开发并验证一种诺模图，用于预测未接受手术治疗的老年胰腺癌患者的总生存期

《Medicine》：Development and validation of a nomogram to predict overall survival in elderly patients with pancreatic cancer without surgical treatment

老年人非手术治疗胰腺癌预后模型构建及验证，基于SEER数据库分析发现年龄、肿瘤大小、分化程度、M分期、放疗及化疗是影响生存的关键因素，构建的nomogram模型在训练组、验证组和测试组的AUC分别为0.725/0.716/0.777（1年）、0.738/0.733/0.794（2年）、0.741/0.731/0.813（3年），校准曲线显示良好预测一致性，低风险组生存显著优于高风险组。

　　胰腺癌（Pancreatic Cancer, PC）是一种高度恶性的消化系统肿瘤，其预后通常较差。近年来，随着医学技术的发展，PC的筛查和诊断手段有所进步，但其发病隐匿、进展迅速的特点使得多数患者在确诊时已处于晚期，且超过一半的病例在诊断时已发生转移，80%以上的患者无法接受手术治疗。因此，针对非手术治疗的胰腺癌患者，尤其是老年群体，准确评估其生存预后对于制定个体化治疗方案具有重要意义。

本研究聚焦于年龄大于65岁的非手术治疗胰腺癌患者，旨在识别影响其总体生存率（Overall Survival, OS）的关键预后因素，并建立一个能够准确预测患者1年、2年和3年生存率的模型。研究数据来源于美国国家癌症研究所的SEER数据库，涵盖了2010年至2015年的患者信息。通过随机分组，将2010至2014年的数据划分为训练组和验证组，其中训练组包含2044例，验证组877例；2015年的数据则用于外部验证，共662例。研究团队通过多因素Cox回归分析，识别出与患者生存率显著相关的六个独立预后因素，包括年龄、肿瘤大小、肿瘤分化程度、M期（远处转移）状态、放疗和化疗。这些因素被整合进一个名为“nomogram”的预测模型中，用于评估老年非手术治疗胰腺癌患者的生存概率。

在模型构建过程中，研究团队采用了一种称为“受试者工作特征曲线”（Receiver Operating Characteristic Curve, ROC曲线）的方法来评估模型的预测能力。ROC曲线的曲线下面积（Area Under Curve, AUC）是衡量模型预测准确性的常用指标，AUC值越接近1，表示模型的预测能力越强。在训练组中，该模型对1年、2年和3年的预测AUC分别为0.725、0.738和0.741，表明模型具有良好的预测性能。在验证组中，预测AUC分别为0.716、0.733和0.731，而外部测试组的预测AUC则分别为0.777、0.794和0.813，进一步验证了模型的可靠性。此外，通过校准曲线（Calibration Curve）分析，研究团队发现模型预测的生存率与实际观察结果之间具有高度一致性，这表明模型不仅具有良好的区分能力，还能较为准确地反映患者的生存情况。

为了进一步评估模型的临床适用性，研究团队将患者按照中位风险评分划分为高风险组和低风险组。结果显示，低风险组患者的总体生存率显著优于高风险组患者。这一发现为临床医生提供了重要的参考依据，即通过该模型可以更有效地对老年非手术治疗胰腺癌患者进行风险分层，并据此调整治疗策略。例如，对于高风险患者，可能需要更积极的治疗手段，而对于低风险患者，则可以考虑相对保守的治疗方案。

在临床实践中，传统的肿瘤分期系统（如TNM分期）是评估肿瘤病情和制定治疗方案的重要工具。然而，该系统未能充分纳入影响患者预后的关键因素，如年龄、性别、肿瘤分化程度等，导致不同患者即使具有相同的TNM分期，也可能出现截然不同的预后结果。因此，基于多因素分析的预测模型在临床决策中具有更高的价值。与传统分期系统相比，nomogram能够更全面地整合多种因素，提供更加精准的生存预测。此外，nomogram的使用有助于医生根据患者的具体情况，制定个性化的治疗计划，提高治疗的针对性和有效性。

本研究中，年龄、肿瘤大小、分化程度、M期状态、放疗和化疗被证实为影响老年非手术治疗胰腺癌患者生存率的独立因素。年龄越大，患者的生存率越低，这与老年人免疫功能下降以及易患多种慢性疾病有关。肿瘤越大，其转移风险越高，预后越差。肿瘤分化程度越低（如未分化），说明肿瘤细胞的异质性越高，恶性程度更强，患者的生存率也相应下降。M期状态是评估肿瘤是否发生远处转移的重要指标，远处转移的存在会显著缩短患者的生存时间。放疗和化疗作为非手术治疗的重要手段，对改善患者的生存率具有积极作用，其中化疗的益处更为显著。

尽管本研究取得了重要的成果，但其仍存在一定的局限性。首先，SEER数据库中的患者信息可能存在缺失或不完整的情况，这可能导致研究结果受到一定的偏差影响。其次，一些重要的临床和人口学信息，如高血压、糖尿病、炎症指标、吸烟和饮酒史等，未能纳入分析，这些因素在胰腺癌的发病和预后中可能发挥重要作用。因此，未来的研究需要进一步完善数据采集方法，纳入更多影响预后的变量，以提高模型的准确性和适用性。此外，该预测模型仍需在前瞻性临床研究中进行验证，以确保其在真实临床环境中的有效性。

综上所述，本研究成功构建了一个基于SEER数据库的nomogram模型，能够准确预测老年非手术治疗胰腺癌患者的1年、2年和3年生存率。这一模型不仅有助于医生更全面地评估患者的病情，还能为制定个体化治疗方案提供科学依据。然而，研究仍需在更多数据和更广泛的临床应用中进行验证，以进一步优化模型并推广其使用价值。未来的研究可以结合更多临床指标和生物标志物，以提高预测的精准度，并探索该模型在不同人群中的适用性。