(shù)分別為0.739（95% CI=0.700～0.780）和0.729（95% CI=0.660～0.800）；CSS的C指數(shù)分別為0.750（95% CI=0.710～0.790）和0.741（95% CI=0.670～0.810）。ROC曲線分析顯示，曲線在訓(xùn)練集和驗(yàn)證集的AUC值均＞0.8；校準(zhǔn)曲線分析表明，通過(guò)模型預(yù)測(cè)的3、6個(gè)月的OS和CSS與GSCC患者真實(shí)的3、6個(gè)月的OS和CSS有較好的重合，兩者均靠近理想的45°參考線，表現(xiàn)出良好的一致性。

結(jié)論：年齡、SEER分期、手術(shù)、放療和化療是GSCC患者預(yù)后的獨(dú)立影響因素。所構(gòu)建的列線圖預(yù)測(cè)模型具有良好的預(yù)測(cè)價(jià)值，有利于臨床對(duì)GSCC患者選擇個(gè)性化治療。

膽囊癌是一種預(yù)后極差的高度惡性腫瘤，其發(fā)病率約為1～2/10萬(wàn)，約占膽道系統(tǒng)惡性腫瘤的80%～90%[1-3]。未接受手術(shù)治療的患者，其5年總生存率僅為15.6%[4]。在組織學(xué)分型上，腺癌是最常見(jiàn)的組織學(xué)類型，約占膽囊癌的90%～95%[5]。

膽囊鱗狀細(xì)胞癌（gallbladder squamous cell carcinoma，GSCC）是膽囊癌中一種罕見(jiàn)的病理學(xué)類型，其構(gòu)成比約為1%～4%[6-7]。GSCC的預(yù)后極差，其中位生存時(shí)間約為5個(gè)月[8-9]。目前尚缺乏有關(guān)GSCC預(yù)后的高質(zhì)量大樣本臨床研究[6,8,10-15]。病理學(xué)類型是影響惡性腫瘤患者預(yù)后的重要因素，同時(shí)也是臨床治療決策制定的重要參考[16-18]。然而，現(xiàn)有的膽囊癌診療指南主要針對(duì)的是腺癌[19]，因此，有必要制定專門針對(duì)GSCC的臨床預(yù)后評(píng)價(jià)工具。

本研究基于美國(guó)國(guó)家癌癥研究所監(jiān)測(cè)、流行病學(xué)和最終結(jié)果（the surveillance，epidemiology and end results，SEER）數(shù)據(jù)庫(kù)臨床病例樣本量大、資料豐富的特點(diǎn)[17,20]，構(gòu)建GSCC患者預(yù)后列線圖，旨在精準(zhǔn)化、個(gè)體化評(píng)價(jià)GSCC患者的預(yù)后，為臨床決策制定提供參考。

1 資料與方法

1.1 資料來(lái)源

利用 SEER*Stat v8.3.9軟件提取SEER數(shù)據(jù)庫(kù)（隨訪截止日期為2019年12月31日）中，2000—2019年期間通過(guò)病理學(xué)確診的GSCC患者的臨床隨訪資料[21]。

1.2 納入和排除標(biāo)準(zhǔn)

納入標(biāo)準(zhǔn)：⑴ 初診時(shí)原發(fā)腫瘤為GSCC；⑵ 確診方式為病理學(xué)確診；⑶ 確診年份為2000—2019年；⑷ ICD-O-3編碼為：“8070/3”“8071/3”“8072/3”“8074/3”“8075/3”“8083/3”。排除標(biāo)準(zhǔn)：⑴ 多源性腫瘤；⑵ 經(jīng)過(guò)尸檢或死亡證明確診的病例；⑶ 研究指標(biāo)無(wú)法獲取；⑷ 臨床或隨訪信息記錄不完整。

1.3 提取數(shù)據(jù)

參照筆者[17,21-22]先前的研究，提取患者的診斷年齡、種族、性別、原發(fā)腫瘤部位、治療信息、生存時(shí)間及生存結(jié)局等資料。結(jié)合文獻(xiàn)[21,23-24]報(bào)道，本研究中，年齡界定標(biāo)準(zhǔn)設(shè)置為60歲，依據(jù)GSCC患者的年齡、性別、種族、婚姻狀況、腫瘤分化程度、SEER分期、是否接受手術(shù)、放療和化療，對(duì)其臨床資料進(jìn)行分組后用于后續(xù)分析。

1.4 統(tǒng)計(jì)學(xué)處理

本研究的研究終點(diǎn)為患者的癌癥特異性生存期（cancer-specific survival，CSS）和總生存期（overall survival，OS）。CSS被定義為：診斷至隨訪截止或因GSCC死亡的時(shí)間，非GSCC死亡和失訪數(shù)據(jù)被視為刪失數(shù)據(jù)；OS被定義為：診斷至隨訪截止或任何病因死亡的時(shí)間，失訪數(shù)據(jù)被視為刪失數(shù)據(jù)。應(yīng)用Stata/MP 16.0軟件和R（version 4.2.3）軟件進(jìn)行統(tǒng)計(jì)分析。正態(tài)分布計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差（±s）表示，非正態(tài)分布計(jì)量資料采用中位數(shù)（四分位間距）[M（IQR）]描述，計(jì)數(shù)資料采用率表示，組間對(duì)比采用χ2檢驗(yàn)。采用Kaplan-Meier法計(jì)算生存率，生存率比較采用Logrank法，采用單（多）因素Cox比例風(fēng)險(xiǎn)模型和LASSO（least absolute shrinkage and selection operator）回歸進(jìn)行獨(dú)立預(yù)后因素分析并計(jì)算風(fēng)險(xiǎn)比（HR）及對(duì)應(yīng)95%置信區(qū)間（CI）。按照7∶3將數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練集和驗(yàn)證集，訓(xùn)練集用于列線圖模型的構(gòu)建及其內(nèi)部驗(yàn)證，驗(yàn)證集被用于外部驗(yàn)證。通過(guò)Bootstrap 1 000次重抽樣的方法，繪制校準(zhǔn)曲線對(duì)模型準(zhǔn)確度進(jìn)行驗(yàn)證；計(jì)算一致性指數(shù)（C指數(shù)）對(duì)模型區(qū)分度進(jìn)行驗(yàn)證。所有檢驗(yàn)均為雙側(cè)尾。檢驗(yàn)水準(zhǔn)α=0.05。

2 結(jié) 果

2.1 納入患者的基線特征

本研究共納入257例GSCC患者，按照7∶3的比例，將257例患者隨機(jī)分為訓(xùn)練集和驗(yàn)證集，其中訓(xùn)練集179例，驗(yàn)證集78例。兩組患者的基線特征均衡（均P＞0.05）（表1）。

表1 GSCC患者的臨床基線特征[n（%）]Table 1 The baseline demographics and clinical characteristics of patients with GSCC [n (%)]

2.2 GSCC患者的預(yù)后分析

2.2.1 單變量Cox比例風(fēng)險(xiǎn)模型分析 在建模組179例患者中，中位隨訪3（1～7）個(gè)月。在驗(yàn)證組78例患者中位隨訪4（2～8）個(gè)月。生存情況的單變量Cox比例風(fēng)險(xiǎn)模型分析結(jié)果顯示，年齡、腫瘤分化程度、SEER分期、手術(shù)、化療、放療均與患者的OS及CSS明顯有關(guān)（均P＜0.05）（表2）。

表2 GSCC患者OS與CSS影響因素的單變量Cox分析Table 2 Univariate Cox regression analysis for CSS and OS in GSCC patients

2.2.2 多變量Cox比例風(fēng)險(xiǎn)模型分析 根據(jù)單變量Cox比例風(fēng)險(xiǎn)模型分析結(jié)果，將有統(tǒng)計(jì)學(xué)意義的變量進(jìn)一步納入多變量Cox比例風(fēng)險(xiǎn)模型分析，結(jié)果顯示，年齡、SEER分期、手術(shù)和化療是OS和CSS的獨(dú)立影響因素（均P＜0.05）（圖1）。

圖1 基于多變量Cox回歸分析森林圖 A：OS；B：CSSFigure 1 Forest plots using multivariate Cox regression analysis A: OS; B: CSS

2.2.3 LASSO回歸分析 LASSO方法的原理是在最小二乘法的基礎(chǔ)上增加一個(gè)懲罰項(xiàng)來(lái)壓縮估計(jì)參數(shù)，進(jìn)而對(duì)預(yù)后影響較大的自變量進(jìn)行自動(dòng)篩選并計(jì)算出相應(yīng)的回歸系數(shù)。模型篩選的主要參數(shù)是lambda.min和lambda.1se。前者是指，獲得最小目標(biāo)參量均值的 λ值，而后者是指在lambda.min一個(gè)方差se范圍內(nèi)得到最簡(jiǎn)單模型的λ值。由于λ值到達(dá)一定值之后，再繼續(xù)增加模型自變量個(gè)數(shù)并不顯著地提高模型性能，因此，lambda.1se可以給出一個(gè)性能優(yōu)良，同時(shí)自變量數(shù)最少的模型。為了能更準(zhǔn)確而全面地篩選出，影響GSCC患者預(yù)后的獨(dú)立因素，并且盡可能減少變量共線性對(duì)結(jié)果的影響，同時(shí)采用LASSO回歸分析（基于10折交叉驗(yàn)證方法）進(jìn)一步篩選變量。結(jié)果顯示，年齡、SEER分期、放療、手術(shù)和化療患者OS相關(guān)；年齡、SEER分期、手術(shù)和化療與患者CSS相關(guān)（圖2）。

圖2 基于LASSO回歸的特征選擇 A：LASSO回歸系數(shù)隨Log（λ）的變化曲線（OS）；B：基于10折交叉驗(yàn)證C指數(shù)隨Log（λ）的變化曲線（OS）；C：LASSO回歸系數(shù)隨Log（λ）的變化曲線（CSS）；D：基于10折交叉驗(yàn)證C指數(shù)隨Log（λ）的變化曲線（CSS）Figure 2 Feature selection based on LASSO regression A: Curve of LASSO regression coefficients with changing Log(λ) (OS);B: Curve of 10-fold cross-validated C-index with changing Log(λ) (OS); C: Curve of LASSO regression coefficients with changing Log(λ) (CSS); D: Curve of 10-fold cross-validated C-index with changing Log(λ) (CSS)

2.3 GSCC患者生存預(yù)測(cè)模型的構(gòu)建

在本研究中，年齡、SEER分期、放療、化療和手術(shù)與GSCC患者的OS和CSS相關(guān)（圖3-4）?；谂R床重要性、多變量Cox回歸和LASSO回歸，上述5個(gè)變量最終被選出用于預(yù)測(cè)GSCC患者在3、6個(gè)月的OS和CSS的列線圖的構(gòu)建。圖中每個(gè)臨床特征都將被賦予相應(yīng)的分值，所有變量的分值之和等于總得分（total points），其總得分越低，預(yù)后越好。根據(jù)總得分即可對(duì)不同時(shí)間點(diǎn)GSCC患者的OS和CSS做出臨床預(yù)測(cè)（圖5）。

圖4 訓(xùn)練集中GSCC患者基于5個(gè)變量的CSS曲線Figure 4 CSS curves for GSCC patients in the training set based on five variables

圖5 預(yù)測(cè)GSCC患者3、6個(gè)月預(yù)后的列線圖 A：OS；B：CSSFigure 5 Nomograms predicting the 3- and 6-month prognosis for GSCC patients A: OS; B: CSS

2.4 GSCC患者生存預(yù)測(cè)模型的驗(yàn)證

為了評(píng)價(jià)模型的區(qū)分度，分別在訓(xùn)練集和驗(yàn)證集中計(jì)算C指數(shù)和AUC值（表3）并繪制ROC曲線（圖6），結(jié)果顯示在訓(xùn)練集和驗(yàn)證集中，均有良好的預(yù)測(cè)價(jià)值。為了評(píng)價(jià)模型的準(zhǔn)確度，采用Bootstrap法對(duì)模型進(jìn)行內(nèi)部驗(yàn)證和外部驗(yàn)證，自抽樣次數(shù)B=1 000，并繪制校準(zhǔn)曲線。驗(yàn)證結(jié)果顯示，在訓(xùn)練集（內(nèi)部）與驗(yàn)證集（外部）中，GSCC患者的3、6個(gè)月的OS和CSS校正曲線均靠近理想的45°參考線，表明模型預(yù)測(cè)值與實(shí)際值之間具有良好的一致性（圖7）。

圖6 訓(xùn)練集和驗(yàn)證集中模型3、6個(gè)月預(yù)測(cè)能力驗(yàn)證的ROC曲線Figure 6 ROC curves for the 3- and 6-month predictive ability validation of the model in the training and validation sets

圖7 訓(xùn)練集和驗(yàn)證中3、6個(gè)月OS與CSS的校準(zhǔn)曲線Figure 7 Calibration curves for 3- and 6-month OS and CSS in the training and validation sets

表3 訓(xùn)練集和驗(yàn)證集中模型的C指數(shù)和AUC值Table 3 C-index and AUC values of the model in the training and validation sets

2.5 不同風(fēng)險(xiǎn)組GSCC患者的生存獲益

為了進(jìn)一步驗(yàn)證該模型在臨床實(shí)踐中的應(yīng)用價(jià)值，根據(jù)構(gòu)建的列線圖分別在訓(xùn)練集和驗(yàn)證集中計(jì)算出每個(gè)患者的總分值，并在訓(xùn)練集中采用X-tile軟件對(duì)其進(jìn)行危險(xiǎn)分層。其中對(duì)于OS和CSS，低風(fēng)險(xiǎn)組和高風(fēng)險(xiǎn)組的閾值分別為228分和251.1分。結(jié)果顯示，在驗(yàn)證集和訓(xùn)練集中該模型均能對(duì)GSCC患者的生存預(yù)后做出良好的區(qū)分（均P＜0.000 1）（圖8）。

圖8 不同風(fēng)險(xiǎn)患者的生存曲線 A：訓(xùn)練集OS；B：訓(xùn)練集CSS；C：驗(yàn)證集OS；D：驗(yàn)證集CSSFigure 8 Survival curves for OS and CSS of patients with different risks A: OS for the training set; B: CSS for the training set;C: OS for the validation set; D: CSS for the validation set

3 討 論

GSCC發(fā)病罕見(jiàn)、預(yù)后差[7,25]，在臨床實(shí)踐中，缺乏針對(duì)性的預(yù)后評(píng)價(jià)工具。本研究顯示，年齡、SEER分期、手術(shù)、放療和化療是患者預(yù)后的獨(dú)立影響因素。60歲以上GSCC患者的OS和CSS均更差。同本研究的結(jié)論類似，黃漢生[26]在對(duì)膽囊癌的預(yù)后分析中顯示，≥65歲患者的總死亡風(fēng)險(xiǎn)OS（HR=1.389，P＜0.001）和腫瘤特異性死亡風(fēng)險(xiǎn)均更高（HR=1.216，P=0.009）。此外，在乳腺癌[27]、卵巢癌[28]、肝癌[29]和軟組織肉瘤[17]中，年齡同樣是影響患者預(yù)后的獨(dú)立危險(xiǎn)因素。腫瘤分期作為影響預(yù)后的獨(dú)立因素為臨床所熟知。在本研究和其他一些研究中均得到印證[24,29-31]。手術(shù)、化療和放療是膽囊癌主要的治療手段[19]。本研究發(fā)現(xiàn)手術(shù)和化療是GSCC患者預(yù)后的獨(dú)立影響因素，能明顯提高患者的OS和CSS。Leigh等[2]在一項(xiàng)回顧性隊(duì)列研究（含76例膽囊腺癌、12例腺鱗癌和3例鱗癌）中顯示，R0切除能明顯提高患者的OS（HR=0.01，95%CI=0.01～0.08，P＜0.001）。Chen等[10]在另一項(xiàng)回顧性傾向性評(píng)分匹配隊(duì)列研究（含242例膽囊腺癌和121例膽囊鱗癌）也表明手術(shù)治療能提高患者的OS（HR=0.406，95%CI=0.271～0.609，P＜0.001）和CSS（HR=0.418，95%CI=0.209～0.837，P=0.014）。本研究結(jié)果表明，相比于未接受化療的患者，化療患者的總死亡風(fēng)險(xiǎn)和腫瘤特異性死亡風(fēng)險(xiǎn)均降低64%。在一項(xiàng)隨機(jī)多中心臨床3期試驗(yàn)（BILCAP）[32]，及Takada等[33]、龔奇等[34]的研究中，化療均被證實(shí)能使膽囊癌明顯獲益。膽囊癌的放療價(jià)值目前尚未達(dá)成一致的共識(shí)[19]，然而，有研究[21,35]表明，放療能使膽囊癌患者獲益。本研究通過(guò)LASSO回歸分析表明，放療是影響患者OS的獨(dú)立因素。此外，在其他類型的腫瘤中放療也被證實(shí)可以降低局部復(fù)發(fā)、提高R0切除率等[36-38]。

列線圖被廣泛用于腫瘤預(yù)后的評(píng)價(jià)[39]，它可以個(gè)體化地預(yù)測(cè)患者的生存概率，并形象化地展示，并且能幫助臨床醫(yī)師針對(duì)性地制定臨床決策。在本研究中，研究者基于上述GSCC患者預(yù)后的獨(dú)立影響因素，成功構(gòu)建了用于預(yù)測(cè)GSCC患者3、6個(gè)月OS和CSS的預(yù)測(cè)模型。進(jìn)一步通過(guò)對(duì)該預(yù)測(cè)模型的驗(yàn)證顯示，其具有良好的準(zhǔn)確度和一致性，不僅可以幫助臨床醫(yī)師對(duì)患者的預(yù)后做出更準(zhǔn)確的判斷，同時(shí)也能區(qū)分患者是否屬于高危人群，從而輔助臨床醫(yī)師針對(duì)患者做出個(gè)體化的臨床決策。例如：1例患者，年齡≥60歲，接受手術(shù)和化療，沒(méi)有接受放療，已出現(xiàn)遠(yuǎn)處轉(zhuǎn)移。該患者的OS模型總得分為270分，其3、6個(gè)月的累積生存率分別為77.6%和61.7%；該患者的CSS模型總得分為239分，其3、6個(gè)月的累積生存率分別為79.1%和61.9%。有研究[31]指出，影響患者的OS的因素相對(duì)復(fù)雜，而相比之下CSS顯得更加重要。本研究進(jìn)一步根據(jù)CSS對(duì)上述患者進(jìn)行危險(xiǎn)分層。由于其總分239分低于閾值251.1分，因而，判斷該患者可能為低?；颊?，預(yù)后相對(duì)較好；相反，如果某患者通過(guò)該模型計(jì)算出的總分高于閾值，就可能為高危人群，預(yù)后相對(duì)較差，需要給予更多臨床關(guān)注，制定更密集的隨訪周期和個(gè)體化、精準(zhǔn)化治療方案。

本研究的不足之處：首先，本研究是回顧性研究，存在一定的選擇偏倚。其次，SEER數(shù)據(jù)庫(kù)中一些信息（例如：具體的放化療方案、并發(fā)癥、腫瘤復(fù)發(fā)信息等）的缺失，可能成為影響預(yù)后的混雜因素。最后，納入研究的病例數(shù)中，部分組別病例數(shù)較少，構(gòu)成比不均衡，可能影響檢驗(yàn)效能。

綜上所述，筆者認(rèn)為年齡、SEER分期、手術(shù)、放療和化療是患者預(yù)后的獨(dú)立影響因素?；谶@些因素所構(gòu)建的預(yù)后預(yù)測(cè)模型對(duì)臨床實(shí)踐有較好的參考作用。

利益沖突：所有作者均聲明不存在利益沖突。

作者貢獻(xiàn)聲明：黃坤、白斗共同設(shè)計(jì)研究；黃正紅和趙攀完成數(shù)據(jù)提取、整理和分析；黃正紅制作表格和圖片；黃坤撰寫初稿；何運(yùn)勝和趙平武校正圖表；白斗完成最后全文校正。