首页 > 文章详情

赖建国医生：精准预测乳腺癌ALNM风险，基于超声-临床病理特征的预测模型为腋窝手术的个体化治疗助力

2023年11月15日

整理：肿瘤资讯

来源：肿瘤资讯

腋窝淋巴结受累是乳腺癌患者重要的预后因素，准确的腋窝分期对于评估疾病状态至关重要。目前，前哨淋巴结活检已代替腋窝淋巴结清扫，成为早期乳腺癌腋窝淋巴结分期的标准术式。然而，前哨淋巴结活检仍存一些术后并发症。因此，精准医学时代下，如何进一步减少乳腺癌患者的创伤性手术操作，并且准确评估腋窝淋巴结转移状态，指导临床诊疗工作，成为了当前的热点话题。为此，【肿瘤资讯】特别邀请到广东省人民医院的赖建国医生，为我们分享关于“Ultrasonographic– clinicopathologic Nomogram预测模型预测乳腺癌术前腋窝淋巴结转移风险”的学术前沿进展。

1. 腋窝淋巴结转移是乳腺癌患者总体复发和预后生存最重要的预测指标，准确评估及精准处理腋窝淋巴结，减少可避免的创伤是现阶段乳腺癌外科所面临的重要挑战。那么，目前临床实践中有哪些方法评估腋窝淋巴结状态？

赖建国医生：腋窝淋巴结转移（ALNM）是乳腺癌最早且最常见的转移途径^[1-4]。术前精准预测ALNM，对乳腺癌患者的临床-病理分期、治疗决策及生存预后具有重要临床意义。腋窝分期越高，乳腺癌患者的生存预后越差^[5-7]。目前，前哨淋巴结活检（SLNB）已代替腋窝淋巴结清扫（ALND），成为早期乳腺癌ALN分期的金标准标准术式^[8,9]。然而，SLNB仍有一些术后并发症，包括：过敏反应、手臂麻木、伤口感染、皮下积液和血肿。因此，在精准医学的大力推行下，目前乳腺外科手术越做越小，而腋窝超声检查将有可能取代SLNB成为术前腋窝分期的重要评估方法。

随着医学影像技术的高速发展，改善了乳腺癌ALN影像学的诊断效能，可术前检测到可疑ALN。目前，有各种检测手段来评估乳腺癌ALN状态，包括触诊、彩色多普勒B超、钼靶检查、磁共振MRI检查、CT检查、PET/CT检查等手段，但上述检查方法各有优缺点。目前而言，相比于强放射性和价格高昂的CT及PET/CT检查、耗时费力的MRI检查，腋窝超声检查具有价格低廉、无辐射和操作简便的独特优势。因此，在临床实践中，腋窝超声检查广泛用于术前评估乳腺癌ALN状态^[10]。腋窝超声检查可检测到ALN的形态、大小、横径、纵径、皮质厚度、髓质、淋巴结门、血流分布、可疑ALN数目及内部回声状态等参数^[11,12]。一方面，腋窝超声检查可有效地术前评估ALN状态，腋窝超声检查的灵敏度为25%–87％，特异度为77%–100％。另一方面，在腋窝超声引导下，可准确对可疑ALN进行穿刺活检术。因此，约有8–28％乳腺癌患者可免于SLND，直接行ALND[13-15]。尽管通过腋窝超声检查，可获得各种超声参数来评估ALN状态，但是ALN超声参数繁多且诊断效能存在不同程度差异，很难形成广泛统一共识来有效地指导临床诊疗工作。

2. 在中国学者发表的一项关键性研究^[16]中，通过超声-临床病理特征的预测模型以预测乳腺癌术前腋窝淋巴结转移状态取得了优异的结果，能否介绍下相关研究设计和研究结果？

赖建国医生：本研究旨在基于超声–临床病理特征，构建一个术前ALNM预测模型，来个体化预测乳腺癌患者ALNM风险，帮助临床医师指导乳腺癌患者腋窝手术的最佳治疗决策, 服务于临床实践，满足于临床需求。

研究回顾性收集了1,273例符合入组条件的原发性浸润性乳腺癌患者，分别分配至建模组（n=1024）和验证组（N=249）。入组标准包括：原发性浸润性乳腺癌、接受SLNB或ALND、病理诊断明确；排除标准包括：接受新辅助治疗、初诊复发远处转移、既往同侧腋窝手术。研究纳入的临床病理及ALN超声变量包括：年龄、肿瘤大小、病理类型、组织学分级、ER/PR/HER2的分子分型、淋巴结横径、淋巴结纵径、皮质厚度、淋巴结门和ALN状态。术前超声检查中，将可疑ALN的超声形态学标准定义为：1）ALN最厚部分的皮质厚度大于3 mm；2）无高回声的淋巴结门。

在预测模型的建立与验证中，首先在建模组对所有变量与ALNM的关系进行了单因素logistic回归分析，然而将其中有意义的变量（P＜0.05）纳入多因素logistic回归分析。同时，将多因素logistic回归分析中的变量（P<0.05）作为独立风险因素，构建了Ultrasonographic–clinicopathologic Nomogram预测模型。建模组的单因素logistic回归分析结果表明：肿瘤大小、组织学分级、病理类型、淋巴结横径、淋巴结纵径、皮质厚度及淋巴结门，均是乳腺癌ALNM的有意义风险因素。建模组的多因素logistic回归分析结果显示：肿瘤大小、组织学分级、淋巴结纵径、皮质厚度及淋巴结门均是乳腺癌ALNM独立风险因素。基于建模组多因素logistic回归分析结果，将5个独立风险因素（临床病理变量：肿瘤大小、组织学分级；超声变量：淋巴结纵径、皮质厚度及淋巴结门）构建Ultrasonographic–clinicopathologic Nomogram预测模型，其中皮质厚度占权重最大，其次是肿瘤大小、淋巴结门、淋巴结纵径和组织学分级。

研究结果显示，临床病理特征预测模型在建模组及验证组的ROC–AUC值分别为0.873（95%CI: 0.851–0.896）和0.876（95%CI: 0.830–0.923），其表明临床病理预测模型有良好的鉴别能力（图1A–B）。超声预测模型在建模组及验证组的ROC–AUC值分别为0.848（95%CI: 0.826–0.871）和0.845（95%CI: 0.798–0.893），表明超声预测模型也有良好的鉴别能力（图C–D）。超声-临床病理特征预测模型校正曲线显示了该模型预测概率与实际观测概率之间有很好的一致性，而且拟合优度检验（P=0.44>0.05），表明超声波-临床病例预测模型有良好的校正能力（图2）。此外，通过超声-临床病理特征预测模型和超声预测模型的ROC-AUC值进统计学差异分析（0.873 vs 0.848，P＜0.0001）表明，与单独超声变量相比，纳入超声变量和临床病理特征变量的Nomogram预测模型预测能力更优。更重要的是，不管在建模组还是验证组研究人群中，低高风险两组患者的超声-临床病理特征Nomogram预测模型风险评分，均具有统计学差异（P<0.0001）。

图片1.png

图1.超声-临床病理特征及超声 Nomogram预测模型ROC曲线

图片2.png

图2. 超声-临床病理特征Nomogram预测模型校正曲线

3. 基于本研究的数据结果，超声-临床病理特征Nomogram预测模型将会为后续临床实践带来怎样的意义和价值？

赖建国医生：ALN状态是乳腺癌的重要预后风险因素。多项研究表明，年龄、肿瘤位置、肿瘤大小、肿瘤类型、组织学分级、多灶性、ER和PR表达为乳腺癌ALNM的独立风险因素。然而，需要指出的是病理肿瘤大小、多灶性及淋巴血管侵犯等参数，在术前无法准确获得。因此，在临床实践中，这些独立风险因素的实际效能不能帮助临床医生术前评估乳腺癌ALN状态。既往研究中由于未能够充分利用腋窝ALN超声参数的重要预测作用，导致已建立的乳腺癌ALN预测模型并不完美，ROC-AUC范围为0.702-0.79之间。

本研究中，考虑到腋窝超声检查是一种在术前评估乳腺癌ALN状态的重要方法。同时腋窝超声检查可以提供ALN的大小，形状和皮质形态等，这些参数与乳腺癌ALNM风险相关。因此，为了提高预测模型的预测效能，本研究在临床病理特征的基础上，纳入ALN超声参数，构建Ultrasonographic–clinicopathologic Nomogram预测模型来预测乳腺癌ALNM风险。结果显示，基于超声-临床病理特征构建的Nomogram预测模型，具有良好的鉴别能力。模型预测的ALNM概率与实际的ALNM概率具有很好的一致性，并且预测模型的拟合优度非常好，其表明该模型具有良好的校正能力。同时，该模型具有良好的风险分层能力，能够将乳腺癌患者ALNM风险分为高低风险组，为腋窝手术提供临床决策证据参考。

参考文献

[1]. Mao X, Zhou D, Lin K, et al. Cancer Immunol Immunother. 2023; 72: 679-95.
[2]. Tjan-Heijnen V, Viale G. N Engl J Med. 2018; 378: 2045-6.
[3]. Liu T, Liu C, Yan M, Zhang L, et al. Nat Commun. 2022; 13: 6823.
[4]. Lai J, Chen K, Li Y, et al. Annals of Oncology. 2017; 28: x16–x24.
[5]. Chen B, Zhang G, Lai J, et al. EBioMedicine. 2021; 71: 103542.
[6]. Lai J, Pan Z, Deng H, et al. Annals of Oncology. 2018; 29: ix1–ix7.
[7]. Win T, Naing TT, Win TT, et al.Annals of Oncology. 2018; 29: ix8–ix12.
[8]. Zavagno G, De Salvo GL, Scalco G, et al. Ann Surg. 2008; 247: 207-13.
[9]. Veronesi U, Viale G, Paganelli G, et al. Ann Surg. 2010; 251: 595-600.
[10]. Swinson C, Ravichandran D, Nayagam M, Allen S. Eur J Surg Oncol. 2009; 35: 1152-7.
[11]. Abe H, Schacht D, Sennett CA,et al. AJR Am J Roentgenol. 2013; 200: 696-702.
[12]. Ecanow JS, Abe H, Newstead GM,et al. Radiographics. 2013; 33: 1589-612.
[13]. Leenders MW, Broeders M, Croese C, et al. Breast. 2012; 21: 578-83.
[14]. Mills P, Sever A, Weeks J, et al. Breast J. 2010; 16: 460-3.
[15]. Deurloo EE, Tanis PJ, Gilhuijs KG, et al. Eur J Cancer. 2003; 39: 1068-73.
[16]. Fong W, Tan L, Tan C, et al. Eur Radiol. 2022 Dec;32(12):8200-8212.

责任编辑：肿瘤资讯-Annie
排版编辑：肿瘤资讯-Awa

2023年11月15日

欧阳波

酒钢医院 | 呼吸内科

内容很精彩，值得学习！

2023年11月15日

颜昕

漳州市医院 | 乳腺外科

模型为腋窝手术的个体化治疗助

2023年11月15日

严爱婷

海安市人民医院 | 肿瘤科

基于超声-临床病理特征的预测模型为腋窝手术的个体化治疗助力