张明坤 王哲 杨柳 侯兰 张聚良

来自美国癌症中心的统计数据显示，每年美国有271 270例新发乳腺癌病人，其中约42 260例病人死于乳腺癌[1]。根据世界卫生组织(WHO)乳腺肿瘤组织学分类，黏液性乳腺癌(mucinous breast cancer,MBC)是一种特殊类型的乳腺癌，发病率较低，约占所有乳腺癌的1%～7%[2-3]。目前，多数研究表MBC是一种预后良好的肿瘤[4]，但在中国MBC缺乏大样本的研究数据，如何对病人的危险因素进行综合考虑并预测预后，对改善MBC病人的生存有重要意义。“监测，流行病学和结果”(surveillance epidemiollgy and end results，SEER)数据库是北美最具代表性的大型肿瘤登记注册数据库之一，收集了大量循证医学的相关数据，覆盖了美国约三分之一的人口[5]。列线图是一种广泛用于肿瘤病人生存预测的工具，具有直观、准确可靠和实用等优点[6]，已被广泛应用于口咽癌、胃癌、乳腺癌和肺癌等多种癌症的预后预测[7-10]。本研究综合分析了我院和SEER数据库中的数据，构建预测MBC病人总生存期(overall survival，OS)的列线图模型，辅助临床医生更加精确地预测病人的预后，为病人个体化管理提供依据。

对象与方法

一、对象

2004～2012年间我院收治的MBC病人101例，统计病人的临床病理特征及预后情况，随访方式为电话随访和门诊随访。通过SEER Stat version 8.3.5软件对SEER数据库中2007～2012年MBC病人的数据进行提取和筛选。纳入标准：(1)病理确诊为乳腺癌的病人，基于ICD-O-3的恶性行为；(2)病理分型为MBC；(3)有完整的临床病理及随访资料。排除标准：(1)随访信息不完整；(2)经过尸检或死亡证明确诊的病例；(3)分化程度、肿瘤分期、放化疗情况及雌激素受体(ER)、孕激素受体(PR)状态等重要信息缺失。根据纳入排除标准，逐步筛选出符合标准的病例(图1)，最终纳入MBC病人5 671例。

图1 SEER病例筛选流程图

二、方法

对比我院和SEER数据库中的临床病理资料，包括年龄、是否放疗、是否化疗、分期、分化程度、偏侧性、肿瘤位置、是否第一原发肿瘤、手术情况、ER状态、PR状态、人类表皮生长因子受体2(Her-2)状态以及生存状态和时间等变量。以SEER数据库提取的5 671例病人数据作为建模集，分析MBC预后的独立影响因素并建立预测模型，以我院101例病人数据作为验证集，验证模型对于中国MBC病人的预测效果。

三、统计学分析

采用R软件(4.0.3)分析数据，采用χ2检验比较建模集和验证集的基线特征，其中对于肿瘤分期等等级资料进行秩和检验(Mann-whitney U检验)，Kaplan-Meier法计算总体生存率，Log-rank检验评价各变量不同亚组生存差异的显著性，连续变量用中位数(范围)表示，分类变量用例数(%)表示。使用Cox单因素分析筛选有意义的变量；将单因素分析中P<0.1的变量纳入多因素Cox比例风险模型，以防止具有独立预测意义的变量遗漏。基于影响MBC预后的独立危险因素，使用 R 软件(4.0.3)中的rms、survival等程序包构建绘制列线图。在验证集中进行外部验证，并采用bootstrap法进行1 000次重抽样对列线图的预测性能进行内部验证。模型的区分度用C-index、ROC曲线及曲线下面积(AUC)进行评价，同时通过绘制校准曲线检测模型的校准度，以确保模型准确可靠，最后为模型绘制临床决策曲线(DCA)来检测模型的临床获益和应用价值。

结果

1．病人的基线特征：建模集随访时间0～119个月，中位随访时间72个月；验证集随访时间6～107个月，中位随访时间87个月。采用χ2检验及Mann-whitney U检验对比建模集和验证集的基线特征，结果显示,建模集和验证集的年龄(平均年龄67岁vs 56岁，P<0.01)有明显差异，是否放疗、是否化疗、是否第一原发肿瘤、临床分期、T分期及手术情况比较，差异有统计学意义(P<0.05)(表1)。

表1 MBC病人的基线特征(例，%)

2．各变量对MBC病人预后影响的分析：在建模集中对每个变量进行Cox单因素生存分析，其中年龄依据X-tile软件最佳截断值60岁分为二分类变量。结果显示：年龄、是否放疗、手术情况、T分期、N分期、M分期及ER状态等7个变量是MBC预后的影响因素(P<0.1)。将单因素Cox回归筛选的7个变量纳入多因素Cox回归模型，经向后法逐步回归AIC分析后结果显示，年龄、T分期、M分期、是否放疗及手术情况这5个变量是MBC预后的独立危险因素(P<0.05)(表2)。基于Kaplan-Meier和Log-rank检验方法，利用Cox风险模型绘制出各主要变量的生存曲线(图2)。

表2 影响MBC病人预后的单因素和多因素分析

图2 筛选变量对MBC病人OS影响的生存曲线分析

3．MBC的OS预后列线图的构建：基于建模集Cox多因素回归分析的结果(图3)，将筛选出的5个变量用于构建MBC病人OS预后的列线图模型(图4)，将所有的预测因子整合用列线图来预测MBC病人3年、5年及8年的生存期。将各个变量所得分值相加，得到的总分可预测MBC病人的3年、5年及8年生存率。

图3 MBC病人Cox多因素风险模型森林图

图4 MBC病人预后的列线图预测模型

4．列线图的内部及外部验证建模集：建模集建立模型的C-index为0.87，验证集进行外部验证C-index=0.71，bootstrap法内部验证C-index=0.81，显示模型无论对美国人群还是中国人群都具有良好的区分度。同时在建模集和验证集中绘制3年、5年及8年OS的ROC曲线，通过曲线下面积(AUC)进一步验证模型区分度(图5)。在建模集和验证集中，分别根据病人的3年、5年和8年生存情况绘制校准曲线，用于评价模型的校准度，结果显示所有的校正曲线均与理想曲线有较好的吻合度，提示模型预测有较好的准确性(图6)。

图5 建模集及验证集的3年、5年及8年OS的ROC曲线

图6 建模集及验证集的3年、5年及8年OS校准曲线(X轴为实际生存率，Y轴为预测生存率，对角线为理想曲线表示两者完全一致)

5．临床决策曲线分析：传统的诊断实验指标如敏感性、特异性及AUC等仅仅只能考虑模型的准确性，不能反应在临床实践中模型的实际临床效用有多少，而临床决策曲线分析(DCA)能够从临床决策的实际出发，将病人或决策者的偏好整合到分析中[11]。本研究针对建模集和验证集的3年、5年及8年的生存情况分别绘制DCA曲线，其中黑色横线代表所有样本都是阴性，获益为0，灰色斜线表示所有样本都是阳性，净获益为负值的反斜线，虚线为模型的净获益情况。结果显示，无论在建模集还是在验证集中，模型的3年、5年及8年临床净获益都较高，尤其在验证集中国人群中获益率更为明显，显示模型临床效能较好(图7)。

图7 建模集及验证集3年、5年及8年DCA曲线

讨论

乳腺癌的诊断和治疗的规范化对降低乳腺癌的死亡率和改善预后、延长生存期至关重要[12]。MBC临床上较为少见，但通常预后良好，生存率较高[13]。研究表明，MBC与非特殊类型乳腺癌相比，有独立的临床病理特征，但由于MBC相对少见，临床上极易忽视[14]。如何对MBC病人的预后进行评估，对MBC的综合治疗有重要意义。列线图是多因素预后模型的图形表现形式，可用来个体化预测特点时间点病人的生存情况[15]。列线图作为一种新型预测模型，与传统预测方法相比，准确性更高，适应性更广，并且易于推广[16]。由于我院MBC病人样本量较小，本研究利用SEER数据库的大量MBC病人数据构建列线图模型来预测MBC病人的OS，然后在中国人群中进行外部验证，并通过bootstrap方法(1 000次重抽样)进行内部验证，采用一致性指数(C-index)、ROC曲线和校正曲线评估模型的区分度和可靠性，最后通过临床决策曲线分析(DCA)来评价模型的临床获益和应用价值。结果显示，该列线图能准确预测MBC病人的预后，为临床的诊疗提供科学依据。

本研究结果显示，年龄、手术情况、放疗情况、T分期以及M分期是MBC预后的独立影响因素。本研究中，中国人群MBC病人的平均年龄56岁，年龄越大病人的死亡风险越高，这与El等[4]的研究结果类似。本研究中，来自中国人群的验证集保乳率为22.77%，远低于来自美国人群的建模集(62.07%)，这与国外的报道相符合[17]。与未手术相比，无论是保乳还是乳房全切手术都能显著改善病人预后。多项研究表明，放疗能显著降低乳腺癌病人的局部复发率并提高生存率[18-19]。本研究显示，未接受放疗是MBC病人预后的独立危险因素。既往关于MBC的研究表明，MBC的预后与TNM分期相关[20-21]，这与本研究的结果一致，本研究中，随着TNM分期的增高，病人的预后越差，T分期和M分期是MBC预后的独立影响因素。

综上所述，本研究基于SEER数据库及我院MBC病人数据建立预测模型，确立了年龄、T分期、M分期、是否放疗及手术情况是MBC病人预后的独立危险因素，预测模型能够准确有效地预测MBC病人3年、5年及8年OS，为MBC预后的预测提供有效的科学依据。但由于SEER数据库中数据的局限性，预测模型无法纳入如化疗方案、放疗方案、内分泌治疗方案等一些临床中的重要因素，可能需要进一步的研究对模型进行优化。此外，由于来自我院的MBC样本量较少，模型对中国人群的预测能力尚需进一步验证。