*仅供医学专业人士阅读参考
新型预测模型能够提升术前隐匿性淋巴结转移的识别能力。
非小细胞肺癌（NSCLC）占肺癌的85%。 淋巴结转移（LNM）是NSCLC常见的转移方式，对预后有显著影响。 当术前影像学检查未能发现LNM，术后却证实其存在时，称为隐匿性淋巴结转移（OLNM）。 目前，影像学检查已广泛用于术前识别OLNM高危患者，例如，术前SPECT/CT造影剂分布可预测OLNM风险，影像组学评分模型也显示出一定的预测能力。 然而，这些预测模型往往依赖直接影像检测，且受患者临床特征影响较大。
尽管已有研究表明肿瘤大小和肿瘤标志物水平可能与早期LNM相关，但分析多种临床指标构建NSCLC患者OLNM预测模型的研究仍较少。近日，BMC Pulmonary Medicine杂志发表了一项研究，分析了广西医科大学第一附属医院370例NSCLC样本，旨在建立一个广泛适用的OLNM风险预测模型 [1] 。本文特此整理关键内容，以飨读者。
图1 研究封面
研究设计概述
样本筛选过程如图1所示。纳入标准如下：(1) 年龄超过18岁；(2) 入院时诊断为“肺肿瘤”；(3) 术前影像学检查未指示淋巴结转移（LNM），且未进行淋巴结活检；(4) 住院期间接受外科治疗，术后病理检查结果显示存在LNM。排除标准如下：(1) 年龄在18岁以下；(2) 既往接受NSCLC治疗；(3) 病理诊断为小细胞肺癌或类癌；(4) 因各种原因无法提供本研究所需的所有信息和检验结果；(5) 手术前已确诊为LNM。
图2 样本筛选流程图
研究旨在通过术前实验室检测和影像学指标预测NSCLC患者发生OLNM的风险。手术过程中，外科医生需完全切除肿瘤，并至少采样六组肺淋巴结，切除组织由两位病理学家复审。存在淋巴结转移者纳入LNM组，其他纳入非LNM组。
共计370例患者参与研究，研究收集了患者的临床信息。处理过程中剔除异常值，填补缺失值，对连续变量采用独立样本t检验，二元变量则使用卡方检验。通过单因素逻辑回归分析识别NSCLC患者OLNM的潜在风险因素，计算比值比（OR）、95%置信区间（CI）和p值。p值<0.05且OR的95%CI不包括1的因素视为显著风险因素。随后实施多因素逻辑回归并构建列线图，以评估各风险因素的影响并计算总风险分值。
为验证模型有效性，研究者计算了一致性指数（C-index），绘制受试者工作特征（ROC）曲线并计算曲线下面积（AUC），值越接近1表示预测能力越强。同时绘制校准曲线以评估模型的拟合优度进行决策曲线分析（DCA）以评估各风险因素的临床实用性。
研究关键结果
患者淋巴结转移的关键差异：LNM组与非LNM组人群特征分析
2021年1月1日至2023年12月31日期间，共有655例患者接受了手术治疗，经过筛选排除不适合分析的样本，最终纳入370 例患者。研究发现，LNM组与非LNM组之间在多个关键因素方面存在显著差异（p<0.05），包括首次发现时间、肿瘤直径、CA125、CA153、神经元特异性烯醇化酶 （NSE） 水平和原发肿瘤部位等（具体见表1、2）。
表1 LNM 组与非LNM 组连续变量的比较
表2 LNM组和非LNM组的二进制变量比较
单因素逻辑回归分析识别出多个肿瘤、ERBB2错义突变、CA125水平、CA153水平、受累肺叶、肿瘤长度和铁蛋白（Ferr）作为预测非小细胞肺癌（NSCLC）患者术前隐匿性淋巴结转移（OLNM）的潜在风险因素。随后进行的多因素逻辑回归分析进一步确认了这些因素的显著性，并在表3中列出了相应的比值比（OR）。
表3 单因素和多因素logistic分析筛查出的术前NSCLC患者OLNM的潜在危险因素
新型预测模型显身手：预测准确性和实用性优秀
基于这些发现，研究者开发了一种新型风险预测模型，并通过列线图进行可视化。列线图为每个风险因素分配了相应的分值：如多个肿瘤患者得0分，单一肿瘤患者得5分；存在ERBB2错义突变得0分，其他情况得2分；CA125和CA153水平升高对应更高分值；左肺肿瘤得0分，而右肺肿瘤则得55分；肿瘤越大，分值越高；铁蛋白水平降低则得更高分值。总分通过各风险因素分值相加得出，与OLNM的风险相关联。
最终得分低于130分的患者表明OLNM风险低于10%，而得分超过240分则表明OLNM的概率高达90%（见图3）。列线图的C指数和AUC均显示出对NSCLC患者OLNM发生的强预测能力（见图4）。
图3 根据潜在风险因素构建的列线图（MM：错义突变）
图4 列线图的ROC曲线
此外，为了评估列线图的预测准确性，研究者还绘制了校准曲线。结果显示，预测值与观察值之间具有高度一致性（图5）。此外，决策曲线分析（DCA）被用来评估不同指标的实际应用价值。如图6显示，列线图中所有指标的累积曲线（红线）始终超越了参考曲线（灰线和黑线），表明在评估指标中具有强大的实用性。
图5 列线图的校准曲线
图6 用于列线图内部验证的DCA曲线
研究结论及展望
综上所述，本研究中基于肿瘤分布和肿瘤相关生物标志物开发的个性化评分预测模型能够有效识别术前存在OLNM风险的NSCLC患者。该模型特别针对影像学检查未发现淋巴结转移的患者，为专注于NSCLC治疗的临床医生提供了重要指导。研究强调了准确预测术前淋巴结转移的重要性，结合临床特征、影像数据、血清样本和基因检测结果，建立了更为全面的评估框架，以提高NSCLC患者术前OLNM的预测准确性。尽管研究仍存在单中心、样本量限制以及部分数据缺失等局限性，但研究结果为未来在不同病理亚型NSCLC患者中进一步探讨术前OLNM风险因素奠定了基础。
精彩资讯等你来
参考文献：
[1]Li, J. X., Feng, G. Y., He, K. L., et al. (2024). Preoperative prediction of occult lymph node metastasis in patients with non-small cell lung cancer: a simple and widely applicable model. BMC pulmonary medicine, 24(1), 557.
审批编号：CN-148440 有效期至：2025-03-02
本材料由阿斯利康提供，仅供医疗卫生专业人士参考