阴茎鳞状细胞癌预后列线图的开发与验证

林东旭 张梦阳 罗长城 陈忠

doi：10.3870/j.issn.1674-4624.2021.02.005

阴茎癌曾是泌尿外科最常见的恶性肿瘤，随着生活水平的提高及医疗技术的发展，其发病率已大为减少。2020年全球癌症统计数据显示阴茎癌新发病例36 068例(0.2%)，癌症死亡病例13 211例(0.1%)[1]。阴茎鳞状细胞癌(squamous cell carcinoma of the penile, SCCP)是阴茎癌最常见的类型，占阴茎恶性肿瘤的90%以上，并且发病率在过去50年中保持稳定或略有增加[2-3]。由于低发病率和有限的样本量，关于SCCP的预后因素和预测模型的研究仍然不足。

目前，TNM肿瘤分期系统是评估阴茎癌患者预后的最常见预测工具之一[4]。但是，该系统仅考虑病理分期，而忽略了许多重要的临床参数，例如年龄、种族等。因此，迫切需要建立一种临床上可用于SCCP患者的可靠预测工具。列线图是一种有效的统计模型，可以直观地预测某个临床事件的可能性。在本研究中，我们从美国国立癌症研究所监测、流行病学和结局(Surveillance, Epidemiology, and End Result, SEER)数据库中提取了SCCP患者的临床和病理信息，通过筛选SCCP的独立预后因素，建立可用于预测患者总生存率(overall survival, OS)和肿瘤特异性生存率(cancer-specific survival, CSS)的个性化列线图，从而指导临床准确判断疾病进展，在不良结局发生前采取有效干预来改善预后。

对象与方法

一、数据收集

从SEER数据库下载SCCP患者的临床信息，纳入标准：诊断时间(2004年至2016年)，组织学分型为鳞状细胞癌、积极随访、组织学阳性、单原发癌的患者；排除标准：死亡原因不明、生存时间少于1个月、TNM分期数据不明的患者，总共2 295例患者纳入本研究。样本按照7∶3的比例被随机分为试验集和验证集，试验集用于构建个性化的预后列线图，而验证集对模型进行外部验证从而评估模型的准确性。

本研究分析的变量包括患者的年龄、种族、肿瘤分化、肿瘤分期、TNM分期、肿瘤直径、是否手术、放疗、化疗。

二、统计学分析

采用卡方检验比较试验集和验证集各因素分布是否有差异；采用单因素和多因素Cox回归分析筛选影响疾病预后的独立危险因素，并用于构建患者OS和CSS的预后列线图。采用一致性指数、校准曲线分别在试验集和验证集中对列线图的预测能力进行验证；采用受试者工作特征(receiver operating characteristic, ROC)曲线、决策曲线、重分类改善指数(net reclassification improvement, NRI)和综合判别改善指数(integrated discrimination improvement, IDI)评价列线图相较于肿瘤TNM分期的诊断能力和临床获益是否有提高[5-6]；采用Kaplan-Meier(K-M)法绘制生存曲线，Log-rank法比较组间差异。P<0.05为差异有统计学意义。

结 果

一、研究对象的基本情况

本研究共纳入SCCP患者2 295例。所有患者中位随访时间为60(29～101)个月，5年OS为35.6%，5年CSS为21.6%。在随访结束时，有928例(40.43%)死亡，其中512例(22.31%)因肿瘤而死亡。将所有患者按照7∶3的比例随机分为试验集和验证集。各个数据集的基本特征如表1所示。卡方检验结果显示试验集和验证集各因素之间差异无统计学意义，可用于后续分析。

二、SCCP的独立危险因素

针对试验集资料，采用单因素Cox分析显示(表2)，SCCP患者的年龄、肿瘤分化、肿瘤分期、TNM分期、肿瘤直径、放疗、化疗与OS和CSS相关(P<0.05)，这些变量被纳入构建多因素Cox比例风险回归模型。多因素Cox分析显示(表 3)，年龄、肿瘤分化、肿瘤分期、肿瘤直径和N分期是影响SCCP患者死亡的独立危险因素，且年龄大、低分化、远处转移、直径>2.5 cm和N2期与更差的预后相关。

表1 患者临床特征[例(%)]

表2 单因素Cox分析影响患者生存的危险因素

表3 多因素Cox分析影响患者预后的独立危险因素

三、列线图模型的构建

将上述与SCCP相关的独立危险因素，包括患者的年龄、肿瘤分化、肿瘤分期、肿瘤直径、N分期，用于构建OS和CSS的列线图(图1)。结果显示年龄和肿瘤分期是患者OS和CSS的主要影响因素。在点尺度轴上分别给出一个分数，每个分数相加就可以计算出患者的总分，对应下方可以得到疾病的3年及5年生存率。

图1 列线图用于预测3年和5年OS(A)和CSS(B)

四、列线图模型的验证

针对试验集资料，列线图模型预测OS和CSS的一致性指数分别为0.731和0.776，校准曲线显示预测点落在曲线的对角线上(图2A)，提示列线图预测患者3年与5年OS和CSS均与实际情况相吻合，说明模型具有良好的区分能力与预测准确性。

同样的，我们计算验证集资料的一致性指数和绘制校准曲线，其OS和CSS的一致性指数分别为0.722和0.756，校准曲线预测生存概率符合度高(图2B)，再次说明列线图模型具有良好的区分能力与预测准确性。

图2 使用校准曲线对列线图的试验集(A)和验证集(B)进行模型预测效能验证

五、列线图与TNM分期的模型预测能力对比

通过列线图模型所得的风险评分，绘制ROC曲线(图3A)。结果显示，列线图模型的3年和5年OS的ROC曲线下面积(area under the curve， AUC)(分别为0.760和0.758)明显高于TNM分期系统(分别为0.684和0.652)。同样的，模型的3年和5年CSS的AUC(分别为0.801和0.794)明显高于TNM分期系统(分别为0.757和0.751)。这些结果提示，列线图具有较高的敏感性和特异性，相较于经典的TNM分期系统具有更高的临床预测能力。

采用决策曲线分析列线图和TNM分期在不同阈值概率下的净获益率(图3B)。结果显示，不论是3年或5年OS，还是3年或5年CSS，在概率阈值为0.1～0.7时，列线图模型相较TNM分期系统均有较高的临床获益。

此外，通过公式计算，列线图相较于TNM分期系统的3年和5年OS的NRI分别为19.2%和19.6%，3年和5年CSS的NRI分别为11.7%和14.3%。此外，列线图相较于TNM分期系统的3年和5年OS的IDI分别为5.9%和7.4%，3年和5年CSS的IDI分别为1.6%和1.9%。以上所有值均>0，说明列线图比TNM模型的诊断准确率得以提高。

图3 ROC曲线(A)和决策曲线(B)比较列线图及TNM分期的疾病预测能力和临床获益

六、生存分析

基于上述发现的SCCP患者预后因素，我们采用K-M生存分析法绘制相应的生存曲线(图4)，结果显示高龄(≥80岁)、组织分化差(低分化)、分期晚(远处转移)、肿瘤大(>2.5 cm)及淋巴结转移(N3)与更差的预后相关。

A：年龄与OS；B：年龄与CSS；C：肿瘤分化程度与OS；D：肿瘤分化程度与CSS；E：肿瘤分期与OS；F：肿瘤分期与CSS；G：肿瘤直径与OS；H：肿瘤直径与CSS；I：N分期与OS；J：N分期与CSS图4 SCCP患者年龄、肿瘤分化、分期、肿瘤直径、N分期的生存曲线

讨 论

阴茎癌的发病率和死亡率因地域和经济、卫生条件而异，尽管在高收入国家的发病率为0.1～1.0/10万，但在某些非洲、亚洲和南美洲地区，其发病率可高达男性恶性肿瘤的10%[7]。本研究通过SEER数据库的大样本队列构建个性化的SCCP预后列线图。经单因素和多因素Cox分析显示，年龄、肿瘤分化、肿瘤分期、肿瘤直径和N分期是SCCP患者OS和CSS的独立预测因素(均P<0.001)。Kirrander等[8]的研究表明，高龄、肿瘤分期和N分期与SCCP患者的不良预后相关。在我们的列线图中，年龄及肿瘤分期是影响患者OS和CSS的重要因素。

本研究纳入患者的中位年龄为65(55～75)岁，且年龄越大患者的预后更差。其中，≤60岁患者的5年OS为75.8%，而≥81岁患者的5年OS降低至38.6%。研究发现，阴茎癌的发病率随年龄增加而增加[9]，而另一项中国的队列研究也发现年龄、淋巴结转移是影响患者预后的独立危险因素[10]。本研究中年龄对OS影响较大，而对CSS影响稍低，这可能是由于阴茎癌的预后相对较好，部分患者因为其他老年伴发疾病而死亡，因此在患者随访期间进行其他重大疾病的筛查也是必要的。

肿瘤分期作为影响阴茎癌CSS的关键因素，是包括膀胱癌、前列腺癌等多种肿瘤的预后因子。同大多数肿瘤一样，发生转移的患者预后最差，区域转移次之，而肿瘤局限于原发灶者预后最佳。然而，单纯依靠转移与否未能全面地评估患者病情。有研究显示联合肿瘤分化和分期，比单纯的肿瘤分期或TNM分期预测SCCP生存率要更加准确[11]。组织学分化程度反映了肿瘤的侵袭、转移能力和恶性程度，可为疾病的治疗和预后提供重要的依据。在SCCP患者的10年随访中，肿瘤分化好的患者OS要好于分化程度中等或低等的患者[12]。常坤等[13]研究发现，区域淋巴结及远处转移是影响阴茎癌预后的独立危险因素，而组织学分级则可能通过淋巴结转移进而影响患者预后。

既往研究将肿瘤直径分为≤0.5 cm和>0.5 cm[14]，但本研究中≤0.5 cm患者所占比例很低(2.3%)，不能充分反映该组人群的临床特征。根据X-tile软件和K-M生存分析，我们发现2.5 cm可能是阴茎癌预后的更优截断值，直径>2.5 cm患者的生存预后显著差于≤2.5 cm的患者。直径较大的肿瘤往往T分期增高，侵犯阴茎海绵体的可能性增高[15]。淋巴结受累(N期)也是SCCP患者重要的预后因素。前哨淋巴结活检推荐用于影像学检查阴性的患者，且腹股沟或盆腔淋巴结切除术显著提高了阴茎癌患者的5年CSS[16]。此外，SCCP较易发生淋巴结转移，且影像学检查不易发现微小转移病灶，及时进行腹股沟淋巴结活检以确定肿瘤分期对疾病的管理十分重要。

列线图是一种方便实用的数学模型，可以通过图形直观地展示事件的发生概率。 Kattan等[14]构建了第一个SCCP患者的列线图以预测接受手术患者的5年CSS，该模型包括8个变量，如肿瘤直径、生长方式、肿瘤分化、阴茎海绵体浸润、尿道海绵体浸润等。Necchi等[17]筛选了影响腹股沟淋巴结清扫术OS的独立预后因素，并使用7个变量建立了列线图模型，包括术时年龄、淋巴结阳性率、病理N分期、新辅助治疗以及辅助化疗、骨盆和双侧淋巴结清扫。然而，前者需要复杂的手术信息和肿瘤浸润范围，而后者则依赖于淋巴结受累和化疗的详细信息。这些病理学特征在临床工作中没有常规记录，且不同临床中心的治疗方案有所差异，使得它们难以广泛普及开来。考虑到此类模型的局限性，我们试图基于易于获得的临床和病理学信息，开发出可用于SCCP患者OS和CSS预测的列线图。

尽管TNM分期系统已广泛应用于癌症的预后预测，但其并未考虑临床因素对疾病预后的影响，这可能会降低其预测效率和准确性。为了建立可靠的预后模型，我们将新构建的列线图与传统TNM分期的预测性能进行了比较，结果显示列线图在预测疾病预后的准确度上要优于传统的TNM分期系统，且能给患者带来更多的临床获益。因此，在临床工作中应用该列线图可以精准评估患者的预后，对于预期结局较差的患者，可以采取缩短随访时间并及时治疗，从而预防不良事件的发生。