基于 SEER 数据库四肢骨肉瘤肺转移风险与临床预测模型的建立与验证

叶旭豪 李文乐

骨肉瘤 ( osteosarcoma，OS ) 是一种起源于间叶组织的恶性肿瘤，是青少年最常见的原发恶性OS。其好发于四肢长骨干骺端，50% 以上的病例发生于膝关节周围。最常见的临床症状和体征是局部疼痛肿胀和关节活动受限，早期误诊率，漏诊率较高。四肢 OS 主要通过血运进行转移，以肺转移 ( lung metastasis，LM ) 最为常见，约占 80%。转移患者的预后普遍较差，5 年生存率 < 20%。目前的治疗方法是“术前新辅助化疗 + 肿瘤手术切除 + 术后辅助化疗”，但在很大程度上是不够的，因为严重的副作用如胃肠道毒性，骨髓抑制和超敏反应以及对常规化疗的耐药性大大降低了患者的生活质量。而且对高度恶性非转移性 OS 的保肢和截肢结果比较，两种手术的生存率和局部复发率差异无统计学意义。

因此，预测四肢 OS 肺转移预后危险因素能有效提高患者生存率并改善预后。笔者通过美国国立癌症研究所的监测、流行病学、结果数据库( surveillance，epidemiology，and end results，SEER )中丰富、可信的四肢 OS 患者数据构建列线图。列线图 ( Nomogram ) 作为一种临床预测工具，能通过整合不同的预后和决定因素变量生成临床事件的个体概率，有助于临床医师对患者的生存率进行简单的个体预测，也满足了个性化医疗的追求。考虑到肺转移在 OS 预后中的重要作用，本研究旨在运用评估四肢 OS 患者发现肺转移高风险的患者。

资料与方法

一、数据来源、纳入标准与排除标准

1. 数据来源：本研究数据来自 2010 年至 2016年，SEER 数据库中 [ 包括 Race，Age，Times，Sex，Grade，Laterality，Stage group，T，N stage，surgery，Radiation，Chemotherapy，Bone metastases，这些数据由“CS site-specific factor 6”识别。T，N stage 是根据美国癌症联合委员会 ( AJCC ) 癌症分期手册 ( 第 7 版 )建立的。“SEER Combined Mets at DX-Lung ( 2010 + )”用于鉴定新诊断的 OS 患者是否存在肺转移。肿瘤部位少于 20 个的患者，被分类为“其它”]。经 OS 组织学明确诊断的患者数据。使用 SEER * Stat 软件版本 8.3.6。国际肿瘤分类学第 3 版 ( ICD-O-3 ) 形态代码 ( 8936 / 3 ) 用于识别 OS。

2. 纳入标准：( 1 ) 通过病理学检查明确诊断为OS [ 国际肿瘤疾病分类 ( ICD-O )：8936 ]；( 2 ) 原发病灶限于四肢骨；( 3 ) OS 为第一原发肿瘤。

3. 排除标准：( 1 ) 肿瘤大小未知；( 2 ) 肿瘤病理分级未知；( 3 ) 转移情况未知；( 4 ) 手术方式未知；( 5 ) 有未知的肺转移信息者。

二、Nomogram 图的构建，验证和临床应用

将符合纳入标准的四肢 OS 患者纳入分析。使用单因素 Logistics 回归筛选出肺转移的危险因素。单因素 Logistics 回归结果中< 0.05 的进一步纳入多因素 Logistics 回归，通过逐步选择方法识别肺转移的独立危险因素。临床预测模型的标定图和接收器工作特性 ( ROC ) 曲线用于估计 Nomogram 图的预测性能。ROC 曲线下的面积 ( AUC ) 越高，表示模型越好。此外，决策曲线分析 ( DCA ) 被用于评估列线图在决策中的临床效用。

三、统计学处理

结 果

一、人口基线特征

本研究共纳入 713 例 ( 表 1 )。表 1 表明，Age、times、sex、stage group、T、N、surgery、radiation、Bone metastases 在有无肺转移两组，差异有统计学意义，提示上述变量可能是肺转移的独立危险因素。

表1 所有患者 ( 转移组和非转移组 ) 的基线人口学和临床病理特征Tab.1 Baseline data of patients with lung metastasis or not

二、单变量和多元逻辑回归结果

单因素和多因素 Logistics 回归分析 ( 表 2 )。单因素 Logistics 回归分析表明，Age、Survival、Sex、T、N、Surgery、Radiation、Bone metastases 与是否发生肺转移有关，差异均有统计学意义。然后，将单因素分析后< 0.05 的上述 8 个变量纳入多因素 Logistics 回归分析，结果提示，以上因素可能是肺转移发生的独立危险因素，差异均有统计学意义。[ Survival (：0.969，95%0.957～0.981，< 0.001 )，Sex ( Female：0.634，0.412～0.977，< 0.05 )，T ( T：1.902，1.136～3.185，< 0.05 )，Surgery ( 0.464，0.255～0.844，< 0.05 )，Radiation( 3.018，1.308～6.964，< 0.05 ) 和 Bone metastases( 6.567，2.295～18.790，< 0.001 ) ]。

表2 四肢 OS 患者肺转移危险因素的单因素和多因素 Logistics 回归分析Tab.2 Univariate and multivariate Logistics regression analysis of risk factors for lung metastasis in patients with osteosarcoma

三、肺转移列线图的构建

将多因素 Logistics 回归的结果中差异有统计学意义的变量纳入模型，构建肺转移的线段式动态Nomogram 图 ( 图 1，将四肢 OS 发生肺转移的风险模型的结果进行了可视化呈现，在实际应用中可根据个体的相关变量得知其发生肺转移的发病风险。图 1所示，首先计算 Sex、T、radiation、Bone metastases、surgery、survival time 单项分值，然后计算总分 ( Total points )，最后获得对应预测的肺转移概率，并且可以提前对高危患者进行针对性的干预。

图1 Nomogram 预测四肢 OS 患者的肺转移Fig.1 The nomogram was used to predict the lung metastasis in patients with osteosarcoma of the extremities

四、肺转移列线图的验证

如 Logistics 回归所示，Bone metastases 是最好的预测因子，其次是 Radiation，Surgery，T，Sex 和Survival time。随后，多因素 Logistics 回归模型为基础建立的校准曲线 ( 图 2 ) 表明，Logistics 回归模型校准曲线与理想曲线基本重合，说明模型具有较好的校准能力。

图2 6 个预后因素的校准曲线Fig.2 The calibration curves of the six independent prognostic factors

表3 是各个变量的 AUC 值，分别以 Bone metastases、Sex、Radiation、Surgery、T，进行单变量 Logistics 回归分析，建立 Nomogram 以及以多变量Logistics 回归模型建立 Nomogram 计算 AUC ( ROC 曲线下面积 )，并计算其 SE ( 标准误 ) 和 95%。由表 3可知，多因素 Logistics 回归模型建立的 Nomogram AUC 值最大为 0.775 ( SE = 0.0222，95%0.742～0.805 )，证明模型有较好的预测能力。此外，ROC 曲线的中 Nomogram 曲线下面积最大 ( 图 3 )，也说明Nomogram 的预测能力高于单因素的预测能力，预测能力最强。

表3 诺莫图的 AUC 值Tab.3 AUC of Nomogram

图3 为预测肺转移 Nomogram 的 ROC 曲线 ( 注：AUC 为 0.775( 95% CI 0.742～0.805 )Fig.3 ROC curves and the AUC of the nomogram was 0.775 ( 95%CI 0.742 - 0.805 )

五、肺转移列线图的临床实用性

决策曲线 ( DCA ) 可在实践中显示一系列合理风险阈值下的净收益。本研究用以帮助确定高风险的患者进行干预，低风险的患者避免过度医疗。图 4所示，不同风险概率下采用名为 m1 的 Nomogram 进行预测后的获益率变化，蓝线代表的是所有人都是阴性，没有采用 m1 进行预测，临床获益率为 0.0；靠近 Y 轴的虚线斜线代表所有人都是阳性，全部采用了 m1 进行预测，临床获益率为虚线下降效果。实际人群呈现出了实线曲线的效果。由图 4 可知，阈值大约为 0～0.75 具有模型的最大收益范围。

图4 决策曲线分析 ( DCA ) 图 ( 注：阈值为 0～0.75 时，具有模型的最大收益范围 )Fig.4 The DCA ( the maximum profit range of the model was presented when the risk threshold was 0 - 0.75 )

讨 论

尽管化疗方案和手术治疗的改进使非转移性OS 的 5 年总生存率从 1950 年的 22% 提高到目前的70%，但约 30% 的局限性和 80% 的转移性 OS 会复发，手术和化疗对复发性 OS 的治疗意义仍有限。因此，急须确定四肢 OS 患者肺转移的危险因素以改善预后。

而 Nomogram 作为一种可靠且简单直观的预测工具，具有极佳的辨别能力和出色的校准能力。它能将统计预测模型简化为针对单个患者概况的事件 ( 如死亡或复发 ) 概率的单一数值估计，有效应用于临床和促进医师决策。Zheng 等在 SEER数据库中构建并验证了 Nomogram 图，以评估 OS 患者的总生存期和癌症特异性生存率 ( CSS ) 的预后因素，并提供了准确和个性化的生存预测。He 等用 Nomogram 图为继发性 OS 患者提供了 CSS 的个体预测，并得出继发性 OS 患者的 CSS 和 OS 较原发性OS 患者差的结果。据笔者所知，这是第一个分析四肢 OS 中肺转移的风险因素的 Nomogram。

本研究，从 SEER 数据库中收集了 713 例四肢OS 病例，并进行单变量和多元 Logistics 回归分析，根据 6 个独立的风险因素 ( 即 Sex、T、Radiation、Bone metastases、Surgery、Survival time ) 建立了肺转移的诺莫图 ( 图 1 )。校准图显示列线图表现出良好的辨别力 ( 图 2 )。此外，如 ROC 曲线所示 ( 表 3 )，Nomogram 图中的 AUC 值为 0.775 ( 95%0.742～0.805 )，诊断效率优于任何单个预测变量，证明了全面预测模型的重要性。DCA 曲线显示，肺转移患者获得最大益处的概率阈值为 0～0.75 ( 图 4 )。以上数据表明，该诺莫图可以用作可靠的预测工具，帮助肿瘤科医师和骨科医师区分和评估肺转移的风险，为四肢 OS 患者优化个性化治疗。

表2 的回归分析结果提示，骨转移是本研究中发生肺转移最好的预测因子。以往的文献报道显示，相对于肺转移 ( 85%～90% )，OS 发生骨转移的概率仅为 8%～10%，而且常发生在疾病晚期。孤立性骨转移较少见，外科治疗预后较好，而多发转移则常采取姑息治疗。同时，骨转移的多发与骨骼微环境密切相关。骨骼微环境包括间充质干细胞、成纤维细胞、成骨细胞和髓系免疫细胞，是原发性和继发性肿瘤孕育的理想沃土。已经有相关研究证实了骨骼微环境中过酸、缺氧和趋化因子等通过多种信号通路 ( PI3K / Akt、Wnt / β-Catenin、MAPK / ERK、Hedgehog 和 Notch 信号通路 ) 促进了OS 的发生发展和转移。例如，间充质干细胞分泌的 IL-8 可激活趋化因子受体家族成员 CXCR1，进一步提高 p-Akt 表达，导致 OS 细胞抗失巢凋亡和肺转移的进展。OS 细胞还可以通过自分泌 IL-8激活 CXCR1，然后通过 Akt 途径促进自身的肺转移。上述研究表明，骨转移的确更容易合并其它部位肿瘤的转移。Logistics 回归分析结果也证实了这一观点，存在骨转移的 OS 患者发生肺转移的风险 (= 6.567 ) 是未发现骨转移的 6.5 倍。因此，骨转移是最需要关注的因素，对于可疑转移灶，应该及早做 PET-CT 扫描和 ( 或 ) 骨扫描，有利于制订手术计划。另外，ALP 和 LDH 水平也是常规检查，有转移的患者 LDH 水平比无转移患者明显较高。

放疗是 OS 的一种辅助治疗手段，对于不能手术切除的病变或拒绝截肢的患者，局部放疗有特定的作用和地位。因为 OS 对放疗不敏感，在大剂量放疗后大多数患者仍有明显的肿瘤残存，局部控制率低，所以不建议单独应用放疗治疗 OS。本研究的Logistics 回归分析结果也佐证了这一点，单纯放疗发生肺转移的风险 (= 3.018 ) 显著增高。

手术是公认的保护性因素 (= 0.464 )，已被认为是原发和复发转移 OS 行之有效的基础治疗手段，能显著降低肺转移风险。临床上主要根据术前化疗效果和 Enneking 分期选择手术方案。四肢 OS手术主要分为保肢手术和截肢手术。

相关研究表明 90% 的患者可以实施保肢治疗，其保肢成功率达到 60%～80%。所以，能够合理保全功能时，应首选保肢手术。不管采取何种手术方法，手术切除的原则仍是以最大限度上减少局部复发为首要目标。一旦局部复发，肺转移的风险将大大增加。所以在发生肺转移之前，医师可根据预测结果，劝说患者及时进行手术治疗，提高生存质量。而局部复发后，需患者及其家属有一定的心理准备，以减少医疗纠纷。

另外，肺转移的发生与原发肿瘤大小和对周围组织浸润情况也有关，根据 Logistics 回归分析的结果，以早期肿瘤 T1 的四肢 OS 患者为基准，T2 期的肺转移转移率显著升高 (= 1.902 )，相对于 T1 期的肺转移风险增加了将近 1 倍。

值得注意的是，性别也是肺转移的危险因素。逻辑回归分析的结果显示，男性发生肺转移的风险要高于女性。如值 ( 0.676 ) 所示，出现肺转移的男女比例为 1∶0.676，可推测出男性的转移风险比女性高 1.48 倍。这一观点已得到相关研究的支持。Whelan 等的随机对照研究结果显示，当肿瘤累及部位位于肢体远端 ( 膝关节、肘关节、踝关节周围 )时，女性患者的预后好于男性。而 Collins 等的研究结果也证明接受化疗的患者，女性患者的肿瘤坏死率和总体生存率都高于男性。最后，通过计算出的生存时间值 ( 0.969 )，本研究发现生存时间每增加 1 个月，风险相当于上 1 个月的 0.969 倍。说明随着生存时间的延长，肺转移的风险逐渐降低。因此，作好随访监测，对减少复发的概率至关重要。根据指南建议，随访监测在第 1、2 年应每3 个月 1 次，第 3 年每 4 个月 1 次，第 4、5 年每半年 1 次，此后每年 1 次。每次均应完善影像学及实验室检查。每次随访应重新评估患者功能。可根据诺莫图预测结果，从不同诊断治疗阶段给出相关临床建议。

本研究的局限性为：首先，由于是回顾性研究，所以选择偏倚不可避免，而且缺乏系统的前瞻性数据及其它机构的外部验证，可能会导致肺转移诺莫图过度拟合；其次，SEER 数据库中缺乏无症状肺转移患者和随访期间复发的信息。因此，无法评估这些因素对后续发展和生存的影响；最后，SEER数据库虽然涉及人种多样，但与中国人种构成差异较大。下一步的研究可用国内数据库或者研究中心的大样本数据对该列线图进行外部检测并更新，从而加强其可信度和普适度。

总之，本研究构建了一种实用的列线图来预测发展为肺转移的四肢 OS 患者的危险因素，包括 Sex、T、Radiation、Bone metastases、Surgery、Survival time。通过将 DCA 曲线，临床影响曲线和内部验证相结合，本研究的列线图为肺转移的个体化风险提供了准确的评估，从而指导临床医师优化个性化治疗并做出与之相关的预后评估。