基于血清CA50、TSGF、TPA的中晚期乳腺癌放化疗敏感性列线图预测模型的建立与评价

陈国华，张浩宇，韩升波，何建鑫

（郑州市中医院检验科，郑州 450000）

乳腺癌是全球范围常见的女性肿瘤，最新数据显示，2020年新发乳腺癌226万例，这也是全球女性癌症死亡的主要原因［1］。乳腺癌早期无特异症状，临床症状明显时患者多处于中晚期，此时已错过最佳治疗时期，只能采用综合治疗。放化疗是治疗中晚期乳腺癌的首选方法，可提高患者生存期，降低组织转移和复发风险，但部分患者对放化疗不敏感，导致治疗效果不佳［2］。近年来研究［3-4］发现，血清糖类抗原50（carbohydrate antigen 50，CA50）、肿瘤特异性生长因子（tumor specific growth factor，TSGF）、组织多肽抗原（tissue polypeptide antigen，TPA）等肿瘤标志物可用于乳腺癌等肿瘤的早期诊断、预后评估、疾病转归等，但关于在中晚期乳腺癌患者中CA50、TSGF、TPA联合应用的临床研究少见。因此，本研究分析了中晚期乳腺癌放化疗不敏感和敏感患者中血清CA50、TSGF、TPA的表达情况，构建列线图预测模型，并对该模型进行验证与评价。

1 材料与方法

1.1 研究对象

选取2020年10月至2022年10月我院收治的82例中晚期乳腺癌患者，年龄42～72岁，平均（56.65±5.21）岁；体质量指数（body mass index，BMI）18.7～25.4 kg/m2，平均（21.43±1.34）kg/m2；月经状态：绝经期52例，非绝经期30例；病理类型：导管内原位癌61例，浸润性导管癌4例，浸润性小叶癌17例。

纳入标准：符合《中国抗癌协会乳腺癌诊治指南与规范（2017年版）》［5］诊断标准，经病理检查确诊；为中晚期乳腺癌；预计生存期≥3个月；入组前3个月内未接受过放化疗等治疗。排除标准：妊娠期或哺乳期女性；患有其他恶性肿瘤；患有急慢性感染性疾病，如艾滋病、麻疹、病毒性肝炎等；患有自身免疫性疾病、内分泌疾病、血液系统疾病；严重心肝肾等器官功能障碍；意识或语言障碍；凝血功能障碍。本研究获得我院伦理委员会批准（批号：20200510005）。

1.2 治疗方法

化疗方法：135 mg/m2紫杉醇（美国Bristol-Myers Squibb公司，国药准字HJ20171227，规格5 mL：30 mg）静脉滴注1次。放疗方法：胸壁和锁骨区域用6和9 MV电子线照射，照射16次后，在胸壁处加盖0.5 cm组织等效膜，2 Gy/次，1次/d，5次/周，总量50 Gy。21 d为1个疗程，持续2个疗程。

根据实体瘤疗效评价标准［6］，将82例患者分为敏感组（n=57）和不敏感组（n=25）。

1.3 观察指标

1.3.1 一般资料：包括年龄、肿瘤直径、BMI、月经状态（绝经、未绝经）、脉管侵犯（有、无）、TNM分期（Ⅲa期、Ⅲb期、Ⅳ期）、淋巴结转移（有、无）、淋巴结转移数量、孕激素受体（阳性、阴性）、雌激素受体（阳性、阴性）、病理类型（导管内原位癌、浸润性导管癌、浸润性小叶癌）、分化程度（中分化、低分化）、肿瘤位置（外侧象限、中央或内侧象限）。

1.3.2 治疗前后血清CA50、TSGF、TPA表达水平：取2组患者治疗前后静脉血5 mL，1000g离心10 min，收集上清液，采用化学发光法检测CA50、TSGF、TPA水平，试剂盒购自上海雅吉生物。

1.4 统计学分析

采用SPSS 25.0软件处理数据。计数资料用率（%）表示，采用χ2检验进行比较。计量资料行Shapiro-Wilk正态性检验和Levene法方差齐性检验，方差齐性且近似服从呈正态分布的计量资料以±s表示，采用t检验进行比较。采用LASSO回归、logistic回归分析中晚期乳腺癌放化疗敏感性的影响因素，运用R语言rms包构建列线图模型，采用校准曲线、受试者操作特征（receiver operating characteristic，ROC）曲线、决策曲线评估列线图模型的预测效能和临床效用。双侧P＜0.05为差异有统计学意义。

2 结果

2.1 2组一般资料的比较

2组比较，肿瘤直径、脉管侵犯、TNM分期、淋巴结转移、分化程度的差异有统计学意义（P＜0.05），年龄、月经状态、BMI、淋巴结转移数量、孕激素受体、雌激素受体、病理类型、肿瘤位置的差异无统计学意义（P＞0.05）。见表1。

表1 2组一般资料的比较Tab.1 Comparison of general information between the two groups

2.2 2组治疗前后血清CA50、TSGF、TPA表达水平的比较

治疗前2组比较，血清CA50、TSGF、TPA表达水平的差异无统计学意义（P＞0.05）；治疗后不敏感组血清CA50、TSGF、TPA表达水平高于敏感组，三者差值低于敏感组（P＜0.05）。见表2。

表2 2组治疗前后血清CA50、TSGF、TPA表达水平的比较Tab.2 Comparison of serum levels of CA50，TSGF，and TPA before and after treatment in the two groups

2.3 预测因素初筛

应用R语言glmnet程序包，以中晚期乳腺癌放化疗敏感性（不敏感=1，敏感=0）为因变量，肿瘤直径（实测值）、脉管侵犯（有=1，无=0）、TNM分期（Ⅲa期=1，Ⅲb期=2，Ⅳ期=3）、淋巴结转移（有=1，无=0）、分化程度（低分化=1，中分化=2）、治疗后血清CA50、TSGF、TPA表达水平及差值（实测值）纳入LASSO回归分析。随着惩罚系数λ变化，模型初始纳入影响因素系数被压缩，达到最佳影响因素选择的效果图（图1）。采用交叉验证法绘制均方误差随lgλ的变化图（图2），寻找到可使模型性能优良且影响因素最少的最佳惩罚系数λ，即图中虚线对应的λ=3。依据此λ值，选出3个预测变量，分别为TSGF差值、CA50差值、TPA差值。

图1 LASSO回归筛选变量动态过程图Fig.1 Dynamic graph of screening variable using LASSO regression

图2 交叉验证最佳参数λ的选择过程图Fig.2 Selection process of the optimal parameter λ for crossvalidation

2.4 中晚期乳腺癌放化疗敏感性影响因素的多因素logistic回归分析

以中晚期乳腺癌放化疗敏感性（不敏感=1，敏感=0）为因变量，以LASSO回归筛选指标作为自变量，纳入多因素logistic回归分析，结果显示，CA50、TSGF、TPA差值是中晚期乳腺癌放化疗敏感性的影响因素（P＜0.05），见表3。

2.5 列线图模型的构建

基于多因素logistic回归分析结果（CA50、TSGF、TPA差值），运用R语言rms包构建中晚期乳腺癌放化疗敏感性列线图模型。见图3。

图3 中晚期乳腺癌放化疗敏感性列线图模型Fig.3 Nomogram model for predicting sensitivity to radiochemotherapy in middle- and advanced-stage breast cancers

2.6 列线图模型的验证与评价

采用Hosmer-Lemeshow检验检测列线图模型拟合度，结果显示，该列线图预测模型具有良好拟合度（P=0.482）。采用Bootstrap自抽样法及计算预测模型区分度（C-index），展开内部验证，结果显示，该列线图模型C-index为0.839，校准曲线趋向于理想曲线，见图4A。ROC曲线显示，列线图模型的AUC为0.839（95%CI：0.814～0.871），灵敏度和特异度分别为80.00%和75.74%，说明基于CA50、TSGF、TPA差值构建的列线图模型具有良好的预测精准度，见图4B。决策曲线显示，在0.1～1.0范围内，该列线图模型预测净获益值较高，说明该列线图模型临床预测效能良好，见图4C。

A，calibration curve；B，ROC curve；C，decision curve.图4 中晚期乳腺癌放化疗敏感性列线图模型的校准曲线、ROC曲线和决策曲线Fig.4 Calibration，ROC，and decision curves of the nomogram model for predicting sensitivity to radiochemotherapy in middle- and advanced-stage breast cancer

3 讨论

研究［7］显示，中晚期乳腺癌患者采取同步放化疗治疗，可提高临床缓解率，缩小肿瘤体积，并改善生活质量和免疫功能。但部分患者未获得临床缓解，导致预后不佳，还易出现复发、转移等。因此，寻找一些特异度和灵敏度高的无创分子标志物，对预测中晚期乳腺癌患者放化疗敏感性具有重要作用。

肿瘤标志物主要以激素、抗原、酶等形式存在于肿瘤细胞和宿主体液中，可准确反映肿瘤细胞的生化性质和代谢情况，临床主要用于鉴别良恶性肿瘤、筛选肿瘤高危人群、判断肿瘤进展、评估肿瘤预后等［8］。血清肿瘤标志物检测是一种非介入性检查措施，操作简单、检测快捷。目前临床发现，血清CA153、癌胚抗原、CA125等在乳腺癌患者组织和血清中差异表达，且与远处转移、分化程度、血管形成等密切相关，可用于乳腺癌的早期诊断、预后评估等［9-10］。CA50、TSGF、TPA是临床常见肿瘤标志物。CA50是一种非特异性肿瘤抗原，与癌抗原19-9具有交叉性。CA50在人正常组织中含量较低，细胞癌变后可激活糖基化酶，引起细胞膜表层糖基结构改变，导致大量CA50进入血液或组织中［11］。已有研究［12］显示，CA50在多种恶性肿瘤中高表达，肿瘤分期越高、分化程度越低、直径越小，CA50阳性率越高。TSGF是国际公认的与恶性肿瘤有关的广谱肿瘤标志物，是由多种小分子代谢产物、氨基酸和糖类物质形成的一种多肽因子，TSGF分泌增多可刺激恶性肿瘤细胞新血管形成，促进肿瘤恶性生长分化、转移和毛细血管增生；TSGF在多种肿瘤中表达升高，具有较高灵敏度和特异度，可用于良恶性肿瘤鉴别、预后评估等［13］。TPA是一种与角蛋白8、18、19有关的一种多肽物质，主要在多种恶性肿瘤组织和胎盘组织中表达；研究［14］发现，TPA水平升高与恶性肿瘤直径、分化程度、浸润程度等有关。本研究发现，治疗后不敏感组血清CA50、TSGF、TPA表达水平高于敏感组，CA50、TSGF、TPA差值低于敏感组，提示血清CA50、TSGF、TPA表达水平与中晚期乳腺癌患者放化疗敏感性有关。笔者推测：患者肿瘤直径越大、脉管发生侵犯、TNM分期越高、淋巴结发生转移可促进肿瘤细胞恶性生长，进而促进新血管形成；放化疗治疗后，约30.49%的患者不敏感，影响治疗效果，故不敏感组患者治疗前后血清CA50、TSGF、TPA差值变化较小。

本研究使用LASSO回归筛选的有统计学差异的11个变量，发现最佳惩罚系数λ=3，筛选出3个预测变量为治疗前后TSGF、CA50、TPA差值。logistic回归也证实三者差值是中晚期乳腺癌放化疗敏感性的影响因素，进一步说明血清CA50、TSGF、TPA与中晚期乳腺癌放化疗敏感性有关。根据logistic回归结果构建中晚期乳腺癌放化疗敏感性列线图模型，提示三者差值越小，中晚期乳腺癌放化疗不敏感风险越高。采用C-index对该模型进行内部验证，发现C-index为0.839，具有较高的准确度，且校准曲线趋向于理想曲线；ROC曲线和决策曲线显示，该模型具有良好的预测精准度和临床预测效能。

综上所述，在中晚期乳腺癌放化疗不敏感患者中血清CA50、TSGF、TPA表达水平较高，且血清CA50、TSGF、TPA差值是患者放化疗敏感性的影响因素，基于以上因素构建的列线图预测模型，具有较好的参考价值和临床适用性。