紅細胞體積分布寬度與淋巴細胞絕對值比值在結外NK/T細胞淋巴瘤患者中的預后價值

徐添姿，李 怡，劉藝欣，毛明玉，寧 彪，魏永長

武漢大學中南醫院胃腸腫瘤放化療科（武漢 430071）

結外NK/T 細胞淋巴瘤（extranodal NK/T-cell lymphoma，ENKTL）是一種較為罕見的非霍奇金淋巴瘤（non-Hodgkin lymphoma，NHL）亞型，在亞洲和南美洲相對多見，ENKTL 發病率占上述地區全部NHL 的10%以上[1]。ENKTL 常侵犯鼻咽部[2]，與EB 病毒（Epstein-Barr virus，EBV）感染密切相關[3-4]。約70%～90%ENKTL 患者的腫瘤分期為I 或II 期，5 年生存率約為70%[5]。目前尚無治療ENKTL 的標準化療方案，盡管基于天冬酰胺酶類藥物化療聯合放療的策略已較大改善了患者的預后，但仍有部分復發或難治性ENKTL 患者無法從中獲益[6]。目前，常見的ENKTL 預后模型，如國際預后評分（international prognostic index，IPI）、韓國預后指數（Korean prognostic index，KPI）、NK/T 細胞淋巴瘤預后指數（prognostic model of natural killer lymphoma，PINK）、列線圖修訂風險指數（nomogram-revision risk index，NRI）等均未整合分子生物標志物，其風險識別能力存在缺陷?；虮磉_譜也逐漸被證實對預測ENKTL 預后有著重要價值[7-8]，但因其昂貴、耗時和費力的缺點，難以在臨床推廣。因此，急需開發廉價、可靠的預后生物標志物以優化預后模型，為臨床決策提供信息。

既往研究證實全身炎癥在癌癥的發生和進展中發揮重要作用[9]。全身炎癥的外周血指標，如紅細胞體積分布寬度（red cell volume distribution width，RDW）[10-13]、淋巴細胞絕對值（absolute lymphocyte count，ALC）[14-15]和中性粒細胞-淋巴細胞計數比值[16]（neutrophil-lymphocyte ratio，NLR）等也被證實與多種癌癥的預后密切相關。新型生物標志物 RDW 與ALC 比值（red cell volume distribution width to absolute lymphocyte count ratio，RLR）近年來也顯示出了在惡性腫瘤預后預測上的潛在價值[12,17-18]。但迄今為止，有關RLR 在ENKTL 預后方面的研究較少。本研究旨在評價RLR 與ENKTL 患者預后的關系，探討其作為ENKTL 患者風險分層工具的臨床可行性。

1 資料與方法

1.1 研究對象

回顧性收集2013 年4 月至2022 年5 月在武漢大學中南醫院診斷為ENKTL 患者的臨床資料。本研究已獲得武漢大學中南醫院醫學倫理委員會審核批準（批件號：臨研倫[2023144K]），符合《赫爾辛基宣言》。

納入標準：①根據《WHO 造血和淋巴組織腫瘤的分類（第5 版）》，經病理診斷為ENKTL；②既往無惡性腫瘤病史或第二原發惡性腫瘤；③既往無抗腫瘤治療史；④完整的隨訪資料和臨床資料；⑤無活動性全身感染或慢性炎癥疾病。排除標準：①隨訪時間不足1 個月或院內死亡者；②HIV 病毒感染。

1.2 資料收集

本研究通過回顧性查閱電子病例數據庫，收集基線數據如下：年齡、性別、乳酸脫氫酶水平、美國東部腫瘤協作組活動狀態（Eastern Cooperative Oncology Group Performance Status，ECOG PS）評分、Ann Arbor 分期、骨髓受累、B癥狀（具備以下之一或多條：不明原因發熱大于38 ℃，持續3 d 以上；不明原因盜汗；體重于診斷前6 個月內下降＞10%）、區域淋巴結（regional lymph node，RLN）侵犯情況、遠處淋巴結（distant lymph node，DLN）侵犯情況、EBV 感染情況、RDW 水平、ALC 等。RLR 由RDW 值除以ALC值獲得。RLR、RDW 以其中位數作為截斷值。采用既往ENKTL 研究提出并驗證的ALC 臨界值（1.0 × 109/L）[19-20]作為本研究ALC 的截斷值。采用定量PCR 法檢測血漿中的EBV-DNA 水平，并將高于500 拷貝/mL視為EBV-DNA陽性。此外，基于表1 相關模型和其風險的評分定義，計算患者IPI 評分、KPI 評分、PINK 評分及NRI 評分。

表1 不同預后模型中的變量定義及其評分Table 1. The variables definitions and the scores of different models

回顧性收集患者治療方案，包括單純化療、單純放療、化療+放療三類?；煼桨赴ㄌ於０访负头翘於０访竷深惙桨?，其中，天冬酰胺酶方案包括DDGP 方案（吉西他濱+培門冬酶+地塞米松+順鉑）、P-Gemox 方案（培門冬酶+吉西他濱+奧沙利鉑）、天冬酰胺酶聯合其他非蒽環類藥物方案；非天冬酰胺酶方案包括CHOP（環磷酰胺+阿霉素+長春新堿+強的松）或CHOP 樣方案。放療方案中放療劑量均未超過56 Gy，劑量范圍為34 ～ 56 Gy。

1.3 隨訪與結局指標

隨訪從初次診斷后開始，第1 年每3 個月隨訪1 次，第2～3 年每6 個月隨訪1 次，此后每年隨訪1 次，末次隨訪時間為2022 年10 月，本研究納入患者均已完成末次隨訪。結局指標包括3年無進展生存（progression-free survival，PFS）率和總體生存（overall survival，OS）率，其中PFS 定義為從首次確診到復發、進展、任何原因的死亡或最后一次隨訪，OS 定義為從首次確診到死亡或最后一次隨訪日期的時間間隔。

1.4 統計學分析

采用SPSS 26.0 和R 4.0.5 軟件進行統計學分析。分類變量比較采用卡方檢驗或Fisher 精確檢驗，采用Kaplan-Meier 法生成生存曲線，logrank 檢驗評價組間差異。基于最大似然估計的向前逐步回歸法，采用Cox 比例風險回歸模型進行影響預后的危險因素分析。鑒于本研究樣本量較少，且RLR 與ALC、RDW 存在共線關系，若將這些指標均納入多因素回歸，可能導致預測結果不穩定、不可靠，因此本研究對ALC、RDW 以及RLR 分別構建多因素模型。此外，采用分層分析評估RLR、ALC、RDW 在不同治療方案患者中的預后價值。統計學檢驗均為雙側檢驗，以P＜0.05 表示差異有統計學意義。

2 結果

2.1 患者一般資料及分組情況

本研究共納入72 例ENKTL 患者，其RLR 值范圍為8.1～16.2，中位數為10.2；RDW 值范圍為11.8～23.7，中位數為13.6?；赗LR、RDW 中位數將患者分為高RLR 組（RLR ≥10.2，n=36）和低RLR 組（RLR ＜10.2，n=36），高RDW 組（RDW ≥13.6，n=37）和低RWD 組（RDW ＜13.6，n=35）?；谝驯或炞C的ALC 臨界值（1.0 × 109/L）將患者分為高ALC 組（ALC ≥1.0×109/L，n=48）和低ALC 組（ALC ＜1.0×109/L，n=24）。

本研究中，男性56 例（77.8%），女性16例（22.2%）?；颊叽_診時的中位年齡為51 歲，72.2%的患者年齡在60 歲及以下，34.7%的患者在確診時或之前出現B 癥狀，52 例（72.2%）患者分期為I～II 期，僅10 例患者初診時未出現鼻腔受累。49 例（68.1%）患者在初診時進行了EBV-DNA 檢測，其中34 例（69.4%）表現為陽性。IPI、KPI、PINK、NRI 評分為0～1 分的患者分別為49 例（68.1%）、38 例（52.8%）、56 例（77.8%）、27 例（37.5%）。45 例（62.5%）患者進行了化療+放療，22 例（30.6%）患者進行了單純化療，5 例（6.9%）患者進行了單純放療?；熁颊咧? 例患者接受了DDGP 方案、33 例接受了P-Gemox 方案、3 例接受了天冬酰胺酶聯合其他非蒽環類藥物方案、28 例接受了CHOP 或CHOP 樣方案（表2）。

2.2 不同RLR水平患者臨床特征比較

不同RLR 水平患者年齡、ECOG PS 評分、IPI 評分、NRI 評分、乳酸脫氫酶（LDH）水平和B 癥狀差異具有統計學意義（P＜0.05），見表2。

2.3 ENKTL患者的生存分析

本研究中位隨訪時間為43 個月，隨訪期內41 例（56.9%）患者出現疾病進展或復發，25 例（34.7%）患者死亡，患者3 年PFS 率和OS 率分別為40.2% 和59.7%（ 圖1-A、 圖1-B）。Kaplan-Meier 生存曲線顯示，低RLR 組患者3年PFS 率（50.6% vs. 28.8%，P= 0.032）和3 年OS 率（79.2% vs. 40.8%，P= 0.001）顯著高于高RLR 組的患者（圖1-C、圖1-D）。

圖1 ENKTL患者的Kaplan-Meier生存曲線Figure 1. Kaplan-Meier curve for ENKTL patients

2.4 ENKTL患者的預后影響因素分析

單因素Cox 風險比例模型分析顯示，RLR ≥10.2[HR=4.120，95%CI（1.643，10.333），P=0.003]、ALC ＜ 1.0×109/L[HR=3.793，9 5%C I（1.7 1 2，8.4 0 3），P=0.0 0 1]、RDW ≥13.6[HR=2.874，95%CI（1.199，6.886），P= 0.018] 均與ENKTL 患者OS 的預后不良相關（表3）。在對RDW、ALC 以及RLR 的多因素分析中，分別調整了單因素分析中與OS 相關的預后指標后，結果仍顯示ALC ＜1.0×109/L[HR=2.766，95%CI（1.140，6.710），P= 0.024]和RLR ≥10.2[HR=4.318，95%CI（1.711，10.898，P= 0.002] 與患者OS 的預后不良相關（表3）。

表3 ENKTL患者OS影響因素分析Table 3. Analysis of factors associated with OS in ENKTL patients

2.5 不同治療方案ENKTL患者預后的影響因素分析

在67 例化療患者中，調整化療方案（是否包含天冬酰胺酶）以及其他預后相關因素，分別對RDW、ALC 以及RLR 進行多因素分析。結果表明，與未調整化療方案的結果類似，即 ALC＜1.0×109/L [HR=3.146，95%CI（1.249，7.924），P= 0.015] 和RLR ≥10.2[HR=3.228，95%CI（1.077，9.680），P= 0.036] 仍與化療患者的OS 顯著相關，而RDW 未展現出其統計學意義（表4）。此外，由于放療是早期ENKTL 患者不可或缺的根治性治療，也是影響預后的強干擾因素，因此本研究在Ann Arbor 分期I～II 期患者的生存分析中調整了放療因素的影響，多因素結果顯示ALC ＜10×109/L [HR=3.970，95%CI（1.173，13.436），P= 0.027]、ECOG PS ≥2 分[HR=4.261，95%CI（1.219，14.900），P=0.023]是早期患者OS 的獨立危險因素，而RLR 與RDW 則未展現出明確的預后價值（表5）。

表5 Ann Arbor I～II期 ENKTL患者的生存分析Table 5. Survival analysis of ENKTL patients with Ann Arbor stage I～II

2.6 RLR的風險分層價值

將RLR ≥10.2 作為高風險組，分配為1分，分別添加到IPI、KPI、PINK 和NRI模型評分中，以生成新的預后改良模型（mIPI，mKPI，mPINK，mNRI）。ROC 曲線顯示整合RLR 后的改良模型（mIPI，mKPI，mPINK，mNRI）比相應原始模型的3 年AUC 值（0.750 vs. 0.770；0.710 vs. 0.735；0.670 vs. 0.693；0.765 vs. 0.767）及5 年AUC 值（0.726 vs. 0.778；0.628 vs. 0.697；0.700 vs. 0.754；0.738 vs. 0.753）均略有升高，這與時間依賴性AUC 曲線的結果表現一致（圖2）。因此，推測RLR 可能具有風險分層的能力，能進一步提高原有預后模型的預測價值和臨床意義。

圖2 整合RLR前后的預測模型的受試者工作特征(ROC)曲線和時間依賴性AUC曲線Figure 2. The receiver operating characteristic (ROC) curve and time-dependent AUC curve of the predictive model were integrated before and after the RLR

在IPI、KPI 和PINK 模型中，分別有68.1%、52.8%和77.8%的患者被分配為低風險組（評分為0～1），生存曲線提示這些模型未能進一步區分低風險患者的生存差異（P＞0.005），詳見圖3。為了進一步評估RLR 對IPI、KPI 和PINK 評分定義的高、低風險亞組的風險鑒別能力，基于這三種模型進行分層分析。Kaplan-Meier 生存分析表明，RLR 能夠進一步區分KPI 模型低風險組患者的生存差異，RLR＜10.2 和RLR ≥10.2 組患者的5 年總體生存率分別為86.4%和56.3% （P= 0.026）。同樣，在PINK 模型中，RLR 也顯示出顯著的風險識別能力（P= 0.020）。此外，盡管無統計學上的意義，仍在IPI 低危組的分層分析中觀察到RLR 能部分識別生存差異（圖4）。

圖3 低風險ENKTL患者分層分析的生存曲線（原模型）Figure 3. Survival curves of the stratified analysis of low-risk ENTKL patients (original model)

圖4 低風險ENKTL患者分層分析的生存曲線（增加RLR的模型）Figure 4. Survival curves of the stratified analysis of low-risk ENKTL patients (model that add RLR)

3 討論

本文旨在探討RLR 在ENKTL 患者中的臨床價值，研究結果表明RLR 升高與ENKTL 患者的不良預后密切相關，整合RLR 可提高IPI、KPI、PINK 和NRI 模型的預后預測能力。此外，RLR還可以進一步識別無法通過預后模型區分的患者的生存差異。總之，本研究提示，RLR 可能是ENKTL 患者預后的評估指標，并有助于風險分層。

有研究發現RDW 升高與全身炎癥反應增加和營養狀況受損密切相關[2,21]，提示其異常升高可能是癌癥預后不良的潛在預測因子[13,22]。在一項納入191 例患者的研究中，高RDW 患者表現為更短的OS 和PFS，且RDW 被證實是ENKTL 患者的獨立預后因素[13]。淋巴細胞浸潤作為免疫監測的關鍵媒介，是抗腫瘤免疫反應發生的前提[23-24]。CD8+和CD4+ T 淋巴細胞通過誘導腫瘤細胞凋亡在免疫系統抗腫瘤反應中發揮重要作用[23,25-26]。與之對應，淋巴細胞數量減少往往與免疫反應減弱有關，從而導致腫瘤的增殖和轉移。雖然對淋巴細胞減少的定義不一致，但多數研究均表明了低ALC 可能是惡性腫瘤的不良預后因素[27]，其中也包括對ENKTL 在內的研究[19-20]。值得注意的是，本研究對Ann Arbor I～II 期患者的預后分析結果表明，ALC 可能是影響早期ENKTL 患者總體生存期的有力因素。

近年來，多項研究表明RLR 具有作為腫瘤預后評估指標的潛能。一項研究發現結直腸癌患者RLR 水平高于健康人群，且指出RLR 或許可作為結直腸癌診斷的一種候選標志物[12]。另有研究表明RLR 與腎細胞癌[18]、惡性黑色素瘤[17]的預后密切相關。本研究顯示RLR 不僅是影響ENKTL患者OS 的重要因素，也是低?；颊唢L險分層的有效工具。

目前，IPI、KPI、PINK 和NRI 評分模型已被廣泛應用于ENKTL 患者的預后評估，為臨床決策提供額外的信息。雖然IPI 預后價值已在部分NHL 亞型中得到驗證，但可能低估了部分患者存在的風險，故在ENKTL 中的作用仍存在爭議[6]。而針對ENKTL 提出的KPI 評分，雖顯示出了比IPI 更佳的預測鑒別力[28]，然而，隨著含天冬酰胺酶藥物化療方案的廣泛應用，基于蒽環類藥物所開發的KPI 模型也被認為存在一定的局限性。盡管PINK 評分在接受非蒽環類化療方案的患者中也得到了驗證[29]，但其在早期患者中的風險識別能力也存在固有缺陷。最近開發的NRI 評分在鑒別、風險分層、預測準確性等方面均顯示出優于IPI、KPI、PINK 模型的能力[30]。在本研究中，NRI 模型比IPI、KPI 和PINK 模型能更好地平衡了患者在不同風險組中的分布，并且做到區分各風險組之間的生存差異。然而，其他三個模型未能進一步鑒別低風險組（評分為0～1 分）患者的生存差異。通過生存和分層分析，本研究發現RLR 可能擁有良好的區分低?；颊呱娌町惖哪芰惋L險分層能力。

本研究納入了多項ENKTL 相關的危險因素，包括年齡＞60 歲、ECOG PS 評分≥2 分、B 癥狀陽性、LDH 升高、RLN 侵犯、EBV 感染等。在單因素分析中，這些危險因素有一半與OS 顯著相關，但其中3 個因素（RLN 侵犯、DLN 侵犯、EBV-DNA 升高）沒有顯示出其統計學上的預后意義。本研究未發現RLN 侵犯與ENKTL 患者OS 的相關性，這與其他研究的結果不一致[1,6]，可能與初步治療差異有關，當RLN 包括在放療范圍內時可能獲得更好的局部控制效果。此外，有研究探討了DLN 侵犯作為ENKTL 危險因素的價值[6,31]，但也有研究未發現DLN 侵犯與生存結果之間的顯著關聯[32]。與Li 等人的研究結果一致[6]，在本研究中EBV 感染同樣不是OS 的顯著預測因子，這可能與本研究根據病毒DNA 的可檢測性而非更為準確的病毒滴度對患者進行分組有關。值得注意的是，這些危險因素顯示為陰性結果還可能與ENKTL 的臨床異質性、納入的病例數量較少、隨訪時間相對較短有關。此外，本研究發現ECGO PS 評分在納入RLR 的多因素分析中沒有顯示出其預后價值，這可能是由于本隊列患者的PS 評分與RLR 存在一定的相關性。

本研究存在一定的局限性。首先，本研究為單中心的回顧性研究，且由于ENKTL 的罕見性，患者數量較少。其次，治療方案與預后之間的相關性尚未得到驗證。第三，不同研究的RLR 沒有一致的截斷值，導致本研究結果與其他研究難以進行比較，因此有必要進一步設計良好的前瞻性研究，并擴大樣本量，以進一步驗證研究結果?？傊?，本研究結果表明，ALC 可作為早期ENKTL患者預后的評估指標，RLR 可能有助于ENKTL患者風險分層和臨床決策。