惡性血液病患者自體外周血造血干細胞采集結果預測模型研究

李若冰 唐古生 魯桂華 羅艷蓉 唐圓月 彭艷妮

(海軍軍醫大學第一附屬醫院血液科，上海 200433)

自體造血干細胞移植是治療淋巴瘤、多發性骨髓瘤等多種惡性血液病及非血液系統疾病的主要途徑，具有良好的臨床治療效果，其中自體外周血造血干細胞(peripheral blood stem cell，PBSC)采集是獲得干細胞的重要方法[1-2]。自體造血干細胞移植是在患者治療的特定時期采集自身造血干細胞體保存或經特殊處理后，當患者接受超大劑量放、化療后予以回輸以促進其造血系統的恢復和重建[3]。造血干細胞移植后造血功能恢復的關鍵在于回輸足夠的PBSC[4]。然而，受患者個體差異的影響，自體PBSC采集失敗案例時有發生。當PBSC采集失敗后仍需要進行2次采集，甚至3次采集，這嚴重增加了患者的心理和經濟負擔，并影響治療療效。因此，在自體PBSC采集之前，通過對患者身體指標進行分析，提前準確預測采集結果，并采取相應措施，提高PBSC采集質量，可極大程度改善患者治療效果和預后[5- 6]。目前，對自體PBSC采集結果預測方法主要是經驗法，即醫護人員根據患者身體及少數血液指標主觀地對PBSC結果進行簡單評估，并制定動員方案[7-8]。該方法易受醫護人員從業經驗和患者個體差異影響，無法準確評估自體PBSC采集結果。針對上述問題，筆者回顧性分析了572例本院行自體造血干細胞采集術的惡性血液病患者基本信息、患病類型、采集患者血常規、生化指標等因素，篩選不同的相關因素，并構建基于多因素的自體PBSC采集結果預測模型；旨在對臨床醫護人員PBSC采集及護理工作提供指導、提高PBSC采集成功率，現將結果報告如下。

1 資料與方法

1.1一般資料 回顧性分析2015年5月-2022年6月在我院血液內科接受PBSC采集的惡性血液病患者601例。納入標準：(1)惡性血液病患者診斷符合《疾病和有關健康問題的國際統計分類(第10次修訂本)》即ICD-10[9]。(2)自體PBSC采集。(3)動員及PBSC采集方案相同。(4)年齡≥18周歲，男女不限。排除標準：(1)臨床資料不全者。(2)存在交流和認知障礙者。經過納入和排除標準篩選后共排除29例資料不全的患者，最終納入572例血液病患者作為研究對象。PBSC采集前患者或其委托家屬簽署外周血干細胞采集知情同意書。本研究為回顧性研究，已通過我院醫學倫理委員會審批(審批號：CHEC2022-076)。

1.2PBSC采集方法 本研究所有PBSC采集流程均相同，其目的是為了排除PBSC采集過程的差異影響采集結果。所有患者均采用重組人粒細胞刺激因子(granulocyte colony stimulating factor，G-CSF)，動員劑量5～10μg/(kg·d-1)，連續注射4～6 d，每天皮下注射1次。在動員第4天開始評估患者白細胞和單個核細胞(包括單核細胞和淋巴細胞)比例，以確定采集的最佳時機。采用德國Fresenius血細胞分離機COM-ETC的單個核細胞采集程序進行采集，選擇18G密閉式留置針穿刺外周靜脈，連接管道靜脈端，選擇14G股靜脈穿刺置管連接管道動脈端，選擇生理鹽水預沖管道，采用復方枸櫞酸鈉溶液抗凝。采集前5 min予地塞米松10 mg靜脈推注，PBSC采集的循環總量為患者血容量的3.5～4倍(12 000～16 000 mL)，流速為50～60 mL/min，全血與抗凝劑流速比為10∶1～12∶1。采集開始后，給予患者10%葡萄糖酸鈣60 mL經回輸管道持續10～15 mL/h注射泵泵入。在循環結束后將所采集的造血干細胞取樣1 mL，并送實驗室計數(CD34+和MNC細胞計數)。根據2018版造血干細胞移植治療淋巴瘤中國專家共識[10]，PBSC采集成功標準為：CD34+細胞計數≥2×106/kg，且MNC細胞計數≥5×108/kg。

1.3觀察指標 收集患者臨床基本資料，包括性別、年齡、體質量指數BMI、吸煙、患病類型等；自體PBSC采集前血液指標：白細胞計數、紅細胞比積、血小板計數、血紅蛋白含量、淋巴細胞數比值、單核細胞比值。

2 結果

2.1PBSC成功組和失敗組一般資料比較 本研究所納入的572例患者中，以452例(79.02%)PBSC采集成功的患者作為“PBSC成功組”，以120例(20.98%)PBSC采集失敗的患者作為“PBSC失敗組”。PBSC成功組和PBSC失敗組臨床基本資料的比較，見表1。結果顯示：2組患者中性別(P<0.001)、吸煙史(P<0.001)、白細胞計數(P<0.001)、紅細胞比積(P<0.001)、血小板計數(P=0.025)、血紅蛋白含量(P<0.001)為PBSC采集結果的影響因素。進一步分析發現，572例患者中男性患者的PBSC采集成功率(85.20%)高于女性患者(70.54%)；納入患者中多發性骨髓瘤(multiple myeloma，MM)260例(45.46%)、霍奇金淋巴瘤(hodgkin disease，HD)52例(18.91%)、非霍奇金淋巴瘤(non-hodgkin lymphoma，NHL)193例(33.74%)、急性淋巴細胞白血病(Acute lymphoblastic leukemia，ALL)67例(11.71%)，且MM、HD、NHL和ALL的PBSC成功率分別為79.62%、80.77%、81.87%和67.16%。

表1 PBSC成功組和失敗組一般資料比較

2.2研究組與驗證組分組結果 為了盡量降低數據分組所帶來的偏倚，從“PBSC成功組”和“PBSC失敗組”分別隨機選擇70%的患者進行混合作為研究組來構建PBSC結果預測模型，“PBSC成功組”和“PBSC失敗組”中剩余30%患者混合作為模型驗證組。研究組中PBSC采集成功患者316例，PBSC采集失敗患者84例；驗證組中PBSC采集成功患者136例，PBSC采集失敗患者36例。所有臨床資料在研究組和驗證組間比較無統計學差異，見表2。

表2 研究組和驗證組臨床基本資料比較

2.3PBSC采集結果多因素分析 雖然原始11個變量中共有6個變量有統計學意義，但為了確保所建立模型的準確性，將11個原始變量全部輸入LASSO模型，選用10倍交叉驗證擬合不同變量組合下的模型，隨著正則化參數λ的增加，各變量系數值逐漸被壓縮，即變量隨之減少，見圖1。上橫坐標是此時模型中非零系數變量的個數，模型變量對于每一個正則化參數λ值，在交叉驗證下可以得到一個目標參量的置信區間和一個均值，見圖2，圖中兩條虛線分別代表兩個特殊的λ值(lambda.min和lambda.1se)。lambda.min指最小目標參量均值對應的λ值，lambda.1se指在lambda.min一個方差se范圍內最簡模型對應的λ值。按照lambda.1se變量篩選準則，本研究選取lambda.1se的值為0.000 19，此時可獲得變量個數最少且性能優良的模型。最終篩選出6個與自體PBSC采集結果相關性最顯著的變量，包括患者性別、吸煙史、白細胞、紅細胞比積、血小板計數和血紅蛋白含量。選擇研究組中有上述6個變量作為自變量進行多元logistic回歸分析，結果顯示患者性別、吸煙史、白細胞計數、紅細胞比積、血小板計數及血紅蛋白含量因素是影響自體PBSC采集結果的獨立影響因素(P<0.05)，見表3。

圖1 λ與模型變量動態篩選過程圖

圖2 λ變量篩選過程的模型誤差變化圖

表3 研究組PBSC采集多因素logistic回歸分析(n=572)

2.4PBSC采集風險預測模型擬合及預測效果 根據多因素logistic回歸分析結果，構建PBSC采集預測模型，并采用Hosmer-Lemeshow檢驗模型擬合效果(χ2=3.756，P=0.482)，說明LASSO變量篩選模型和PBSC預測模型在研究組和驗證組數據都有較好的擬合效果，未發生過擬合現象，因此，上述模型有較好的泛化能力。根據PBSC預測模型對研究組和驗證組患者的預測結果，分別繪制研究組和驗證組的ROC曲線，見圖3(a)和(c)。以研究組Youden指數為預測模型的最大臨界值，即cut-off值為0.455，研究組AUC、靈敏度和特異度分別為0.855、81.05%和78.48%，驗證組AUC、靈敏度為和特異度分別為0.875、83.65%和74.52%。此外，繪制該預測模型研究組和驗證組的校準曲線，見圖3(b)和(d)。研究組及驗證組列線圖模型ROC曲線及校正曲線，見圖3(掃二維碼獲取)。

2.5PBSC采集風險預測列線圖模型的建立 在驗證模型的有效性后，為了更好地推廣PBSC采集風險預測模型，本研究建立了自體PBSC采集結果列線圖預測模型，見圖4。根據cut-off值計算出最佳風險分層臨界值0.455(213分)，最終定義患者總得分≤213分為低風險組，>213分為高風險組。

圖4 自體PBSC采集結果列線圖預測模型

3 討論

惡性血液病以患者生存時間短、治愈率低、治療費用高為顯著特征，自體PBSC移植是臨床治療惡性血液病的常用方法，其中PBSC采集是移植治療的關鍵步驟，直接關系到最終的PBSC移植效果。為提高PBSC采集的成功率，有必要在血液病患者行PBSC術之前對PBSC采集結果進行預測。

3.1PBSC預測模型應用 本研究所構建的PBSC預測模型主要針惡性血液病患者，包括MM、HD、NHL和ALL 4種患者，能夠根據患者性別、吸煙史、白細胞計數、紅細胞比積、血小板計數和血紅蛋白含量6項指標來預測即將行PBSC術患者的PBSC采集結果。在臨床應用中，醫護人員可將上述6個變量向頂端評分標準做垂線以得到相應的得分，通過相加各變量得分得出總分，從而實現惡性血液病患者個體化預測，便于醫護人員根據模型預測結果對高危患者制定更有針對性預防錯措施，如增加G-CSF劑量、更換動員藥物、改變采集方案或延緩PBSC采集。在實際使用過程中，應當采用最新的患者指標對PBSC結果進行預測，從而提高模型預測結果的準確性。

3.2PBSC預測模型優勢 本研究通過采用6項患者基本指標對PBSC采集結果進行預測的方法，與以往所使用的單因素或者醫護人員憑借經驗對PBSC采集結果進行預測有著本質的區別。典型的例如Anguita等[1]通過研究發現，血液病患者PBSC采集結果與患者行PBSC術前體內的CD34+細胞計數正相關，因此可以采用患者CD34+細胞計數直接預測PBSC采集結果。Sheppard等[5]和閆巖等[7]認為外周血造血祖細胞(hematopoietic progenitor cell，HPC)計數與PBSC采集結果存在高度相關性，因此，可以采用全自動血細胞分析儀及HPC-Research軟件計算HPC數量，進而預測PBSC采集結果。但事實上，該方法需要對外周血進行復雜的預處理才能獲得準確的HPC計數，導致該方法存在預測成本高、預測時間長等缺陷。本研究所提方法僅需要患者性別、吸煙史及少量血常規指標即可完成對PBSC采集結果的預測，且在列線圖的幫助下，該方法具有操作簡單、預測成本低等優勢。此外，考慮到我國本土血液病通常存在診斷時間晚、治療費用高、治愈率低等特點，多數血液病患者情緒低落不愿意配合治療，因此本研究中所建簡單有效的預測模型更具優勢。

3.3PBSC預測因子分析 本研究通過單因素及多因素分析篩選出自體PBSC采集6項危險因素，包括白細胞計數、紅細胞比積、血小板計數、血紅蛋白含量等相關指標已被廣泛報道，而患者性別、吸煙史卻鮮有報道。其中性別對PBSC采集結果有顯著影響，主要是因為性別導致患者體內部分激素分泌存在明顯差異。如經過化療治療后，女性的空腹血糖、三酰甘油、總膽固醇、低密度脂蛋白水平明顯升高[11]，且化療后女性更容易發生感染[12]，而受感染的影響白細胞因子會誘導干細胞分化為各種免疫細胞，造成干細胞數量減少[5]，這是女性PBSC采集成功率低于男性的重要原因。對于吸煙尤其是具有長期吸煙史的人群，其肺部存在長期的炎癥，巨噬細胞、中性粒細胞等大量炎癥細胞被激活，并且其數量也高于無吸煙史的普通人群[13]。在PBSC采集過程中，造血干細胞主要集中在白細胞層中，因此巨噬細胞和中性粒細胞數量的增加會降低干細胞的占比。在采集量相同的情況下，有吸煙史的患者最終所提取的干細胞數量降低，導致PBSC采集失敗。而部分血液指標：白細胞、紅細胞、血小板能都是由PBSC分化而來，因此上述細胞和對應指標通常與PBSC的分化能力呈正相關性，在一定程度上能夠反映PBSC的自我增殖能力[14-15]，因此能夠利用上述指標對PBSC采集結果進行預測。

3.4創新性與局限性 本文的創新性在于，根據患者11項基本信息進行了預測因子篩選，然后采用多因素logistic回顧構建了PBSC采集結果預測模型，并繪制了相應的列線圖模型，可視化列線圖模型能夠為臨床模型的使用提供便利，也為該模型的推廣提供了幫助。此外，本研究也存在不足之處，由于本研究采用回顧性隊列研究構建預測模型，可能造成研究結果存在一定的偏倚。但本研究仍為后續開展多中心、大樣本的前瞻性隊列研究奠定了基礎。本中心擬聯合長三角多家醫院開展PBSC采集結果預測模型的多中心臨床研究，以此進一步提高模型的預測效能。

綜上所述，本研究探討應用血液病患者PBSC采集影響因素并建立了列線圖預測模型，對預測模型進行了驗證，為篩選PBSC采集高危人群提供了機理依據。本模型為醫護人員預測PBSC采集結果，從而針對性的設計動員和PBSC采集方案提供參考，從而提高自體PBSC移植的成功率。