黏液性乳腺癌的預后影響因素分析與預后模型構建

張明坤 王哲 楊柳 侯蘭 張聚良

來自美國癌癥中心的統計數據顯示，每年美國有271 270例新發乳腺癌病人，其中約42 260例病人死于乳腺癌[1]。根據世界衛生組織(WHO)乳腺腫瘤組織學分類，黏液性乳腺癌(mucinous breast cancer,MBC)是一種特殊類型的乳腺癌，發病率較低，約占所有乳腺癌的1%～7%[2-3]。目前，多數研究表MBC是一種預后良好的腫瘤[4]，但在中國MBC缺乏大樣本的研究數據，如何對病人的危險因素進行綜合考慮并預測預后，對改善MBC病人的生存有重要意義。“監測，流行病學和結果”(surveillance epidemiollgy and end results，SEER)數據庫是北美最具代表性的大型腫瘤登記注冊數據庫之一，收集了大量循證醫學的相關數據，覆蓋了美國約三分之一的人口[5]。列線圖是一種廣泛用于腫瘤病人生存預測的工具，具有直觀、準確可靠和實用等優點[6]，已被廣泛應用于口咽癌、胃癌、乳腺癌和肺癌等多種癌癥的預后預測[7-10]。本研究綜合分析了我院和SEER數據庫中的數據，構建預測MBC病人總生存期(overall survival，OS)的列線圖模型，輔助臨床醫生更加精確地預測病人的預后，為病人個體化管理提供依據。

對象與方法

一、對象

2004～2012年間我院收治的MBC病人101例，統計病人的臨床病理特征及預后情況，隨訪方式為電話隨訪和門診隨訪。通過SEER Stat version 8.3.5軟件對SEER數據庫中2007～2012年MBC病人的數據進行提取和篩選。納入標準：(1)病理確診為乳腺癌的病人，基于ICD-O-3的惡性行為；(2)病理分型為MBC；(3)有完整的臨床病理及隨訪資料。排除標準：(1)隨訪信息不完整；(2)經過尸檢或死亡證明確診的病例；(3)分化程度、腫瘤分期、放化療情況及雌激素受體(ER)、孕激素受體(PR)狀態等重要信息缺失。根據納入排除標準，逐步篩選出符合標準的病例(圖1)，最終納入MBC病人5 671例。

圖1 SEER病例篩選流程圖

二、方法

對比我院和SEER數據庫中的臨床病理資料，包括年齡、是否放療、是否化療、分期、分化程度、偏側性、腫瘤位置、是否第一原發腫瘤、手術情況、ER狀態、PR狀態、人類表皮生長因子受體2(Her-2)狀態以及生存狀態和時間等變量。以SEER數據庫提取的5 671例病人數據作為建模集，分析MBC預后的獨立影響因素并建立預測模型，以我院101例病人數據作為驗證集，驗證模型對于中國MBC病人的預測效果。

三、統計學分析

采用R軟件(4.0.3)分析數據，采用χ2檢驗比較建模集和驗證集的基線特征，其中對于腫瘤分期等等級資料進行秩和檢驗(Mann-whitney U檢驗)，Kaplan-Meier法計算總體生存率，Log-rank檢驗評價各變量不同亞組生存差異的顯著性，連續變量用中位數(范圍)表示，分類變量用例數(%)表示。使用Cox單因素分析篩選有意義的變量；將單因素分析中P<0.1的變量納入多因素Cox比例風險模型，以防止具有獨立預測意義的變量遺漏。基于影響MBC預后的獨立危險因素，使用 R 軟件(4.0.3)中的rms、survival等程序包構建繪制列線圖。在驗證集中進行外部驗證，并采用bootstrap法進行1 000次重抽樣對列線圖的預測性能進行內部驗證。模型的區分度用C-index、ROC曲線及曲線下面積(AUC)進行評價，同時通過繪制校準曲線檢測模型的校準度，以確保模型準確可靠，最后為模型繪制臨床決策曲線(DCA)來檢測模型的臨床獲益和應用價值。

結果

1．病人的基線特征：建模集隨訪時間0～119個月，中位隨訪時間72個月；驗證集隨訪時間6～107個月，中位隨訪時間87個月。采用χ2檢驗及Mann-whitney U檢驗對比建模集和驗證集的基線特征，結果顯示,建模集和驗證集的年齡(平均年齡67歲vs 56歲，P<0.01)有明顯差異，是否放療、是否化療、是否第一原發腫瘤、臨床分期、T分期及手術情況比較，差異有統計學意義(P<0.05)(表1)。

表1 MBC病人的基線特征(例，%)

2．各變量對MBC病人預后影響的分析：在建模集中對每個變量進行Cox單因素生存分析，其中年齡依據X-tile軟件最佳截斷值60歲分為二分類變量。結果顯示：年齡、是否放療、手術情況、T分期、N分期、M分期及ER狀態等7個變量是MBC預后的影響因素(P<0.1)。將單因素Cox回歸篩選的7個變量納入多因素Cox回歸模型，經向后法逐步回歸AIC分析后結果顯示，年齡、T分期、M分期、是否放療及手術情況這5個變量是MBC預后的獨立危險因素(P<0.05)(表2)。基于Kaplan-Meier和Log-rank檢驗方法，利用Cox風險模型繪制出各主要變量的生存曲線(圖2)。

表2 影響MBC病人預后的單因素和多因素分析

圖2 篩選變量對MBC病人OS影響的生存曲線分析

3．MBC的OS預后列線圖的構建：基于建模集Cox多因素回歸分析的結果(圖3)，將篩選出的5個變量用于構建MBC病人OS預后的列線圖模型(圖4)，將所有的預測因子整合用列線圖來預測MBC病人3年、5年及8年的生存期。將各個變量所得分值相加，得到的總分可預測MBC病人的3年、5年及8年生存率。

圖3 MBC病人Cox多因素風險模型森林圖

圖4 MBC病人預后的列線圖預測模型

4．列線圖的內部及外部驗證建模集：建模集建立模型的C-index為0.87，驗證集進行外部驗證C-index=0.71，bootstrap法內部驗證C-index=0.81，顯示模型無論對美國人群還是中國人群都具有良好的區分度。同時在建模集和驗證集中繪制3年、5年及8年OS的ROC曲線，通過曲線下面積(AUC)進一步驗證模型區分度(圖5)。在建模集和驗證集中，分別根據病人的3年、5年和8年生存情況繪制校準曲線，用于評價模型的校準度，結果顯示所有的校正曲線均與理想曲線有較好的吻合度，提示模型預測有較好的準確性(圖6)。

圖5 建模集及驗證集的3年、5年及8年OS的ROC曲線

圖6 建模集及驗證集的3年、5年及8年OS校準曲線(X軸為實際生存率，Y軸為預測生存率，對角線為理想曲線表示兩者完全一致)

5．臨床決策曲線分析：傳統的診斷實驗指標如敏感性、特異性及AUC等僅僅只能考慮模型的準確性，不能反應在臨床實踐中模型的實際臨床效用有多少，而臨床決策曲線分析(DCA)能夠從臨床決策的實際出發，將病人或決策者的偏好整合到分析中[11]。本研究針對建模集和驗證集的3年、5年及8年的生存情況分別繪制DCA曲線，其中黑色橫線代表所有樣本都是陰性，獲益為0，灰色斜線表示所有樣本都是陽性，凈獲益為負值的反斜線，虛線為模型的凈獲益情況。結果顯示，無論在建模集還是在驗證集中，模型的3年、5年及8年臨床凈獲益都較高，尤其在驗證集中國人群中獲益率更為明顯，顯示模型臨床效能較好(圖7)。

圖7 建模集及驗證集3年、5年及8年DCA曲線

討論

乳腺癌的診斷和治療的規范化對降低乳腺癌的死亡率和改善預后、延長生存期至關重要[12]。MBC臨床上較為少見，但通常預后良好，生存率較高[13]。研究表明，MBC與非特殊類型乳腺癌相比，有獨立的臨床病理特征，但由于MBC相對少見，臨床上極易忽視[14]。如何對MBC病人的預后進行評估，對MBC的綜合治療有重要意義。列線圖是多因素預后模型的圖形表現形式，可用來個體化預測特點時間點病人的生存情況[15]。列線圖作為一種新型預測模型，與傳統預測方法相比，準確性更高，適應性更廣，并且易于推廣[16]。由于我院MBC病人樣本量較小，本研究利用SEER數據庫的大量MBC病人數據構建列線圖模型來預測MBC病人的OS，然后在中國人群中進行外部驗證，并通過bootstrap方法(1 000次重抽樣)進行內部驗證，采用一致性指數(C-index)、ROC曲線和校正曲線評估模型的區分度和可靠性，最后通過臨床決策曲線分析(DCA)來評價模型的臨床獲益和應用價值。結果顯示，該列線圖能準確預測MBC病人的預后，為臨床的診療提供科學依據。

本研究結果顯示，年齡、手術情況、放療情況、T分期以及M分期是MBC預后的獨立影響因素。本研究中，中國人群MBC病人的平均年齡56歲，年齡越大病人的死亡風險越高，這與El等[4]的研究結果類似。本研究中，來自中國人群的驗證集保乳率為22.77%，遠低于來自美國人群的建模集(62.07%)，這與國外的報道相符合[17]。與未手術相比，無論是保乳還是乳房全切手術都能顯著改善病人預后。多項研究表明，放療能顯著降低乳腺癌病人的局部復發率并提高生存率[18-19]。本研究顯示，未接受放療是MBC病人預后的獨立危險因素。既往關于MBC的研究表明，MBC的預后與TNM分期相關[20-21]，這與本研究的結果一致，本研究中，隨著TNM分期的增高，病人的預后越差，T分期和M分期是MBC預后的獨立影響因素。

綜上所述，本研究基于SEER數據庫及我院MBC病人數據建立預測模型，確立了年齡、T分期、M分期、是否放療及手術情況是MBC病人預后的獨立危險因素，預測模型能夠準確有效地預測MBC病人3年、5年及8年OS，為MBC預后的預測提供有效的科學依據。但由于SEER數據庫中數據的局限性，預測模型無法納入如化療方案、放療方案、內分泌治療方案等一些臨床中的重要因素，可能需要進一步的研究對模型進行優化。此外，由于來自我院的MBC樣本量較少，模型對中國人群的預測能力尚需進一步驗證。