识别从术后放疗中获益的T1–2N1M0乳腺癌高风险患者：一项双中心回顾性倾向评分匹配研究

开发整合临床病理、超声及钼靶特征的多模态评分模型，用于识别pT1–2N1M0乳腺癌术后放疗的高危患者，结果显示评分模型C指数达0.816-0.846，高危组接受放疗后无病生存期显著改善（HR=0.392-0.358），低危组则无获益（HR=0.173-0），优于传统模型。

　　

摘要

目的

开发一种个性化的风险分层评分模型，整合临床病理学、超声学和乳腺X线摄影的特征，以识别可能从术后放疗（PMRT）中获益的高风险患者。

材料与方法

对来自医疗中心1的408名患者（2011年1月至2019年6月）和来自医疗中心2的190名患者（2017年1月至2019年6月）进行了回顾性分析，这些患者均为接受过乳腺切除术的pT1–2N1M0期乳腺癌患者，并在术前进行了乳腺X线摄影（MG）和超声检查（US）。通过倾向得分匹配（PSM）后，使用单变量和多变量Cox回归分析建立了这种多模态评分模型。

结果

多变量分析确定了独立的风险因素，包括年龄、病理T分期、阳性腋窝淋巴结、淋巴血管侵犯、微钙化、超声下的血管丰富度、组织结构异常以及乳腺X线摄影下的可疑钙化（所有p<0.05）。该多模态评分模型的C指数在训练组为0.816（95%置信区间：0.774–0.859），在外部验证组为0.846（95%置信区间：0.772–0.920），显示出比仅基于临床病理学和影像学的模型更优的预后准确性、区分能力和临床适用性。使用该评分模型进行风险分层后，发现PMRT显著提高了高风险组患者的无复发生存期（RFS）（训练组：HR=0.392；外部验证组：HR=0.358，均p<0.05），而低风险组患者从PMRT中未获益（训练组：HR=0.173；外部验证组：HR=0，均p>0.05）。

结论

这种多模态评分模型作为临床决策支持工具，帮助医生评估PMRT的风险效益平衡，并具有指导pT1–2N1M0期乳腺癌患者个性化辅助治疗的潜在临床应用价值。

要点

问题 这种整合临床病理学、超声学和乳腺X线摄影参数的多模态评分模型能否识别出可能从术后放疗中获益的高风险pT1–2N1M0期患者？

发现 通过有效的风险分层，该评分模型识别出了从PMRT中显著获益的高风险患者，同时区分了可以避免不必要的治疗的高风险患者。

临床意义 该多模态评分模型为医生提供了临床决策支持，有助于优化个性化辅助治疗方案，从而改善pT1–2N1M0期乳腺癌患者的生存结果。

图形摘要

目的

开发一种个性化的风险分层评分模型，整合临床病理学、超声学和乳腺X线摄影的特征，以识别可能从术后放疗（PMRT）中获益的高风险患者。

材料与方法

对来自医疗中心1的408名患者（2011年1月至2019年6月）和来自医疗中心2的190名患者（2017年1月至2019年6月）进行了回顾性分析，这些患者均为接受过乳腺切除术的pT1–2N1M0期乳腺癌患者，并在术前进行了乳腺X线摄影（MG）和超声检查（US）。通过倾向得分匹配（PSM）后，使用单变量和多变量Cox回归分析建立了这种多模态评分模型。

结果

多变量分析确定了独立的风险因素，包括年龄、病理T分期、阳性腋窝淋巴结、淋巴血管侵犯、微钙化、超声下的血管丰富度、组织结构异常以及乳腺X线摄影下的可疑钙化（所有p<0.05）。该多模态评分模型的C指数在训练组为0.816（95%置信区间：0.774–0.859），在外部验证组为0.846（95%置信区间：0.772–0.920），显示出比仅基于临床病理学和影像学的模型更优的预后准确性、区分能力和临床适用性。使用该评分模型进行风险分层后，发现PMRT显著提高了高风险组患者的无复发生存期（RFS）（训练组：HR=0.392；外部验证组：HR=0.358，均p<0.05），而低风险组患者从PMRT中未获益（训练组：HR=0.173；外部验证组：HR=0，均p>0.05）。

结论

这种多模态评分模型作为临床决策支持工具，帮助医生评估PMRT的风险效益平衡，并具有指导pT1–2N1M0期乳腺癌患者个性化辅助治疗的潜在临床应用价值。

要点

问题 这种整合临床病理学、超声学和乳腺X线摄影参数的多模态评分模型能否识别出可能从术后放疗中获益的高风险pT1–2N1M0期患者？

发现 通过有效的风险分层，该评分模型识别出了从PMRT中显著获益的高风险患者，同时区分了可以避免不必要的治疗的高风险患者。

临床意义 该多模态评分模型为医生提供了临床决策支持，有助于优化个性化辅助治疗方案，从而改善pT1–2N1M0期乳腺癌患者的生存结果。

图形摘要