基于BMI、CA19-9、T分期和分化程度的胃癌隐匿性淋巴结转移预测列线图模型构建与验证

《World Journal of Surgical Oncology》：Oncologic outcomes of patients with negative nodal involvement on preoperative imaging undergoing surgery for gastric cancer

本研究针对胃癌术前影像学检查对淋巴结转移评估准确性不足的临床难题，通过回顾性分析722例cTanyN0M0胃癌患者数据，构建了包含BMI、CA19-9、T分期和分化程度的预测模型。研发的列线图显示AUC达0.729，能有效识别隐匿性淋巴结转移高危人群，为个体化手术方案制定提供重要依据。

　　

在全球癌症负担中，胃癌始终是威胁人类健康的重大疾病。2020年数据显示，其发病率位居全球第五，死亡率高居第四。淋巴结转移是影响胃癌患者预后的关键因素，它如同癌细胞在体内扩散的"交通要道"，转移程度越严重，患者生存希望就越渺茫。然而，当前临床常规使用的增强CT检查在淋巴结转移评估方面存在明显局限，其准确度仅为63.8%-64%，灵敏度更是低至43.3%-55%。这种"看不准"的困境导致约11%-56%的临床分期为N0的患者术后病理证实存在淋巴结转移，即隐匿性淋巴结转移(OLNM)。

这种"诊断盲区"可能带来严重后果：本该接受更积极治疗的患者可能因误判而错失最佳治疗时机。虽然研究人员尝试从肿瘤分化程度、大小、血清标志物等角度寻找预测指标，但至今未达成共识，或提出的方法在术前难以实际应用。正是基于这一临床痛点，熊忠等研究人员在《World Journal of Surgical Oncology》上发表了他们的研究成果，旨在开发一种实用的预测工具，帮助医生在术前更准确地识别OLNM高危患者。

研究团队采用回顾性队列研究设计，从中山大学附属第六医院数据库筛选了2008年1月至2023年5月期间收治的722例cTanyN0M0胃癌患者。所有患者均未接受新辅助治疗，直接接受手术治疗。通过系统收集患者的临床病理资料，包括人口学特征、血液学指标、影像学评估结果等，研究人员采用多因素逻辑回归分析确定了独立预测因子，并构建了可视化的列线图模型。模型性能通过校准曲线、ROC曲线和决策曲线分析进行验证。

研究结果

基本特征分析

722例术前CT评估为淋巴结阴性的患者中，术后病理证实261例(36.15%)存在OLNM。比较两组基线特征发现，OLNM组患者具有更低的BMI值、更晚的T分期、更差的分化程度以及更高的CA19-9水平。这些差异在统计学上均具有显著性，为后续模型构建奠定了基础。

生存分析

中位随访时间达146个月的生存数据显示，无淋巴结转移组(pN0)的5年总体生存率显著高于OLNM组(97.8% vs 84.85%)。多因素Cox回归分析进一步确认，CA125、CA153、T分期和OLNM是影响患者预后的独立危险因素，其中OLNM使死亡风险增加5倍(HR=5.00)。

预测因子识别

单因素分析显示，BMI、CA19-9、T分期和分化程度与OLNM显著相关。多因素分析证实这些均为独立预测因子：BMI<18.5 kg/m²的患者OLNM风险是正常体重者的2.15倍；CA19-9升高者风险增加2.51倍；随着T分期进展，风险呈阶梯式上升(T2：4.71倍，T3：8.0倍，T4：15.81倍)；低分化肿瘤的风险是高分化肿瘤的3.02倍。

预测模型构建与验证

基于上述四个预测因子，研究人员开发了用户友好的列线图工具。校准曲线显示预测概率与实际观察值高度一致，ROC曲线下面积(AUC)为0.729，表明模型具有良好的区分能力。决策曲线分析进一步证明了该模型在临床实践中的实用价值。

讨论与意义

本研究首次将BMI纳入胃癌OLNM预测模型，揭示了营养不良状态与淋巴结转移的潜在关联。研究者推测，低BMI反映的营养不良状态可能通过改变肿瘤微环境和免疫细胞功能，为癌细胞向淋巴结隐匿扩散创造了条件。这一发现为理解胃癌进展机制提供了新视角。

与传统依赖术后病理特征的研究不同，该模型仅使用术前可获取的常规指标，使其具有更好的临床适用性。医生在制定治疗方案前，即可通过该工具识别高危患者，从而更精准地推荐新辅助化疗或更广泛的淋巴结清扫术(D2淋巴清扫)。研究表明，对OLNM患者实施D2淋巴清扫可以消除其预后劣势，这凸显了术前准确风险评估的重要性。

当然，研究也存在一些局限性，如单中心回顾性设计可能引入选择偏倚，样本均来自中国南方人群可能影响结果普适性，以及未包含HER2状态、 Lauren分型等分子特征。未来需要多中心前瞻性研究进一步验证和完善该预测工具。

结论

这项研究成功识别了BMI、CA19-9、T分期和分化程度作为胃癌OLNM的独立预测因子，并构建了性能良好的列线图模型。该工具为临床医生提供了实用的术前风险评估手段，有望指导个体化治疗决策，最终改善胃癌患者预后。随着进一步验证和优化，这种基于常规临床指标的预测策略可能在胃癌精准医疗领域发挥重要作用。