实验室炎症相关指标的列线图对预测舌鳞状细胞癌患者手术预后的价值

韦来凤，洪超群，陈柳伊，许镒洧，伍方财*

(1.江门市中心医院/中山大学附属江门医院检验科，广东 江门 529000；2.汕头大学医学院附属肿瘤医院肿瘤研究实验室，广东 汕头 515041；3.汕头大学医学院附属肿瘤医院检验科，广东 汕头 515041；4.汕头大学医学院附属肿瘤医院放疗科，广东 汕头 515041)

口腔鳞状细胞癌(oral tongue squamous cell carcinoma，OSCC)是影响人类健康的恶性肿瘤之一，2022年美国OSCC新发病例约5.45万例[1]。舌鳞状细胞癌(tongue squamous cell carcinoma，TSCC)是最常见的OSCC 类型，发病率在全球范围不断上升[2]。TSCC 的预后相对较差，主要是由于较高的局部复发和颈部淋巴结、血液转移以及远处组织转移[3]，并且病人通常会出现言语、咀嚼和吞咽障碍[4]。即使采用手术、放疗、化疗等联合治疗，TSCC患者的5年生存率仍不理想[5]。由于患者的临床病理特征多样，预测TSCC患者的预后对于选择个性化的治疗策略具有重要意义。

虽然TNM 分期系统是评估TSCC 预后的主要方法，但它完全基于疾病的解剖范围，这对TSCC 患者的生存分析具有一定的局限性[6]。列线图是一种简单的、可靠的统计预测工具，它能够合并基于患者和疾病特征的变量来评估个体化风险[7]。

此外，已经有相关研究报道血清学炎症/免疫标志物与人类恶性肿瘤预后之间的关系，其中包括外周血中性粒细胞计数(neutrophil count，NC)、淋巴细胞计数(lymphocyte count，LC)、单核细胞计数(monocyte count，MC)和血浆B 因子(B factor，BF)等[8-9]。这些血清学标记物获取容易，检测方便。与此同时，这些血液指标的衍生物，如淋巴细胞与单核细胞计数的比值(lymphocyte-to-monocyte ratio，LMR)也可作为患者不良预后的独立因素。

本研究首先探讨BF、MC、LMR、TNM 分期与TSCC手术患者预后的关系，再根据这4个指标的评估价值建立了列线图模型来预测TSCC 患者的预后，从而提供了一个新工具来协助指导TSCC 患者的临床管理。

1 材料与方法

1.1 研究对象和数据收集

本研究是一项回顾性研究，收集2008 年7 月—2019 年1 月在汕头大学医学院附属肿瘤医院接受手术切除的167例TSCC患者的数据。纳入标准：①经组织病理学诊断为TSCC；②诊断为TSCC 前无其他癌症或自身免疫性疾病史；③所有患者均接受了初次手术切除，但术前未接受其他肿瘤相关治疗；④所有患者均有完整的临床资料和随访资料。本研究经汕头大学医学院附属肿瘤医院伦理委员会批准(批准号为2020054)，研究中所有的工作均符合《赫尔辛基宣言》原则。

收集患者的临床基线数据，167 例患者中男性92例，女性75 例；中位年龄68 岁；吸烟与否分别为98和69 例；饮酒与否分别为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；肿瘤直径0.8～6 cm。

肿瘤分期根据第八版国际抗癌联盟/美国联合癌症委员会(AJCC)TNM 分期手册进行分类[10]。收集患者术前潜在的预后相关血清学指标包括免疫球蛋白G(immunoglobulin G，IgG)、免疫球蛋白A(immunoglobulin A，IgA)、免疫球蛋白M(immunoglobulin M，IgM)、补体3(complement 3，C3)、补体4(complement 4，C4)、BF、C 反应蛋白(c-reactive protein，CRP)、白蛋白计数(albumin，ALB)、白细胞(white blood cell count，WBC)、血小板(platelets，PLT)、LC、MC、NC。LMR、血小板与淋巴细胞比值(platelet-tolymphocyte ratio，PLR)、中性粒细胞与淋巴细胞比值(neutrophil-to-lymphocyte，NLR)、C 反应蛋白与白蛋白比值(c-reactive protein/albumin ratio，CAR)、系统免疫-炎症评分(systemic immune-inflammation score，SII)均由这些血液指标进一步计算得出。LMR为LC与MC的比值，SII由公式(SII=NC×LC/PLT)计算得出。

1.2 患者随访

通过检索病历、电子邮件和电话，获取患者生存随访数据。所有患者均随访至死亡或截至日期2019年6 月30 日。在本研究中，总生存期(overall survival，OS)是指从最初诊断到任何形式的死亡或最后一次随访时间的间隔，患者中位随访时间为41个月，最小和最大随访时间分别为1和130个月。

1.3 预后模型的建立与评估

本研究将连续变量转化为分类变量，通过X-tile软件得到连续变量的最佳截断值[11]。采用Cox 比例风险回归分析确定OS 的预后因素，采用K-M 生存分析法分析两组间OS的差异。将在单因素Cox回归分析中P≤0.10(双侧)的变量采用向后逐步法进行多因素Cox回归分析。基于多变量分析结果，将P≤0.05(双侧)的变量用来构建终点分别为1 年、3 年和5 年OS 的列线图预后模型。采用采用赤池信息准则(akaike information criterion，AIC)、贝叶斯信息准则 (bayesian information criterion，BIC) 和C-指 数(concordance index，C-index)检验列线图的预测准确性和鉴别能力，并将列线图与单独的预后因素以及TNM分期进行比较。此外，使用校准曲线来评估列线图模型对1年、3 年和5 年OS 的预测能力，并进行决策曲线分析来评估列线图的临床效用。

1.4 统计学分析

使用SPSS 22.0 软件和R 3.6.1 进行统计学分析，采用单因素和多因素Cox 回归模型计算风险比(hazard ratio，HR)和95%置信区间(confidence intervals，CI)评估预后变量对OS的影响。采用Kaplan-Meier生存分析绘制生存曲线，采用Log-rank 检验方法和R 软件中的survminer 和survival 进行比较。利用R软件中的rms 包绘制列线图、决策曲线和校准曲线，用R 软件中的pec 和Hmisc 包进行C-指数分析并绘制时间依赖的C-指数曲线。所有统计学检验均为双侧，P<0.05为差异具有统计学意义。

2 结果

2.1 患者特征

本研究选择了167 名具有完整临床和实验室基线数据的TSCC 患者。各连续变量的最优切截断值以及患者的血液相关指标和临床特征见表1。

表1 167例患者的血液相关指标和临床特征

2.2 单因素与多因素Cox比例风险回归分析

单因素分析显示，年龄、T 分期、N 分期、TNM分期、肿瘤大小、IgG、BF、ALB、WBC、PLT、LC、MC、LMR、SII 与TSCC 患者的OS 相关。随后，将这些因素纳入多因素Cox 比例风险回归分析，结果显示，BF、MC、LMR和TNM分期仍然是OS的重要独立预后因素(表2 和图1)。根据多变量Cox 比例风险回归分析，将影响TSCC患者OS的4个独立预后因素的HR和95%CI 进行可视化(图1)。此外，Kaplan-Meier 生存分析结果显示低水平BF、MC、LMR以及TNM晚期患者的OS更短(图2)，这些结果均表明BF、MC、LMR以及TNM 分期可作为TSCC 病人预后不良潜在的独立的预测因子。

图1 基于Cox比例风险回归分析的可视化结果

图2 TSCC患者OS的Kaplan-Meier曲线分析

表2 TSCC患者OS的单因素Cox风险比回归分析

2.3 列线图的构建和患者OS的预测

根据多因素Cox 回归分析结果，将潜在的独立预后因子BF、MC、LMR以及TNM分期用来建立1年、3年和5年OS列线图预后预测模型(图3)。根据这些变量计算出的加权总分用于评估接受手术治疗的TSCC 患者的1 年、3 年和5 年的OS，结果显示，BF、MC、LMR 和TNM 分期与OS密切相关，并且5年的OS概率小于50%(图3)。在这4个变量中，每个因素均被分配了一些风险点，这些风险点是通过从相应的预测值中直接向上画一条到“点”轴的直线而得到的，每个预后因素重复这个过程，然后对每个协变量获得的点相加得到总点，最后直接向下画一条到“总点”轴的垂直线，以确定患者在1年、3年和5年的OS概率。“总点”得分越大，患者的OS就越差。

图3 利用B因子、单核细胞计数、淋巴细胞与单核细胞比值和TNM分期的列线图模型

2.4 列线图的拟合优度和预测能力的评估

用AIC、BIC 和C-指数分析检验了列线图的拟合优度和鉴别能力。结果如表3 所示，列线图的AIC 和BIC 均低于BF、MC、LMR 以及TNM 分期，表明列线图对预测OS 具有较高的优度。列线图的C-指数高于TNM期以及其他的预后因素(表3)。此外，时间依赖性C-指数分析还显示，与TNM分期以及其他单一预后标志物相比，列线图模型在患者1 年、3 年和5 年OS 的预测方面显示出良好的预测准确性(图4)。为了进一步评估列线图的净收益和预测能力，我们进行了决策曲线分析和校准曲线分析。1 年、3 年和5 年OS 的决策曲线分析结果显示，在大多数合理的阈值概率范围内，该预后模型比传统的TNM分期具有更高的总体净效益(图5)。另外，校准曲线分析结果显示，列线图模型预测的OS预测与患者实际的OS具有良好匹配度(图6)，说明了此列线图模型具有较好的预测准确性。

图4 时间依赖性C-指数曲线图比较列线图模型预测的准确性

图5 B因子、单核细胞计数、淋巴细胞与单核细胞比值和列线图的决策曲线分析

图6 校准曲线图

表3 AIC、BIC和C-指数分析

3 讨论

TSCC是口腔中最具侵袭性的恶性肿瘤之一，预后相对较差[12]。目前，TSCC 患者的预后和治疗主要由TNM 分期系统决定。然而，即使在TSCC 的同一阶段，患者的预后仍然不同，因为预后受到多种因素的影响[13]。因此，为了寻找其他可靠的预后因素来补充TNM分期系统，以更好地预测患者的预后，并帮助指导治疗。本研究使用Cox 比例风险回归分析来确定BF、MC、LMR和TNM分期作为患者OS的独立预测因素。然后，基于这4 个指标建立了列线图模型来预测TSCC 患者OS，并进行了内部验证。与传统的TNM 阶段系统相比，本列线图显示了更高的预测准确性和鉴别能力。

迄今为止，越来越多的研究表明，局部免疫反应和全身炎症反应与各种类型肿瘤的进展和预后之间存在一定的联系[14]。研究结果表明，有几种术前外周血免疫/炎症指标是预测肿瘤进展和预后的重要因素[15]。LMR 作为免疫/炎症指标之一，本研究探讨了其与TSCC 患者预后的相关性。据报道，已经有研究将LMR 纳入癌症预后的列线图模型，其中包括胰腺癌[16]、结直肠癌[17]、舌癌[18-19]和其他实体肿瘤[20]。这些研究表明，术前低LMR 的患者具有较差的OS，而术前LMR 较高的患者具有更好的OS，本研究结果与之一致(P=0.036，HR=0.346；95%CI：0.129～0.931)。虽然LMR在肿瘤中的预后价值已基本确定，但其改善生存结果的具体机制有待进一步研究。LMR的定义为外周血淋巴细胞绝对计数除以外周血单核细胞绝对计数。因此，较低的LMR可能表明炎症反应的失衡，这可能与体内的抗肿瘤免疫和有利的肿瘤生长微环境改变有关，从而影响患者预后。淋巴细胞在免疫反应中起着关键作用，可通过识别肿瘤抗原来破坏残留的癌细胞[14]。肿瘤浸润性淋巴细胞(tumor-infiltrating lymphocytes，TILs)被认为是负责细胞和体液的抗肿瘤免疫反应，有助于抑制肿瘤的增殖、侵袭和转移，事实上，更高数量的TILs 与更好的临床结果相关[21]。在前瞻性研究中发现，淋巴细胞减少与转移性乳腺癌、非霍奇金淋巴瘤和软组织肉瘤患者较差的OS 相关[22]，其减少提示可能存在免疫抑制，从而使机体倾向于免疫反应不足而影响预后。另一方面，较高的MC 水平被认为是转移性黑色素瘤[23]和子宫颈癌[24]的不良预后因素。本研究发现，较低的外周血MC与TSCC术后患者的不良预后相关。

近年来，各种基于患者人口统计学和临床病理参数的列线图被用于评估TSCC 患者的生存情况，例如年龄、性别、种族、肿瘤部位、淋巴结转移、肿瘤浸润深度以及TNM 分期等[25-26]。另一方面，大多数研究表明，单一的血清学炎症标志物，如C 反应蛋白[27]、血小板与淋巴细胞比值(PLR)[19]和LMR[18]可作为TSCC患者生存预测的独立预后因素。然而，检测单一标记物来预测TSCC 的预后价值似乎是有限的。为了提高预后的准确性，本研究纳入了多个潜在的血液基础指标和患者临床病理指标并进行预后评估，以建立一个用于患者OS 预测的多变量预后列线图模型。结果显示，与传统的TNM分期系统或任何单一的血清学炎症标记物相比，基于BF、MC、LMR和TNM分期的列线图模型具有更好的预后价值。类似地，Lu等[13]的一项研究也建立了一个结合患者的临床病理因素和血清学炎症标记物的列线图来预测TSCC 患者的生存。然而，该研究中包含的血清学炎症标记物为LMR、NLR、PLR 和SII，并且他们的列线图构建是基于年龄、淋巴结密度(lymph node density，LND)和SII，与我们的方法有所不同。本研究收集了更多的血清学炎症标志物以评估TSCC 患者生存的预后价值，如BF、C反应蛋白、白蛋白、WBC、血小板、LC、MC、C反应蛋白与白蛋白比值，这些在癌症的发生发展中均起着重要作用，并可能对癌症患者的生存预测具有潜在的预后价值[9，28-29]。此外，本研究发现BF和MC可以作为预测TSCC 患者生存的独立预后因素，并且较高的BF水平和MC水平与TSCC患者更好的OS相关。

基于多因素Cox 回归分析的结果，本研究的列线图模型包括了4 个预后因素：BF、MC、LMR 和TNM分期。结果显示，列线图模型对预测TSCC 手术患者的OS 具有更好的拟合优度，并且列线图的C-指数远高于TNM 分期。时间依赖性C-指数分析还显示，与单独的TNM 分期相比，列线图在对TSCC 手术患者的临床预后预测方面显示出良好的预测准确性。同时，1 年、3 年和5 年OS 的决策曲线分析和校准曲线显示，列线图比TNM分期具有更高的预测精准度和总体净效益。

综上所述，本研究的列线图有助于预测TSCC 手术患者的预后，并且可能对患者的治疗决策提供新的见解。此外，本研究提供了一种基于临床特征和血清学炎症标记物的多参数列线图预后模型，与传统的个体TNM 分期系统相比，该预后模型在评估TSCC 手术患者OS 方面具有令人满意的性能。在未来，如果能够在多中心和大规模的样本中进行进一步的验证，这种方便、低成本、简单的预后工具有望可以帮助临床医生咨询TSCC 患者和评估患者的预后。然而，本研究也存在一些局限性。首先，这是一项回顾性研究，不能完全排除所有潜在的偏倚。其次，本研究的数据来自于一个单一的癌症中心，且样本量较小。今后，有必要从其他研究机构获得大规模样本，对结果进行多中心验证。最后，本研究终点是总生存期，今后还应开展更多关于无病生存期的研究。