基于術前NLR及PNI的胰腺癌根治術預后預測模型的構建及評價

邵全年，周輝年，肖競英，李向陽，郭亞，柴春，焦作義

蘭州大學第二醫院普通外科，蘭州 730030

胰腺癌(pancreatic cancer，PC)是常見的消化系統惡性腫瘤，具有起病隱匿、惡性程度高、侵襲性強和預后差等特點[1]，其中以胰腺導管腺癌(pancreatic ductal adenocarcinoma，PDAC)最為常見[2-4]。美國癌癥中心的最新統計數據顯示，胰腺癌5年生存率僅為10%[5]。手術切除是唯一可能的治愈方法，但即使對于病理類型和臨床病理分期相同的患者，其術后預后結局也有很大差異，這是由患者相關因素如炎癥反應、免疫狀況及營養情況等的差異造成的[6-7]。Virchow于1863年首次提出炎癥過程是腫瘤發展的誘發條件之一，腫瘤發展被描述為“脫離‘正?！难装Y增生”，隨后大量研究證實，炎癥在多種惡性腫瘤的發生和預后中起著至關重要的作用[8-9]。多項研究發現，中性粒細胞/淋巴細胞比值(neutrophil to lymphocyte ratio，NLR)與消化系統惡性腫瘤有關，如結腸癌、胃癌、肝癌等[10-11]，NLR升高常提示惡性腫瘤預后不良。營養不良也會影響癌癥患者的疾病進展和生存，預后營養指數(prognostic nutritional index，PNI)是評估惡性腫瘤患者術后營養狀況的指標，有研究證實其與小細胞肺癌、肝癌、頭頸部癌、胃腸癌等惡性腫瘤的預后關系密切[12-13]。為此，本研究分析了影響PDAC根治術后患者生存率的危險因素，構建PDAC根治術后1、2、3年生存率的nomogram臨床預測模型并進行效能評價，同時建立網頁計算器，以期為臨床醫師個體化治療提供方案，使患者獲益。

1 資料與方法

1.1 研究對象 以“胰腺惡性腫瘤”和“胰腺癌”為關鍵詞，檢索蘭州大學第二醫院病案系統，回顧性收集2013年1月－2019年12月診斷為胰腺惡性腫瘤、行根治性手術并經術后病理證實為PDAC患者的臨床資料。納入標準：(1)行根治性手術治療；(2)病理診斷為PDAC；(3)無其他惡性腫瘤病史；(4)無遠處轉移或其他部位來源的腫瘤侵襲；(5)臨床病理資料完整。排除標準：(1)組織學診斷為非PDAC，如多形性癌、黏液癌、腺泡細胞癌等；(2)術后發生嚴重并發癥致生存時間<30 d；(3)有血液病和炎癥性疾病的感染證據或病史，影響血常規結果；(4)隨訪資料缺失。共檢索出185例患者，排除病理診斷為非PDAC 18例、術后發生嚴重并發癥致生存時間<30 d 5例和失訪14例，最終148例納入本研究。

1.2 資料收集 收集患者的性別，年齡，身高，體重，術前7 d 內的血常規(中性粒細胞和淋巴細胞絕對值計數)、血清白蛋白及腫瘤標志物甲胎蛋白(alpha-fetoprotein，AFP)、癌胚抗原(carcinoembryonic antigen，CEA)、糖類抗原(carbohydrate antigen，CA)125和CA19-9結果，手術方式，術中腫瘤位置、出血量，術后病理報告(含腫瘤大小、病理類型、腫瘤分期、腫瘤分化程度、手術切緣、有無血管和神經侵犯等)，術后有無化療，術后并發癥等資料。

1.3 術后隨訪 采用電話隨訪、復查病例、門診隨訪等方式，前2年每3個月隨訪1次，第3～5年每6個月隨訪1次，以后每年隨訪1次直至患者死亡或失訪，隨訪內容包括進行臨床和實驗室檢查。隨訪至2019年12月30日。

1.4 數據分析 計算148例患者NLR及PNI的最佳截斷值；分析NLRP評分與PDAC患者臨床病理特征的關系，以及PDAC根治術后患者預后影響因素；基于Cox回歸分析結果，構建預測PDAC根治術后1、2、3年生存率的nomogram模型，對模型進行效能評價，并建立網頁計算器。

1.5 統計學處理 使用X-tile軟件計算NLR和PNI的最佳截斷值，采用SPSS 25.0軟件進行統計分析，使用Kaplan-Meier法(K-M法)進行生存分析，生存率差異的比較采用log-rank檢驗，單因素及多因素分析采用Cox比例風險回歸模型，同時計算風險比(HR)和95%CI。分類變量以例(%)表示，組間比較采用χ2檢驗或Fisher精確概率檢驗，連續變量比較采用t檢驗或Mann-WhitneyU檢驗。使用GraphPad Prism 8.0及R 4.0.3軟件(主要用于繪制nomgram)繪圖，用bootstrap法對預測模型進行內部驗證，計算一致性及區分度，通過決策曲線分析評價臨床獲益度。P<0.05為差異有統計學意義。

2 結 果

2.1 PDAC患者的臨床病理特征及生存分析 共納入148例PDAC患者，其中男89例(60.1%)，女59例(39.9%)，年齡(57.8±9.18)歲。術前無淋巴結轉移94例(63.5%)，TNM分期Ⅰ－Ⅱ期92例(62.2%)，低分化腺癌9 7 例(6 5.5%)，術后發生胰漏3 2 例(21.6%)。中位生存時間18.2個月，術后1、2、3年生存率分別為70.8%、35.8%、12.2%。其余臨床病理特征如表1所示。

表1 PDAC患者的臨床病理特征及生存分析(n=148)Tab.1 Clinicopathological characteristics and survival analysis of PDAC patients (n=148)

(續 表)

(續 表)

2.2 NLR及PNI的最佳截斷值 使用X-tile軟件計算NLR及PLR的最佳截斷值(基本原理為通過K-M生存分析，行log-rank檢驗，使用枚舉法，確定P值最小的結果即為最佳截斷值)，分別為1.85和44.13(圖1)。依據最佳截斷值將PDAC患者各分為兩組：NLR<1.85組30例(20.3%)與NLR≥1.85組118例(79.7%)；PNI<44.13組54例(36.5%)與PNI≥44.13組94例(63.5%)。

圖1 X-tile軟件計算NLR及PNI的最佳截斷值Fig.1 The best cut-off value of NLR and PNI calculated by X-tile software

2.3 NLR P評分與PDAC患者臨床病理特征的關系 結合NLR及PNI的截斷值，構建NLRP評分：NLR<1.85且PNI≥44.13記0分，NLR≥1.85或PNI<44.13記1分，NLR≥1.85且PNI<44.13記2分。依據NLRP評分將患者分為NLRP 0分組[23例(15.5%)]、NLRP 1分組[78例(52.7%)]與NLRP 2分組[47例(31.8%)]，各組中位生存時間分別為33.7、18.2、14.7個月，NLRP評分越高患者預后越差(P<0.05)。不同NLRP評分患者在腫瘤部位、N分期、體重指數(BMI)、術后胰漏(ISGPF B/C)、腹腔感染、術前血清白蛋白(ALB)、總膽紅素(TB)、癌胚抗原(CEA)等方面差異有統計學意義(P<0.05，表2)。

表2 NLRP評分與PDAC患者臨床病理特征之間的關系[例(%)]Tab.2 Relationship between NLRP score and clinicopathological characteristics of PDAC patients [n(%)]

(續 表)

(續 表)

2.4 PDAC根治術后患者預后的影響因素分析使用Cox回歸模型對PDAC患者的臨床病理特征進行分析，將年齡、性別、TNM分期、NLRP評分等因素納入單因素生存分析，采用log-rank檢驗分析差異，結果顯示，年齡>65歲、T分期高、N分期高、TNM分期高、R1切除、腫瘤直徑≥4 cm、分化程度差、有癌栓、術前NLRP評分高、術后未行化療、術后胰漏、膽漏是影響胰腺癌術后總生存時間的危險因素(P<0.05，表3)。將上述危險因素納入多因素生存分析，結果顯示，年齡>65歲、N分期高、TNM分期高、術后未行化療、術后胰漏、NLRP評分高是影響PDAC患者術后總生存時間的獨立危險因素(P<0.05，表3)。

表3 PDAC根治術后患者總生存時間的影響因素分析(n=148)Tab.3 Analysis of factors affecting the overall survival time of patients after radical operation of PDAC (n=148)

2.5 PDAC根治術預后預測模型 基于Cox回歸分析結果構建的預測PDAC根治術后患者1、2、3年生存概率的nomogram模型見圖2。圖中變量的每一個數字/類別在分數量表上都有對應的分數。將總分相加，對應在總分標上，直線向下畫1/2/3年生存率標，即表示每個時間點的預估生存時間或生存率。

圖2 預測PDAC術后1、2、3年生存率的nomogram模型Fig.2 The nomogram for predicting the survival rate of 1, 2, and 3 years after radical operation of PDAC

2.6 Nomogram預測模型效能評價及網頁計算器建立

2.6.1 區分度評價 使用R 4.0.3 軟件，基于bootstrap重采樣法在內部數據集中驗證nomogram的預測效能，計算得出C-index為0.710(95%CI 0.652～0.768)，提示基于NLRP評分的nomogram預測模型對PDAC根治術后患者1、2、3年生存率具有較強的預測能力。納入影響PDAC根治術后患者生存率的獨立危險因素及nomogram預測模型繪制ROC曲線，結果顯示，術后1年nomogram預測ROC曲線下面積(AUC)為0.752，TNM分期AUC為0.605；術后2年nomogram預測AUC為0.815，TNM分期AUC為0.704；術后3年nomogram AUC為0.854，TNM分期AUC為0.714，表明該nomogram預測模型具有良好的精準度和區分度，且術后時間越長預測準確度越高(圖3)。

圖3 Nomogram模型預測PDAC根治術后生存率各指標的ROC曲線Fig.3 The ROC curve of each factor in the nomogram forecast model for the survival rate of pancreatic cancer after radical resection

2.6.2 一致性分析 使用R 4.0.3軟件，運用boot法繪制1、2、3年生存率的校正曲線，結果顯示，實際觀察到的術后1、2、3年生存率與nomogram預測所得生存率有較好的一致性(圖4)。

圖4 預測PDAC根治術后生存率的nomogram預測模型校準圖Fig.4 Calibration chart of the nomogram prediction model for predicting the survival rate of of pancreatic cancer after radical resection

2.6.3 決策曲線(decision curve analysis，DCA)分析 DCA可以顯示出預測模型的臨床凈效益，有色曲線至灰色曲線與橫線之間的范圍為患者的臨床凈獲益，結果顯示，與TNM分期及其他單因素相比，nomogram模型顯示了更大范圍的閾值概率(0.08～0.96vs. 0.20～0.82)和更廣的凈收益(圖5)。

圖5 預測PDAC術后1、2、3年生存率nomogram模型的決策曲線Fig.5 The decision curve of the nomogram model for predicting the survival rate of 1, 2, and 3 years after radical resection of PDAC

2.6.4 動態列線圖的實現——網頁計算器 為進一步增加nomogram的實用性，建立了網頁計算器，通過直接訪問https://shawnbaby.shinyapps.io/Prognosis_PDAC，可實現圖2列線圖的動態nomogram呈現。通過輸入臨床特征和閱讀由網絡服務器生成的輸出數據和表格，可確定患者的預測存活概率。

3 討 論

胰腺癌在臨床中發現時通常已是晚期，僅有約20%的患者可接受根治術治療，接受手術切除的患者5年生存率為10%～25%，手術仍然是唯一具有治愈潛力的方法[14]。然而，即使病理類型和TNM分期相同的患者，其短期及長期生存率也存在較大差異。有研究發現，癌癥的進展不僅是由腫瘤細胞的內在特性引起的，還與宿主的全身和局部刺激密切相關[15]，其具體機制目前尚未明確。全身炎癥反應與循環白細胞的變化有關，中性粒細胞計數升高可能通過為腫瘤生長提供有利環境而促進癌癥的進展[16]；全身炎癥反應還參與多種細胞因子和趨化因子的釋放，在腫瘤侵襲和轉移中起著重要作用，這些炎性細胞因子為腫瘤生長、侵襲和轉移提供了有利的環境[17-18]，表明NLR升高反映了先天免疫應答上調。營養亦與癌癥發展密切相關，且在原發性腫瘤切除術后的預后中起著重要作用。作為圍術期營養狀況的替代指標，PNI已被證實是各種惡性腫瘤術后預后不良和病死率增高的重要預測指標[19]。

目前基于血清學參數形成的實體腫瘤預后評分多以單一指標進行評估，其截斷值選取方法大多以ROC曲線為主，但ROC曲線因變量為二分類變量，未考慮生存資料的時間因素，尤其對于胰腺癌，ROC曲線取截斷值的方法并不合適[20]。本研究使用X-tile軟件取得最佳截斷值，綜合術前NLR及PLR的最佳截斷值形成一個新的預后評分NLRP，結果顯示，NLRP評分越高，PDAC根治術后患者中位生存時間越短，相較NLRP 0分患者(33.7個月)，NLRP 2分患者預后差(14.7個月)。分析NLRP與PDAC患者臨床病理特征的關系發現，NLRP評分不同的患者在腫瘤部位、N分期、BMI、術前ALB、TB、CEA、術后胰漏(ISGPF B/C)、腹腔感染方面存在統計學差異。在單因素分析中，NLRP評分、年齡、TNM分期、腫瘤分化程度、術后化療、CEA等與患者總生存期有關，且在多因素分析中，NLRP仍為影響PDAC根治術后患者生存率的獨立危險因素，表明NLRP評分可以作為一種新的有前途的炎癥預后評分方法。

Nomogram是預測和量化患者發生某一臨床事件概率的便利工具，對于臨床決策和風險分層具有重要價值[21]。本研究納入Cox回歸模型中影響PDAC根治術后患者總生存期的獨立危險因素，構建了基于這些因素的nomogram模型，并進行了一致性和區分度評價，結果顯示，該nomogram模型具有良好的預測效能，且在PDAC根治術后第1、2、3年多變量ROC曲線分析中，nomogram模型較TNM分期有更大的AUC，表明nomogram模型具有更好的預測能力。在DCA分析中，nomogram模型較TNM分期有更寬的閾值范圍和更廣的凈收益，提示nomogram模型在臨床應用中具有良好的準確性和實用性，可使患者獲益且有助于臨床醫師開展個體化治療。為了方便操作，本研究同時建立了網頁計算器，實現nomogram模型的動態化，輸入患者相關臨床病理特征即可獲得對應的存活概率。

本研究仍具有一定局限性：為單中心回顧性研究，存在選擇偏倚且樣本量較少，所獲得NLR及PNI截斷值可能不適用于其他同類研究；研究內容局限于PDAC根治術后患者，對不同化療方案的影響未能進行討論。

綜上所述，NLR和PNI作為一種廉價易得的評價指標，其組合所得NLRP評分可作為PDAC根治性切除術的一個強有力的預后預測指標，同時，包含NLRP評分、年齡、N分期、TNM分期、術后胰漏及術后化療的nomogram模型是一種良好的預后模型，有助于推動個體化治療。