用于預測低級別膠質瘤患者生存率的列線圖模型構建*

林明健，王文波△，夏學巍，丁乙夫，廖紅展，周配權，李文才，夏少懷，譚 潔

(1.桂林醫學院附屬醫院神經外科，廣西桂林 541001；2.桂林醫學院廣西腦與認知神經科學重點實驗室，廣西桂林 541001)

膠質瘤是原發性腦腫瘤最常見的惡性腫瘤，約占中樞系統惡性腫瘤的80%[1]，其中包括膠質母細胞瘤(WHO 4級)和低級別膠質瘤(LGG，WHO 2～3級)。低級別膠質瘤生長較為緩慢，目前低級別膠質瘤的治療仍以手術為主，放療及化療為輔[2-3]，但即便采取最佳的治療措施，威脅生命的腫瘤復發事件仍不可避免[4]。

列線圖是一個圖形計算比例尺工具，是多因素校準后的可視化結果，已被用于預測各種疾病的臨床結果，如惡性腫瘤、退行性疾病、和代謝性疾病，并且可以為臨床醫生預測患者生存率、制定個性化方案提供依據[5]。目前，以列線圖模型構建低級別膠質瘤的臨床預測因素模型仍較少見，本研究基于TCGA數據庫進行分析，旨在構建列線圖模型，利用常見臨床數據預測LGG患者的生存率。

1 資料與方法

1.1 資料來源

從癌基因組數據庫(TCGA，https://www.cancer.gov/about-nci/organization/ccg/research/structural-genomics/tcga)下載膠質瘤LGG隊列1994-2018年診斷為LGG患者臨床數據，分別記錄腫瘤等級(Ⅱ級或Ⅲ級)，診斷年齡，性別(男性或女性)，KPS評分(在手術后記錄，以80分為界限分組)，首發癥狀(頭痛、癲癇或其他)，首發癥狀持續時間(以90 d為界限分組)，首次治療后腫瘤有無進展、腫瘤部位(左側、右側或中線)，化療史，放療史，分子亞型(IDH突變+1p/19q編碼型、IDH突變+1p/19q非編碼型、IDH野生型)，生存時間(以時間為單位)和生存狀態(生存或死亡)。所有數據均來源于TCGA數據庫，不需要知情同意和倫理委員會批準。

1.2 統計學處理

1.2.1Kaplan-Meier生存分析和Cox多因素分析驗證方法

將性別、診斷年齡、KPS評分、腫瘤分級、首發癥狀、首發癥狀持續時間、首次治療后腫瘤有無進展、腫瘤部位、化療史、分子亞型、頭部腫瘤史、既往頭痛病史、既往癲癇病史、額外藥物使用史、術前抗癲癇治療史為自變量，將生存時間和生存狀態為因變量進行Kaplan-Meier生存曲線分析，利用Kaplan-Meier生存曲線驗證TCGA數據庫中各臨床因素與LGG患者總體生存率關系。使用單因素與多因素Cox風險模型進行分析，計算風險比(HR)與 95%置信區間(CI)量化評估臨床因素與LGG患者預后相關性。使用GraphPad Prism 8.0 軟件(GraphPad Software,Inc,La Jolla,CA)繪制Kaplan-Meier 生存曲線。以P<0.05為差異有統計學意義。

1.2.2列線圖觀察指標及繪制方法

選取10個臨床參數(性別、診斷年齡、KPS、部位、首發癥狀、首發癥狀持續時間、首次治療后腫瘤有無進展、放療史、分子亞型、腫瘤分級)，使用易侕2.0版本(http://13.75.107.110/cn/index.html)繪制LGG患者臨床參數列線圖(Nomogram圖)，同時繪制ROC曲線圖驗證列線圖區分度，ROC曲線下面積(AUC)越接近1，表示列線圖區分度越高，繪制預測生存率與實際生存率曲線對比圖驗證列線圖校準度，預測生存率與實際生存率曲線越相近，表示列線圖校準度越高。

2 結 果

2.1 TCGA患者臨床數據及人口特征

從TCGA數據庫中納入529例患者臨床信息，男291例，女238例，KPS評分大于80分的患者占38.9%，分子亞型為IDH突變+1p19q非編碼型占多數(42.9%)，腫瘤分級G2與G3例數相當，有346例患者既往無頭部腫瘤史，最常見的首發癥狀為癲癇，首次癥狀持續時間多數小于90 d，腫瘤部位在左側和右側患者例數類似。

2.2 Kaplan-Meier生存分析和Cox多因素分析驗證各臨床因素與低級別膠質瘤患者預后關系

Kaplan-Meier生存分析結果顯示診斷年齡>65歲、KPS評分小于80分、腫瘤分級G3、分子亞型為IDH野生型、首次治療后腫瘤有進展、有化療史與LGG患者中位生存時間降低相關，即與患者較高病死率相關(P<0.05)，見表1。將P<0.05的臨床變量納入COX多因素分析中，診斷年齡大于65歲、腫瘤分級G3級、分子亞型為IDH野生型、首次治療后腫瘤有進展是LGG患者的獨立危險因素(P<0.05)，見表2。

表1 人口特征表和KM生存分析

表2 COX納入因素及分析結果

2.3 繪制并驗證臨床參數列線圖預測低級別膠質瘤生存率

列線圖結果提示分子亞型為IDH野生型、腫瘤G3級、首次治療后腫瘤有進展、年齡>65歲得分均較高，其中年齡>80歲得分最高(圖1)。因此，可將每個臨床參數累積得分與列線圖橫軸對應的患者30、60、90個月的總體生存率(OS)相對應，從而預測單個患者各個時間段的總體生存率。

選取10個臨床參數，分別計算各臨床參數得分，總分由各臨床參數得分相加，總分所對應的30、60、90個月生存率即為列線圖預測個體患者生存率。

列線圖區分度驗證：用于預測30、60、90個月患者總體生存率的ROC曲線下面積(AUC)分別為0.810、0.850、0.874，AUC均接近1，表示區分度高，即列線圖預測性能良好。同時，實際預測曲線與驗證曲線較為吻合，該列線圖的預測死亡值和實際死亡值在訓練集和驗證集上均表現出良好的一致性，30、60、90個月的模型預測線與實際病死率均較為接近，見圖2、3。

ROC曲線下面積(AUC)越接近1，表示列線圖區分度高，即預測性能良好。

紅色線為模型預測線，藍色線為95%置信區間，綠色線為實際死病死率。

3 討 論

LGG患者的診斷及治療方法取決于患者的預后因素，包括組織學、腫瘤分級、診斷年齡、首次出現的癥狀、手術切除范圍、腫瘤大小和位置、神經功能缺損及某些分子標記[6-7]。列線圖已在預測臨床風險特征和某些癌癥的預后方面顯示出良好的效果[8-9]。本研究目的在于開發和驗證LGG患者的個體生存列線圖，通過臨床參數預測患者生存率。

GORLIA等[10]利用歐洲癌癥研究與治療組織(EORTC)中339例診斷為LGG的患者數據，確定了首發癥狀出現時間短，組織學類型為星形細胞腫瘤和腫瘤直徑大于5 cm 3個風險因素并進行了列線圖驗證，顯示結果均為與總體生存率低相關，但此研究風險因素較少，且未加入常見臨床因素，如年齡、性別、腫瘤分級等。WANG等[11]使用TCGA數據庫的臨床數據繪制列線圖，共納入性別，組織學診斷(少突膠質細胞瘤/少突星形細胞瘤或星形細胞瘤)，IDH突變類型，腫瘤分級，診斷年齡和生長停滯特定轉錄本5(GAS5)基因表達等因素，結果表明GAS5表達及其他臨床因素與LGG患者的OS相關，此研究驗證了基因表達與患者生存率的相關性。本研究使用了TCGA數據庫并納入10個常見臨床參數及預后變量，例如術后KPS評分，統計學上存在顯著差異。

有研究報道，IDH突變是低級別膠質瘤患者積極預后和化療敏感性的顯著標記[12]，而IDH野生型的患者預后極差[13]。IDH突變狀態和1p/19q共缺失對膠質瘤有預后價值[14]。本研究所繪制列線圖結果也同樣顯示IDH突變得分低，可視為有利因素。

在臨床工作中，LGG患者常見的臨床癥狀為癲癇發作及頭痛，在TCGA數據庫中，以癲癇發作為首發癥狀的患者占多數。FEYISSA等[15]研究發現術前癲癇發作可能與IDH1 突變和MGMT基因啟動子甲基化狀態有關，但與其他神經膠質瘤特征(包括腫瘤分級，位置或組織病理學)無關，所以傳統觀念上認為癲癇發作是LGG患者預后的良性因素。但本研究對首發癥狀(癲癇、頭痛或其他)與患者總體生存率進行Kaplan-Meier生存分析及COX多因素分析，差異均無統計學意義(P>0.05)，而通過列線圖可以發現以頭痛為首發癥狀得分較高，即預后較差，考慮此結果是由于TCGA數據庫中存在混雜因素導致，故需進一步前瞻性試驗驗證。

既往研究表明LGG患者年齡、性別、腫瘤部位等因素不同可導致預后存在差異。ALATTAR等[16]研究發現對于年齡<50歲的非額葉腫瘤患者，盡管IDH突變率相當，但腫瘤全切后的生存率存在差異，即額葉LGG患者的預后較好。ZHAO等[17]研究結果顯示女性患者和已婚者的預后要好于男性患者和未婚者。ALTIERI等[18]在研究中將膠質瘤患者以右側與左側分組，發現右側額葉對IDH1突變型腫瘤具有更良性的預測價值。在本研究中年齡>65歲是LGG患者總體生存率的獨立危險因素，而性別、腫瘤部位雖然統計學未見差異，但在列線圖中發現，男性、腫瘤位于左側兩個因素得分較高，具有更差預后。

目前低級別膠質瘤放射治療的選擇仍然存在爭議。在歐洲癌癥研究與治療組織一項隨機研究中對LGG患者術后放射治療的有效性進行調查，僅放射治療并不能改善OS，但可以緩解水腫，顱內高壓等癥狀[19]，術后再次接受放化療聯合治療是一種安全可行的治療方法[20]。在本研究中，單因素分析顯示接受化療患者的總體生存率更高，但Cox多因素中未見差異有統計學意義，而在列線圖中發現接受放療得分更低，預后更好。所以，對于術后輔助放化療對患者的收益需個體化看待，并需更多前瞻性試驗驗證。

本研究中利用單因素、多因素分析及開發的列線圖，可以為患者提供簡單、直觀和定量的預后判斷，從而方便臨床醫生對LGG患者總體生存率的把握，使患者得到最大獲益。

本研究也存在局限性：(1)研究數據來自TCGA數據庫，未進行相關試驗驗證；(2)未從數據庫中獲取手術切除相關數據，不可避免對試驗結果有所影響；(3)納入列線圖中的臨床因素仍然不夠，需要進一步的實驗驗證。

本研究利用統計學工具，使用10個臨床參數繪制列線圖并對其進行驗證，從而達到預測低級別膠質瘤患者生存率，提供臨床風險評估的目的，旨在為更多的LGG患者獲取最大收益。