首诊Ⅳ期乳腺癌生存预测模型建立并验证:一项基于机器算法的研究

摘要

目的 建立首诊Ⅳ期乳腺癌的生存预测模型,筛选适合行原发灶手术切除的首诊Ⅳ期乳腺癌中适合行的患者.方法 收集美国国立癌症研究所监测、流行病学和结果(SEER)数据库中1973～2015年间确诊为首诊Ⅳ期乳腺癌患者病例.采用Kaplan Meier法进行生存分析,采用log-rank检验分析比较生存率的差别.利用LASSO回归分析筛选出与患者预后相关的临床病理性特征,进一步利用多因素Cox回归分析建立风险评分(risk score)方程及预测模型,使用受试者工作特征曲线(ROC)曲线下面积(AUC)来评价模型的灵敏度和特异度.结果 本研究共纳入7379例首诊Ⅳ期乳腺癌患者,其中手术患者2703例(36.6％),非手术患者4676例(63.4％).LASSO回归分析显示年龄、病理类型、肿瘤临床分期、ER状态、PR状态、HER-2状态、骨转移状态、肝转移状态、肺转移状态、淋巴结转移状态是首诊Ⅳ期乳腺癌患者独立预后影响因素.进一步建立首诊Ⅳ期乳腺癌的风险评分和nomogram预后模型,在预测1年和3年总生存中表现出良好的准确性(训练组AUC:1年总生存:0.75,3年总生存:0.73;验证组AUC:1年总生存:0.72,3年总生存:0.75),在训练组及验证组的一致性指数分别为0.700(95％CI:0.69-0.71)、0.695(95％CI:0.67-0.71).在风险评分中取最佳cutoff值,将患者分为低、中、高危风险评分组,进一步分析发现低危及中危风险评分组患者能从手术获益(低危风险评分组:训练组:HR=0.49,95％CI:0.42-0.57,P<0.001;验证组:HR=0.43,95％CI:0.34-0.55,P<0.001;中危风险评分组:训练组:HR=0.75,95％CI:0.65-0.86,P<0.001;验证组:HR=0.72,95％CI:0.57-0.90,P=0.003),但高危风险评分组患者则无法从手术获益(训练组:HR=0.65,95％CI:0.41-1.02,P=0.066;验证组:HR=0.83,95％CI:0.41-1.69,P=0.610).结论 本研究基于机器算法建立首诊Ⅳ期乳腺癌的风险评估模型,能有效区分首诊Ⅳ期乳腺癌低危风险、中危风险和高危风险患者,且不推荐高风险(评分>360)患者进行手术治疗.