大腸癌術后淋巴結轉移高危因素的預測

曾子杰　劉秀峰　謝佳云

(廣州中醫藥大學，廣東　廣州　510006)

?

·腫瘤·

大腸癌術后淋巴結轉移高危因素的預測

曾子杰劉秀峰謝佳云

(廣州中醫藥大學，廣東廣州510006)

目的探討結腸癌術后出現淋巴結轉移相關的影響因素及其影響程度。方法隨機回顧性收集該院進行大腸癌手術的295例患者，參考相關文獻獲取可能相關因素，進行Logistic回歸分析和人工神經網絡算法，得出具體影響術后淋巴轉移的主要因素及其影響程度。結果經過雙變量相關分析最終將腫瘤浸潤深度、大體類型、組織學類型、腫瘤最大直徑、性別、年齡、脈象、患高血壓、病灶部位及淋巴結轉移(N)10項相關因素進行分析。Logistics模型分析顯示：腫瘤浸潤深度、組織學類型、大體類型、病灶部位、患高血壓與大腸癌淋巴結轉移明顯相關(P<0.05)。人工神經網絡預測模型獲得的相關因子重要性及納入順序從高到低排序：腫瘤浸潤深度>組織學類型>大體類型>腫瘤最大直徑>病灶部位>脈象>患高血壓>年齡>性別。兩個預測模型對樣本數據預測正確率相較不大，而人工神經網絡模型表現出更好的預測效果。結論預測大腸癌淋巴結轉移的高危因素可以幫助分析淋巴結轉移情況，達到早期診斷治療、提高患者生存率的目的。

大腸癌；淋巴結轉移；神經網絡

目前有無淋巴結轉移是制定大腸癌患者手術方案和確定術后輔助治療的重要依據之一，也是影響患者預后的重要因素〔1〕。有學者發現淋巴結轉移陰性的患者5年生存率明顯高于淋巴結轉移陽性的患者〔2〕。因此,提高大腸癌淋巴結轉移的早期診斷率,對大腸癌患者診療方案的制定及生存期預測有極其重要的意義。

1　資料與方法

1.1一般資料2011年1月至2014年12月在廣東省中醫院行大腸癌手術后資料完整的患者295例。男157例，女138例；結腸癌203例，直腸癌92例；年齡60～97〔平均(69.48±7.5)〕歲。納入標準：(1)參照中華人民共和國衛生部醫政司《中國常見惡性腫瘤診治規范》，均有病理學診斷依據〔3〕；(2)經病理學或細胞學檢查診斷為結直腸癌的患者；(3)大腸癌手術切除原發病灶6個月以上的患者；(4)資料完整，具有活體檢驗記錄的患者。排除標準：(1)手術后6個月以內的患者；(2)合并有嚴重的腎病、精神病、心臟病等疾病的患者；(3)已發生轉移為其他疾病，并以其他疾病為主要表現的患者；(4)臨床資料不全，不符合納入標準的患者。

1.2研究方法與廣東省中醫院腸癌臨床專家，醫學數據統計分析專家展開多場座談會，并查閱大量文獻，確定臨床數據采集方案并設計臨床數據采集表。采集表內容：患者的腫瘤浸潤深度、大體類型、組織學類型、腫瘤最大直徑、性別、年齡、脈象、患高血壓、病灶部位、舌質、苔象、手術史、患糖尿病、腫瘤遺傳史與淋巴結轉移等。

1.3數據庫建立與處理采用 EpiData3.1 數據庫管理軟件建立數據庫，將收集到的病例資料進行賦值量化，淋巴結轉移編碼為1，無轉移為0，全部數據由專人錄入并二次校驗審核，減小誤差。

1.4統計學方法應用SPSS19.0軟件進行Logistic回歸分析，人工神經網絡對數據進行建模分析。

2　結　果

2.1雙變量相關分析結果選擇Pearson相關系數作為計算公式，顯著性檢驗類型選擇雙側檢驗，這樣可以觀察到變量之間的正負相關性，同時為保證數據的正確分析率，在分析過程中剔除有缺失值的個案。分析項與淋巴結轉移屬性項按相關性從高到低排序：腫瘤浸潤深度>大體類型>組織學類型>腫瘤最大直徑>性別>年齡>脈象>患高血壓>病灶部位>舌質>苔象>手術史>患糖尿病>腫瘤遺傳史。經過觀察相關系數值與詢問臨床醫師意見后，最終選定腫瘤浸潤深度、大體類型、組織學類型、腫瘤最大直徑、性別、年齡、脈象、患高血壓、病灶部位及淋巴結轉移10項指標帶入Logistic回歸分析及人工神經網絡中。見表1。

2.2Logistic回歸分析患者性別、年齡、腫瘤最大直徑、脈象與大腸癌淋巴結轉移無明顯相關(P>0.05)。而腫瘤浸潤深度、組織學類型、大體類型、病灶部位、患高血壓與大腸癌淋巴結轉移明顯相關(P<0.05)。見表2。

2.3人工神經網絡分析結果人工神經網絡預測模型又稱ANN預測模型，ANN預測模型中的因子重要性及納入順序從高到低排序：腫瘤浸潤深度>組織學類型>大體類型>腫瘤最大直徑>病灶部位>脈象>患高血壓>年齡>性別。見表3。

2.4預測結果驗證見圖1，圖2。為了檢驗得出的Logistic回歸預測模型及ANN預測模型的正確率，在完成建模之后采用受試者工作特征曲線(ROC)對擬合效果進行檢驗。Logistic回歸模型的ROC距離對角線較遠，發生淋巴結轉移曲線下面積為0.864，效果較好；而ANN預測模型的ROC距離對角線很遠,曲線下面積為0.913，效果十分理想，預測正確率更高。兩個預測模型對樣本數據預測正確率相較不大，人工神經網絡模型表現出更好的預測效果。

表1　描述性統計量

表2　大腸癌淋巴結轉移病理統計比較〔n(%)〕

表3　影響淋巴結轉移變量重要性

圖1　Logistic回歸模型淋巴結轉移ROC檢驗圖

圖2　人工神經網絡模型淋巴結轉移ROC檢驗圖

3　討　論

結腸癌治療失敗最常見的原因是術后復發和遠處轉移,也是患者死亡的主要原因〔4〕。術前應全面建成，確定淋巴結轉移高危病例合適的淋巴結清掃范圍，降低腫瘤殘留率〔5〕。另外有必要對術后復發和轉移的高危人群加強定期隨訪,做到早診斷早治療,根據個人情況調整后期治療方案，延長患者生存時間和改善預后生活質量〔6〕。

腫瘤發生淋巴管轉移的機制主要可能為腫瘤的生長以及腫瘤間質水腫，逐漸增加腫瘤內部的間隙壓，該壓力促使腫瘤細胞向血管和淋巴管遷移〔7〕。經病理研究顯示，無腔淋巴管是間隙壓升高的特征性征象，腫瘤細胞在壓力差形成的情況下被動從癌組織進入癌旁淋巴管，這一過程無須腫瘤細胞主動轉移〔8〕。本研究中患者腫瘤浸潤深度、大體類型、組織學類型是影響大腸癌淋巴結轉移的高危因素,而患者性別、年齡、腫瘤最大直徑、舌象等則與大腸癌淋巴結轉移無明顯關聯。分析原因可能為患者腫瘤浸潤深，則腫瘤周圍血管和淋巴管豐富，為其轉移提供良好轉移條件。而惡性度越高，侵襲作用越強，主動轉移能力亦高。人工神經網絡模型和Logistic回歸模型都可作為預測大腸癌淋巴結轉移的有效工具,有助于分析患者淋巴結轉移情況，達到早期診斷治療。根據本研究結果，患者腸癌腫瘤術后，需要重點關注其腫瘤浸潤情況，腫瘤大體類型以及組織學類型，將浸潤深、低分化以及潰瘍性或浸潤性腫瘤患者，在術式選擇方面需要更徹底，在術后監測方面需要更密切注意。

1季政一，陳德建，戴雪明，等.Dukes B期結直腸癌淋巴結微轉移對預后的影響〔J〕.上海醫學，2001;29(7):423-6.

2陳功，萬德森.結直腸癌淋巴結微轉移的研究進展〔J〕.廣東醫學，2001;22(7):552-4.

3劉蔭華,徐玲.第七版《AJCC腫瘤分期手冊》結直腸癌內容的更新與解讀〔J〕.中華胃腸外科雜志,2010;13(8):629-31.

4鄧昊，舒細記，鎮鴻燕，等.結直腸癌淋巴結微轉移對預后影響的意義〔J〕.癌癥，2013;22(7):762-6.

5徐燕平,金世祿,劉寶珍,等.大腸癌淋巴結轉移相關的基因蛋白產物及病理多因素分析研究〔J〕.臨床消化病雜志,2011;23(2):90-3.

6梁良，羅樹春，趙煜，等.結腸癌術后肝轉移危險因素回顧性分析〔J〕.中華腫瘤防治雜志，2015;22(10)：792-5.

7孫冬梅,房林.晚期大腸癌患者預后因素分析〔J〕.中國老年學雜志,2012;32(17):3782-3.

8易慧智,陳超,屈建峰,等.老年大腸癌721例的臨床及病理特點〔J〕.中國老年學雜志,2013;33(19):4867-8.

〔2015-10-11修回〕

(編輯袁左鳴/滕欣航)

10.3969/j.issn.1005-9202.2016.14.046

廣東省教育廳科學研究基金項目(No.2013Z019)

曾子杰(1989-)，男，碩士，主要從事中醫藥數據庫與數據挖掘研究。

R73

A

1005-9202(2016)14-3452-03；