前哨淋巴結陽性及全乳切除的乳腺癌患者非前哨淋巴結轉移的術中預測模型

陳佩賢，陳凱，周丹，潘瑞琳，葉國麟△，陳小松，蘇逢錫

2020年全球癌癥統計報告顯示，乳腺癌首次超過肺癌成為全球最常見的腫瘤［1］。手術是治療早期乳腺癌的主要手段之一。前哨淋巴結活檢（SLNB）是目前評估臨床淋巴結陰性患者腋窩情況的標準術式。前哨淋巴結（SLN）陰性，或陽性且滿足ACOSOG Z0011試驗［2］標準的患者無需行腋窩淋巴結清掃（ALND）術。然而，約10%的SLNB病例符合Z0011試驗標準［3］，對于全乳切除或腫瘤生物學特性較差的患者是否能常規避免ALND，目前仍存在爭議［4］。此外，20%～60%的SLN陽性患者在隨后的ALND中并未發現非前哨淋巴結（NSLN）轉移［5］。因此，準確評估患者NSLN轉移風險有助于篩選出低風險人群，進而免于ALND及術后相關并發癥。本研究旨在建立一個多中心的術中預測模型，評估SLN陽性且接受全乳切除術的早期乳腺癌患者NSLN轉移的風險，并對模型進行內外驗證及與其他模型進行比較。

1 對象與方法

1.1 建模組 回顧性收集2014年9月1日—2017年9月1日佛山市第一人民醫院和上海交通大學醫學院附屬瑞金醫院收治的乳腺癌病例［數據均來源于上海交通大學乳腺癌數據庫（SJTU-BCDB）］。納入標準：（1）經粗針穿刺活檢或切除確診的可手術的原發性浸潤性乳腺癌。（2）臨床檢查提示腋窩淋巴結陰性（cN0），即查體未捫及腫大淋巴結或術前彩超檢查未見可疑淋巴結或細胞學檢查/組織病理檢查陰性。（3）接受全乳切除術治療。（4）成功進行SLN活檢且術中快速冰凍病理確診至少1枚SLN陽性并行ALND。（5）術前未進行全身治療或放療。排除標準：（1）晚期乳腺癌。（2）術前激素受體、人表皮生長因子受體2（HER-2）狀態及腫瘤T分期未知。建模組最終共納入221例患者（佛山市第一人民醫院180例，上海交通大學醫學院附屬瑞金醫院41例）。

1.2 內部驗證組 依照前述納入和排除標準，通過SJTUBCDB收集2017年9月2日—2019年9月1日上述2家醫院的189例病例作為內部驗證組，其中佛山市第一人民醫院83例，上海交通大學醫學院附屬瑞金醫院106例。本組患者手術方法及病理檢查方法與建模組類似。

1.3 外部驗證組 依照前述納入和排除標準，收集2014年9月1日—2019年9月1日中山大學孫逸仙紀念醫院收治的乳腺癌患者191例作為外部驗證組。

1.4 資料收集 收集患者年齡、月經狀態、乳腺癌家族史、術前腋窩淋巴結是否可捫及、腫瘤大小（通過彩超測得腫瘤最大徑）、鉬靶中是否出現鈣化、是否多發病灶（通過術前彩超及查體獲得）、臨床T分期（根據彩超測得的最大徑線明確）；腫瘤類型（通過粗針穿刺活檢或切除活檢明確）、組織學分級、雌激素受體（ER）狀態、孕激素受體（PR）狀態、HER-2狀態、Ki-67值；術中獲得前哨淋巴結個數、SLN陽性數量、SLN陰性數量（SLN轉移灶檢測均使用術中快速冰凍病理）。

1.5 SLNB 本研究中使用亞甲藍和（或）吲哚青綠和（或）放射性示蹤劑單藥示蹤或雙示蹤法進行SLNB。具體使用哪種示蹤劑、藥物注射部位、其他手術技術及原發腫瘤和腋窩淋巴結標本的病理檢查根據各中心規范進行。若術中快速冰凍病理見SLN癌轉移則同步進行ALND。

1.6 分子分型 根據美國臨床腫瘤協會/美國病理醫師學會指南，ER和PR陽性定義為標本中≥1%腫瘤細胞核呈陽性。HER-2陽性定義為免疫組化染色呈3+或熒光原位雜交（FISH）結果陽性。

1.7 對比模型 選取3個NSLN轉移預測模型作對比，分別是美國紀念斯隆凱特癌癥中心（MSKCC）模型（http://nomograms.mskcc.org/Breast/BreastAdditionalNonSLNMetastasesPage.aspx）、法國Tenon醫院（Tenon）評分系統［6］及美國安德森癌癥中心（MDA）模型［7］。

1.8 統計學方法 采用SPSS 23.0進行統計學分析，R3.6.1軟件勾畫列線圖。符合正態分布的計量資料以±s表示，2組間比較采用獨立樣本t檢驗，多組間比較采用單因素方差分析，組間多重比較采用LSD-t法。非正態分布的計量資料以M（P25，P75）表示。2組間連續變量比較采用Mann-WhitneyU檢驗，多組間連續變量比較采用Kruskal-WallisH檢驗。計數資料以例（%）表示，組間比較采用χ2檢驗。利用Logistic回歸分析NSLN轉移的風險因素。單因素分析結果中P＜0.1的變量進入多因素回歸分析，最終P＜0.05的變量納入預測模型中。隨后對預測模型進行內部和外部驗證。模型的區分度和校準度分別通過受試者工作特征（ROC）曲線下面積（AUC）和Hosmer-Lemeshow擬優合度檢驗評估。P＜0.05為差異有統計學意義。

2 結果

2.1 建模組、內部驗證組及外部驗證組的基線資料 3組間乳腺癌家族史、腋窩淋巴結可觸及、腫瘤大小、出現鉬靶鈣化灶、腫瘤類型、HER-2陽性及SLN轉移數量等基線特征比較差異均無統計學意義。與建模組相比，內外部驗證組患者均較年輕，且以絕經前患者為主，Luminal型患者比例較高；外部驗證組中cT3～4期患者、多發病灶、高腫瘤分級（III級）、ER陽性、Ki-67值＞14%比例較高，SLN數量及SLN陰性數量較少（P＜0.05），見表1。

2.2 建模組中NSLN陽性和陰性亞組的基線資料比較 建模組、內部驗證組和外部驗證組分別有72例（32.6%）、61例（32.3%）及96例（50.3%）出現NSLN轉移。在建模組中，上海交通大學醫學院附屬瑞金醫院和佛山市第一人民醫院的NSLN轉移率分別是33.3%和29.3%，而在內部驗證組中該比例分別是36.1%和26.5%。單因素分析中P＜0.1的變量包括患者年齡、腫瘤大小、cT分期、PR狀態、HER-2狀態、SLN陽性數量及SLN陰性數量，見表2。

2.3 建立模型 將單因素分析中P＜0.1的變量納入多因素分析中，結果顯示年齡、PR狀態、腫瘤大小、SLN陽性數量、SLN陰性數量為NSLN轉移的獨立影響因素，見表3。根據上述結果建立多因素回歸 預 測 模 型logit（P）=0.106-0.032×a-0.725×b+0.400×c+0.625×d-0.271×e（P為NSLN轉移概率）并勾畫列線圖，見圖1。公式中P為NSLN轉移概率，a=患者就診時的年齡；b=PR狀態（1代表陽性，0代表陰性）；c=腫瘤大小；d=術中SLN陽性數量；e=術中SLN陰性數量。結果顯示模型的校準度（Hosmer-Lemeshow檢驗χ2=8.309，P=0.404）及區分度（AUC=0.752，95%CI：0.685～0.819，P＜0.01）均較好，校準曲線見圖2，ROC曲線見圖3。

2.4 模型驗證 將驗證組患者信息代入多因素模型進行驗證。預測模型在內部驗證組的AUC值為0.751（95%CI：0.676～0.825，P＜0.01），在外部驗證組的AUC值為0.681（95%CI：0.606～0.757，P＜0.01），見圖3。

Tab.1 Baseline characteristics of patients in the modeling group,the internal validation group and the external validation group表1 建模組、內外部驗證組的基線資料

Tab.2 Demographic and baseline characteristics of NSLN negative and positive subgroups in the modeling group表2 建模組NSLN陰性及陽性亞組的基線特征

Tab.3 Multivariate Logistic analysis of affecting NSLN metastases表3 NSLN轉移相關的多因素分析

Fig.1 Nomogram predicting NSLN metastases in SLN positive patients with BC圖1 SLN陽性乳腺癌患者NSLN轉移的預測列線圖

Fig.2 Calibration curve of NSLN prediction model圖2 NSLN預測模型校準曲線

Fig.3 ROC curves for the nomogram in the model group and the validation group圖3 預測模型于建模組及驗證組中的ROC曲線

2.5 不同模型的預測價值比較 本研究模型預測價值和TENON模型、MSKCC模型相當，同時優于MDA模型，見表4、圖4。

Tab.4 Comparison of discrimination between our mode and other three models in the internal validation group表4 不同模型區分效能比較

Fig.4 ROC curves for four different models in the internal validation group圖4 4個不同模型于內部驗證組中的ROC曲線

3 討論

本研究利用患者原發腫瘤及淋巴結術前及術中的臨床病理因素建立了術中預測模型，評估SLN陽性且接受全乳切除術的乳腺癌患者非前哨淋巴結轉移的風險。該模型包括患者年齡、腫瘤大小、PR狀態、SLN陽性數量及SLN陰性數量等5個變量，結果顯示模型的區分度及校準度均較好。

據文獻報道，50%～60%的SLN陽性患者并不符合Z0011試驗標準［8］。對于絕大部分SLN陽性乳腺癌病例，ALND仍是標準的腋窩處理方式。目前有大量隨機臨床試驗針對Z0011試驗標準外的患者進行研究。其中BOOG 2013-07試驗［9］將接受全乳切除術的cT1～2期、臨床腋窩淋巴結陰性且伴有SLN轉移的乳腺癌患者分為腋窩治療組（包括ALND或腋窩放療）和觀察組（無進一步ALND或腋窩放療），觀察2組間的預后及生存質量，試驗結果尚待公布。此外，一些乳腺中心根據現有臨床證據及多學科討論，對部分全乳切除的乳腺癌患者免除ALND［10］。因此，在目前缺乏確切臨床指南的前提下，建立有效的模型準確評估這部分患者NSLN轉移風險輔助臨床決策非常必要。

現有的NSLN轉移預測模型以術后模型居多，納入的主要變量包括SLN轉移灶大小、淋巴結包膜外浸潤等參數，均來自對術后標本病理檢查。Houvenaeghel等［11］基于12 572例早期乳腺癌病例建立了預測腋窩淋巴結轉移風險的術前臨床模型（包括初診年齡、腫瘤分期、分子分型、腫瘤類型及組織學分級等變量）與術后病理模型（包括初診年齡、腫瘤大小、腫瘤類型、淋巴管浸潤、分子分型等變量），發現術后預測模型的區分度（AUC=0.780）優于術前模型（AUC=0.717），目前術中模型研究較少。Shimazu等［8］利用一步核酸擴增法建立了NSLN轉移的術中預測模型，包括腫瘤總負荷、腫瘤大小等變量，其AUC值為0.70，本研究模型AUC值為0.752，與現有術后模型效果相當。

術中SLN評估手段的準確性至關重要，本研究使用快速冰凍病理評估SLN。有研究顯示，快速冰凍病理對于≥2 mm的SLN轉移灶判定較為準確［12］。對于SLN轉移灶＜2 mm的保乳手術或全乳切除術病例，ALND并未進一步改善無病生存率、局部復發率和區域復發率［13］。筆者認為，對于快速冰凍病理漏診的SLN微轉移病例，可通過補充術后放療降低局部區域復發率和患肢淋巴水腫的發生風險，使用快速冰凍病理評估SLN不影響模型準確性。

目前研究認為，腫瘤大小、分級、脈管癌栓、診斷時年齡、SLN陽性數量、激素受體表達情況、HER-2狀態、分子分型等均是NSLN轉移的主要預測風險因素［14-15］。本研究中，雖然在單因素分析時HER-2狀態為具有統計學意義的風險因素，但在多因素分析中并未入選NSLN轉移的影響因素，筆者認為可能與HER-2臨界狀態（如免疫組化檢查結果為2+）的患者比例較大有關，這會削弱該變量在模型中的影響。這部分患者經過粗針穿刺活檢明確診斷后即接受手術治療，未行FISH進一步明確HER-2狀態。因此，本次研究中并未列出基于ER、PR、HER-2的4種分子分型，只根據ER和PR表達將患者分類為非Luminal型和Luminal型。然而，單因素分析及多因素分析均未顯示分子分型為風險因素。

MSKCC模型、TENON模型和MDA模型已被廣泛驗證。一項薈萃分析顯示，以上模型的外部驗證效能并不理想（MSKCC模型AUC=0.72，MDA模型AUC=0.71，TENON模型AUC=0.72）［16］。在本研究中，MSKCC模型在內部驗證組的AUC為0.755，提示區分度較好，而其他2個模型的AUC則較低。

在Z0011試 驗［2］和IBCSG 23-01試 驗［17］的ALND組中，分別有27%和13%的患者出現NSLN轉移。而在本研究中，3組的基線NSLN轉移率（建模組32.6%，內部驗證組32.3%，外部驗證組50.3%）均高于上述2個試驗，尤其以外部驗證組為著。多種因素可以影響基線NSLN轉移率，本研究外部驗證組患者就診時較為年輕、腫瘤體積較大、多發病灶、高級別腫瘤及高Ki-67值的患者比例較高。這可能是外部驗證組基線NSLN轉移率顯著高于其他2組的原因，同時也意味著該組人群均為高風險對象，全乳切除以及ALND指征把握較嚴格。此外，術前淋巴結評估手段也是影響基線NSLN轉移率的因素，在Z0011試驗［2］、IBCSG 23-01試驗［17］和AMAROS試驗［18］中的臨床淋巴結陰性是以臨床查體未見腫大淋巴結為標準。目前通過臨床查體進行術前腋窩淋巴結分期的準確度低，檢出轉移淋巴結的敏感度只有32%［19］；而腋窩超聲聯合組織活檢的敏感度可提高到50%～55%［20］。本研究中，術前對腋窩淋巴結評估包括查體、腋窩超聲及病理檢查，較多淋巴結轉移的患者避免了SLNB，也降低了NSLN轉移比例。此外，近期有研究顯示，通過術前MRI能準確發現轉移的腋窩淋巴結，可用于評估腋窩腫瘤負荷［21-23］。在今后的預測模型中可納入影像組學的變量進一步改善模型的預測效能。

乳腺癌腋窩淋巴結處理的理念和方式正在不斷地變化。將來腋窩放療也可能成為部分SLN陽性患者的替代治療方案。NSABP B-04試驗［24］結果顯示乳腺癌根治術組與全乳切除+放療組的腋窩復發率相當。AMAROS試驗［18］表明ALND組和腋窩放療組的局部復發率相似。通過制定個體化的預測模型，可為放療科醫師制定放療方案、保證足量的放療劑量和放療野提供有用的信息。

本次研究也存在一些缺點。Shimazu等［8］認為，如果NSLN數量過少可能會影響對NSLN狀態評估的準確性，建議納入病例的NSLN至少3枚。隨著系統治療的進步以及Z0011試驗結果對臨床實踐的影響，全乳切除病例相對較少，本研究的納入和排除標準中并未對NSLN數目進行限制。此外，對于部分腫瘤體積較大或腫瘤類型較罕見的病例，應用本研究模型時需謹慎。

綜上所述，本研究針對全乳切除術且SLN陽性的早期乳腺癌患者建立了NSLN轉移的術中預測模型，該模型的內外驗證結果均較好，且準確度與現有術后模型相當。