韋來鳳，洪超群，陳柳伊，許鎰洧，伍方財*

(1.江門市中心醫(yī)院/中山大學附屬江門醫(yī)院檢驗科，廣東 江門 529000；2.汕頭大學醫(yī)學院附屬腫瘤醫(yī)院腫瘤研究實驗室，廣東 汕頭 515041；3.汕頭大學醫(yī)學院附屬腫瘤醫(yī)院檢驗科，廣東 汕頭 515041；4.汕頭大學醫(yī)學院附屬腫瘤醫(yī)院放療科，廣東 汕頭 515041)

口腔鱗狀細胞癌(oral tongue squamous cell carcinoma，OSCC)是影響人類健康的惡性腫瘤之一，2022年美國OSCC新發(fā)病例約5.45萬例[1]。舌鱗狀細胞癌(tongue squamous cell carcinoma，TSCC)是最常見的OSCC 類型，發(fā)病率在全球范圍不斷上升[2]。TSCC 的預后相對較差，主要是由于較高的局部復發(fā)和頸部淋巴結、血液轉移以及遠處組織轉移[3]，并且病人通常會出現(xiàn)言語、咀嚼和吞咽障礙[4]。即使采用手術、放療、化療等聯(lián)合治療，TSCC患者的5年生存率仍不理想[5]。由于患者的臨床病理特征多樣，預測TSCC患者的預后對于選擇個性化的治療策略具有重要意義。

雖然TNM 分期系統(tǒng)是評估TSCC 預后的主要方法，但它完全基于疾病的解剖范圍，這對TSCC 患者的生存分析具有一定的局限性[6]。列線圖是一種簡單的、可靠的統(tǒng)計預測工具，它能夠合并基于患者和疾病特征的變量來評估個體化風險[7]。

此外，已經有相關研究報道血清學炎癥/免疫標志物與人類惡性腫瘤預后之間的關系，其中包括外周血中性粒細胞計數(shù)(neutrophil count，NC)、淋巴細胞計數(shù)(lymphocyte count，LC)、單核細胞計數(shù)(monocyte count，MC)和血漿B 因子(B factor，BF)等[8-9]。這些血清學標記物獲取容易，檢測方便。與此同時，這些血液指標的衍生物，如淋巴細胞與單核細胞計數(shù)的比值(lymphocyte-to-monocyte ratio，LMR)也可作為患者不良預后的獨立因素。

本研究首先探討B(tài)F、MC、LMR、TNM 分期與TSCC手術患者預后的關系，再根據(jù)這4個指標的評估價值建立了列線圖模型來預測TSCC 患者的預后，從而提供了一個新工具來協(xié)助指導TSCC 患者的臨床管理。

1 材料與方法

1.1 研究對象和數(shù)據(jù)收集

本研究是一項回顧性研究，收集2008 年7 月—2019 年1 月在汕頭大學醫(yī)學院附屬腫瘤醫(yī)院接受手術切除的167例TSCC患者的數(shù)據(jù)。納入標準：①經組織病理學診斷為TSCC；②診斷為TSCC 前無其他癌癥或自身免疫性疾病史；③所有患者均接受了初次手術切除，但術前未接受其他腫瘤相關治療；④所有患者均有完整的臨床資料和隨訪資料。本研究經汕頭大學醫(yī)學院附屬腫瘤醫(yī)院倫理委員會批準(批準號為2020054)，研究中所有的工作均符合《赫爾辛基宣言》原則。

收集患者的臨床基線數(shù)據(jù)，167 例患者中男性92例，女性75 例；中位年齡68 歲；吸煙與否分別為98和69 例；飲酒與否分別為35 和132 例；T 分期中T1+T2 期146 例，T3+T4 期21 例；N 分期中N0 期130 例，N1+N2+N3 期37 例；TNM 分期中早期(I+II)119 例，晚期(III+IV) 48例；腫瘤直徑0.8～6 cm。

腫瘤分期根據(jù)第八版國際抗癌聯(lián)盟/美國聯(lián)合癌癥委員會(AJCC)TNM 分期手冊進行分類[10]。收集患者術前潛在的預后相關血清學指標包括免疫球蛋白G(immunoglobulin G，IgG)、免疫球蛋白A(immunoglobulin A，IgA)、免疫球蛋白M(immunoglobulin M，IgM)、補體3(complement 3，C3)、補體4(complement 4，C4)、BF、C 反應蛋白(c-reactive protein，CRP)、白蛋白計數(shù)(albumin，ALB)、白細胞(white blood cell count，WBC)、血小板(platelets，PLT)、LC、MC、NC。LMR、血小板與淋巴細胞比值(platelet-tolymphocyte ratio，PLR)、中性粒細胞與淋巴細胞比值(neutrophil-to-lymphocyte，NLR)、C 反應蛋白與白蛋白比值(c-reactive protein/albumin ratio，CAR)、系統(tǒng)免疫-炎癥評分(systemic immune-inflammation score，SII)均由這些血液指標進一步計算得出。LMR為LC與MC的比值，SII由公式(SII=NC×LC/PLT)計算得出。

1.2 患者隨訪

通過檢索病歷、電子郵件和電話，獲取患者生存隨訪數(shù)據(jù)。所有患者均隨訪至死亡或截至日期2019年6 月30 日。在本研究中，總生存期(overall survival，OS)是指從最初診斷到任何形式的死亡或最后一次隨訪時間的間隔，患者中位隨訪時間為41個月，最小和最大隨訪時間分別為1和130個月。

1.3 預后模型的建立與評估

本研究將連續(xù)變量轉化為分類變量，通過X-tile軟件得到連續(xù)變量的最佳截斷值[11]。采用Cox 比例風險回歸分析確定OS 的預后因素，采用K-M 生存分析法分析兩組間OS的差異。將在單因素Cox回歸分析中P≤0.10(雙側)的變量采用向后逐步法進行多因素Cox回歸分析?；诙嘧兞糠治鼋Y果，將P≤0.05(雙側)的變量用來構建終點分別為1 年、3 年和5 年OS 的列線圖預后模型。采用采用赤池信息準則(akaike information criterion，AIC)、貝葉斯信息準則 (bayesian information criterion，BIC) 和C-指 數(shù)(concordance index，C-index)檢驗列線圖的預測準確性和鑒別能力，并將列線圖與單獨的預后因素以及TNM分期進行比較。此外，使用校準曲線來評估列線圖模型對1年、3 年和5 年OS 的預測能力，并進行決策曲線分析來評估列線圖的臨床效用。

1.4 統(tǒng)計學分析

使用SPSS 22.0 軟件和R 3.6.1 進行統(tǒng)計學分析，采用單因素和多因素Cox 回歸模型計算風險比(hazard ratio，HR)和95%置信區(qū)間(confidence intervals，CI)評估預后變量對OS的影響。采用Kaplan-Meier生存分析繪制生存曲線，采用Log-rank 檢驗方法和R 軟件中的survminer 和survival 進行比較。利用R軟件中的rms 包繪制列線圖、決策曲線和校準曲線，用R 軟件中的pec 和Hmisc 包進行C-指數(shù)分析并繪制時間依賴的C-指數(shù)曲線。所有統(tǒng)計學檢驗均為雙側，P<0.05為差異具有統(tǒng)計學意義。

2 結果

2.1 患者特征

本研究選擇了167 名具有完整臨床和實驗室基線數(shù)據(jù)的TSCC 患者。各連續(xù)變量的最優(yōu)切截斷值以及患者的血液相關指標和臨床特征見表1。

表1 167例患者的血液相關指標和臨床特征

2.2 單因素與多因素Cox比例風險回歸分析

單因素分析顯示，年齡、T 分期、N 分期、TNM分期、腫瘤大小、IgG、BF、ALB、WBC、PLT、LC、MC、LMR、SII 與TSCC 患者的OS 相關。隨后，將這些因素納入多因素Cox 比例風險回歸分析，結果顯示，BF、MC、LMR和TNM分期仍然是OS的重要獨立預后因素(表2 和圖1)。根據(jù)多變量Cox 比例風險回歸分析，將影響TSCC患者OS的4個獨立預后因素的HR和95%CI 進行可視化(圖1)。此外，Kaplan-Meier 生存分析結果顯示低水平BF、MC、LMR以及TNM晚期患者的OS更短(圖2)，這些結果均表明BF、MC、LMR以及TNM 分期可作為TSCC 病人預后不良潛在的獨立的預測因子。

圖1 基于Cox比例風險回歸分析的可視化結果

圖2 TSCC患者OS的Kaplan-Meier曲線分析

表2 TSCC患者OS的單因素Cox風險比回歸分析

2.3 列線圖的構建和患者OS的預測

根據(jù)多因素Cox 回歸分析結果，將潛在的獨立預后因子BF、MC、LMR以及TNM分期用來建立1年、3年和5年OS列線圖預后預測模型(圖3)。根據(jù)這些變量計算出的加權總分用于評估接受手術治療的TSCC 患者的1 年、3 年和5 年的OS，結果顯示，BF、MC、LMR 和TNM 分期與OS密切相關，并且5年的OS概率小于50%(圖3)。在這4個變量中，每個因素均被分配了一些風險點，這些風險點是通過從相應的預測值中直接向上畫一條到“點”軸的直線而得到的，每個預后因素重復這個過程，然后對每個協(xié)變量獲得的點相加得到總點，最后直接向下畫一條到“總點”軸的垂直線，以確定患者在1年、3年和5年的OS概率?！翱傸c”得分越大，患者的OS就越差。

圖3 利用B因子、單核細胞計數(shù)、淋巴細胞與單核細胞比值和TNM分期的列線圖模型

2.4 列線圖的擬合優(yōu)度和預測能力的評估

用AIC、BIC 和C-指數(shù)分析檢驗了列線圖的擬合優(yōu)度和鑒別能力。結果如表3 所示，列線圖的AIC 和BIC 均低于BF、MC、LMR 以及TNM 分期，表明列線圖對預測OS 具有較高的優(yōu)度。列線圖的C-指數(shù)高于TNM期以及其他的預后因素(表3)。此外，時間依賴性C-指數(shù)分析還顯示，與TNM分期以及其他單一預后標志物相比，列線圖模型在患者1 年、3 年和5 年OS 的預測方面顯示出良好的預測準確性(圖4)。為了進一步評估列線圖的凈收益和預測能力，我們進行了決策曲線分析和校準曲線分析。1 年、3 年和5 年OS 的決策曲線分析結果顯示，在大多數(shù)合理的閾值概率范圍內，該預后模型比傳統(tǒng)的TNM分期具有更高的總體凈效益(圖5)。另外，校準曲線分析結果顯示，列線圖模型預測的OS預測與患者實際的OS具有良好匹配度(圖6)，說明了此列線圖模型具有較好的預測準確性。

圖4 時間依賴性C-指數(shù)曲線圖比較列線圖模型預測的準確性

圖5 B因子、單核細胞計數(shù)、淋巴細胞與單核細胞比值和列線圖的決策曲線分析

圖6 校準曲線圖

表3 AIC、BIC和C-指數(shù)分析

3 討論

TSCC是口腔中最具侵襲性的惡性腫瘤之一，預后相對較差[12]。目前，TSCC 患者的預后和治療主要由TNM 分期系統(tǒng)決定。然而，即使在TSCC 的同一階段，患者的預后仍然不同，因為預后受到多種因素的影響[13]。因此，為了尋找其他可靠的預后因素來補充TNM分期系統(tǒng)，以更好地預測患者的預后，并幫助指導治療。本研究使用Cox 比例風險回歸分析來確定BF、MC、LMR和TNM分期作為患者OS的獨立預測因素。然后，基于這4 個指標建立了列線圖模型來預測TSCC 患者OS，并進行了內部驗證。與傳統(tǒng)的TNM 階段系統(tǒng)相比，本列線圖顯示了更高的預測準確性和鑒別能力。

迄今為止，越來越多的研究表明，局部免疫反應和全身炎癥反應與各種類型腫瘤的進展和預后之間存在一定的聯(lián)系[14]。研究結果表明，有幾種術前外周血免疫/炎癥指標是預測腫瘤進展和預后的重要因素[15]。LMR 作為免疫/炎癥指標之一，本研究探討了其與TSCC 患者預后的相關性。據(jù)報道，已經有研究將LMR 納入癌癥預后的列線圖模型，其中包括胰腺癌[16]、結直腸癌[17]、舌癌[18-19]和其他實體腫瘤[20]。這些研究表明，術前低LMR 的患者具有較差的OS，而術前LMR 較高的患者具有更好的OS，本研究結果與之一致(P=0.036，HR=0.346；95%CI：0.129～0.931)。雖然LMR在腫瘤中的預后價值已基本確定，但其改善生存結果的具體機制有待進一步研究。LMR的定義為外周血淋巴細胞絕對計數(shù)除以外周血單核細胞絕對計數(shù)。因此，較低的LMR可能表明炎癥反應的失衡，這可能與體內的抗腫瘤免疫和有利的腫瘤生長微環(huán)境改變有關，從而影響患者預后。淋巴細胞在免疫反應中起著關鍵作用，可通過識別腫瘤抗原來破壞殘留的癌細胞[14]。腫瘤浸潤性淋巴細胞(tumor-infiltrating lymphocytes，TILs)被認為是負責細胞和體液的抗腫瘤免疫反應，有助于抑制腫瘤的增殖、侵襲和轉移，事實上，更高數(shù)量的TILs 與更好的臨床結果相關[21]。在前瞻性研究中發(fā)現(xiàn)，淋巴細胞減少與轉移性乳腺癌、非霍奇金淋巴瘤和軟組織肉瘤患者較差的OS 相關[22]，其減少提示可能存在免疫抑制，從而使機體傾向于免疫反應不足而影響預后。另一方面，較高的MC 水平被認為是轉移性黑色素瘤[23]和子宮頸癌[24]的不良預后因素。本研究發(fā)現(xiàn)，較低的外周血MC與TSCC術后患者的不良預后相關。

近年來，各種基于患者人口統(tǒng)計學和臨床病理參數(shù)的列線圖被用于評估TSCC 患者的生存情況，例如年齡、性別、種族、腫瘤部位、淋巴結轉移、腫瘤浸潤深度以及TNM 分期等[25-26]。另一方面，大多數(shù)研究表明，單一的血清學炎癥標志物，如C 反應蛋白[27]、血小板與淋巴細胞比值(PLR)[19]和LMR[18]可作為TSCC患者生存預測的獨立預后因素。然而，檢測單一標記物來預測TSCC 的預后價值似乎是有限的。為了提高預后的準確性，本研究納入了多個潛在的血液基礎指標和患者臨床病理指標并進行預后評估，以建立一個用于患者OS 預測的多變量預后列線圖模型。結果顯示，與傳統(tǒng)的TNM分期系統(tǒng)或任何單一的血清學炎癥標記物相比，基于BF、MC、LMR和TNM分期的列線圖模型具有更好的預后價值。類似地，Lu等[13]的一項研究也建立了一個結合患者的臨床病理因素和血清學炎癥標記物的列線圖來預測TSCC 患者的生存。然而，該研究中包含的血清學炎癥標記物為LMR、NLR、PLR 和SII，并且他們的列線圖構建是基于年齡、淋巴結密度(lymph node density，LND)和SII，與我們的方法有所不同。本研究收集了更多的血清學炎癥標志物以評估TSCC 患者生存的預后價值，如BF、C反應蛋白、白蛋白、WBC、血小板、LC、MC、C反應蛋白與白蛋白比值，這些在癌癥的發(fā)生發(fā)展中均起著重要作用，并可能對癌癥患者的生存預測具有潛在的預后價值[9，28-29]。此外，本研究發(fā)現(xiàn)BF和MC可以作為預測TSCC 患者生存的獨立預后因素，并且較高的BF水平和MC水平與TSCC患者更好的OS相關。

基于多因素Cox 回歸分析的結果，本研究的列線圖模型包括了4 個預后因素：BF、MC、LMR 和TNM分期。結果顯示，列線圖模型對預測TSCC 手術患者的OS 具有更好的擬合優(yōu)度，并且列線圖的C-指數(shù)遠高于TNM 分期。時間依賴性C-指數(shù)分析還顯示，與單獨的TNM 分期相比，列線圖在對TSCC 手術患者的臨床預后預測方面顯示出良好的預測準確性。同時，1 年、3 年和5 年OS 的決策曲線分析和校準曲線顯示，列線圖比TNM分期具有更高的預測精準度和總體凈效益。

綜上所述，本研究的列線圖有助于預測TSCC 手術患者的預后，并且可能對患者的治療決策提供新的見解。此外，本研究提供了一種基于臨床特征和血清學炎癥標記物的多參數(shù)列線圖預后模型，與傳統(tǒng)的個體TNM 分期系統(tǒng)相比，該預后模型在評估TSCC 手術患者OS 方面具有令人滿意的性能。在未來，如果能夠在多中心和大規(guī)模的樣本中進行進一步的驗證，這種方便、低成本、簡單的預后工具有望可以幫助臨床醫(yī)生咨詢TSCC 患者和評估患者的預后。然而，本研究也存在一些局限性。首先，這是一項回顧性研究，不能完全排除所有潛在的偏倚。其次，本研究的數(shù)據(jù)來自于一個單一的癌癥中心，且樣本量較小。今后，有必要從其他研究機構獲得大規(guī)模樣本，對結果進行多中心驗證。最后，本研究終點是總生存期，今后還應開展更多關于無病生存期的研究。