首诊Ⅳ期乳腺癌生存预测模型建立并验证：一项基于机器算法的研究

作者：谭钰洁; 何子凡; 余运芳; 姚和瑞^*

来源：岭南现代临床外科, 2020, 20(03): 273-279.

• Ⅳ期乳腺癌
• 手术
• LASSO回归

目的建立首诊Ⅳ期乳腺癌的生存预测模型,筛选适合行原发灶手术切除的首诊Ⅳ期乳腺癌中适合行的患者。方法收集美国国立癌症研究所监测、流行病学和结果（SEER）数据库中1973～2015年间确诊为首诊Ⅳ期乳腺癌患者病例。采用Kaplan Meier法进行生存分析,采用log-rank检验分析比较生存率的差别。利用LASSO回归分析筛选出与患者预后相关的临床病理性特征,进一步利用多因素Cox回归分析建立风险评分（risk score）方程及预测模型,使用受试者工作特征曲线（ROC）曲线下面积（AUC）来评价模型的灵敏度和特异度。结果本研究共纳入7379例首诊Ⅳ期乳腺癌患者,其中手术患者2703例（36.6%）,非手术患者4676例（63.4%）。LASSO回归分析显示年龄、病理类型、肿瘤临床分期、ER状态、PR状态、HER-2状态、骨转移状态、肝转移状态、肺转移状态、淋巴结转移状态是首诊Ⅳ期乳腺癌患者独立预后影响因素。进一步建立首诊Ⅳ期乳腺癌的风险评分和nomogram预后模型,在预测1年和3年总生存中表现出良好的准确性（训练组AUC:1年总生存:0.75,3年总生存:0.73;验证组AUC:1年总生存:0.72,3年总生存:0.75）,在训练组及验证组的一致性指数分别为0.700（95%CI:0.69-0.71）、0.695（95%CI:0.67-0.71）。在风险评分中取最佳cutoff值,将患者分为低、中、高危风险评分组,进一步分析发现低危及中危风险评分组患者能从手术获益（低危风险评分组:训练组:HR=0.49,95%CI:0.42-0.57,P360）患者进行手术治疗。

• 单位
  中山大学孙逸仙纪念医院