编辑推荐：
为识别血管和神经 “双侵犯” 的高危胃癌患者，研究人员开展相关研究，构建了 Lasso-Cox 回归列线图。
胃癌，这个全球健康的 “劲敌”，在癌症界可谓 “臭名昭著”。它不仅是全球第五大常见癌症，更是癌症相关死亡的第四大 “杀手”。随着医疗技术的进步，像内镜、手术、放化疗、免疫治疗等手段纷纷登场，为胃癌患者带来了新希望，手术切除肿瘤更是成了可切除、非转移性胃癌患者的 “救命稻草” ，对患者生存率影响重大。
不过，胃癌的 “套路” 可不少。在众多影响胃癌预后的因素中，血管和神经浸润程度是个关键角色，它能独立预测胃癌患者术后无进展生存期（PFS）。研究发现，那些同时出现血管和神经侵犯（“双侵犯”）的患者，平均总生存期只有 34.49±24.02 个月，平均无进展生存期也仅有 27.58±21.15 个月。这意味着，“双侵犯” 的胃癌患者预后较差，病情更容易进展。然而，如何精准预测这类患者的病情发展，一直是困扰医学界的难题。要是能提前知道哪些患者风险高，就能为他们量身定制治疗方案，提高治疗效果。为了解开这个谜团，来自中国医学科学院肿瘤医院山西医院、山西省肿瘤医院、山西医科大学附属肿瘤医院的研究人员踏上了探索之旅，相关研究成果发表在《BMC Cancer》上。
研究人员为了找到预测 “双侵犯” 胃癌患者无进展生存期的有效方法，开展了一项多中心回顾性研究。他们从山西省三家医院（山西省肿瘤医院、垣曲县人民医院、洪洞县人民医院）“大海捞针”，筛选出了 2005 年 5 月至 2022 年 12 月期间做过胃癌切除术的 1650 名患者的病历，其中 559 名患者被确诊为 “双侵犯” 胃癌。这些患者被随机分成训练队列（388 人）和验证队列（171 人）。研究人员仔细分析了可能影响手术结果的各种因素，像患者性别、年龄、肿瘤的 “侵犯” 情况、淋巴结转移数量、肿瘤大小，还有一些生物标志物（AE1/AE3、CK20、CDX - 2 等）的表达水平，以及无进展生存期。为了处理数据缺失的问题，他们还制定了一套策略：缺失超过 30% 变量的数据直接剔除，不到 30% 的则用变量均值填补。
在分析数据时，研究人员使用了多种统计方法。用描述性统计分析来总结数据特征，用 Kaplan - Meier 曲线直观展示无进展生存期趋势，用 Lasso - Cox 回归分析找出与无进展生存期相关的因素，还通过 Harrell’s C 指数、决策曲线分析（DCA）、时间依赖性受试者工作特征（t - ROC）曲线等方法来评估模型的性能。
研究成果令人眼前一亮。首先，训练队列和验证队列的患者在各个变量上都比较均衡，这为后续研究打下了良好基础。接着，研究人员通过 Lasso - Cox 回归分析，揪出了影响无进展生存期的关键因素：患者性别、阳性淋巴结数量、胃切除术的手术方式、PTEN 和 FHIT 这两种生物标志物的表达水平，以及肿瘤最大直径。基于这些因素，他们构建了一个列线图，用来预测患者 3 年和 5 年的无进展生存期概率。这个列线图表现相当出色，在训练队列中，它预测无进展生存期的 C 指数达到 0.651（95% CI：0.612 - 0.691），远超第 8 版美国癌症联合委员会（AJCC）TNM 分期系统的 0.543（95% CI：0.517 - 0.569） 。校准图也显示，列线图的预测结果和实际情况很相符。通过 t - ROC 曲线分析发现，列线图在预测 3 年和 5 年无进展生存期方面都有不错的表现，3 年无进展生存期预测的曲线下面积（AUC）在内部验证时为 0.719（95% CI：0.655 - 0.771） ，外部验证时为 0.647（95% CI：0.558 - 0.754）；5 年无进展生存期预测的 AUC 在内部验证时为 0.767（95% CI：0.670 - 0.841） ，外部验证时为 0.718（95% CI：0.528 - 0.820）。DCA 分析也表明，列线图在不同决策阈值下都有临床应用价值。研究人员还根据列线图给患者打分，以 137.26 为界，把患者分成低风险和高风险两组。结果发现，低风险组患者的无进展生存期明显比高风险组长，这说明列线图能有效对患者进行风险分层。
在讨论部分，研究人员深入分析了研究成果的意义和潜在问题。血管侵犯和神经侵犯对胃癌患者的预后影响重大，可它们的 “组合”——“双侵犯”，让情况变得更复杂，因为淋巴结转移的分布和清扫范围都会影响预后。PTEN 和 FHIT 这两个生物标志物在胃癌发生发展中扮演着重要角色，PTEN 能抑制癌细胞的侵袭，FHIT 可以抑制细胞增殖、促进凋亡，它们的低表达都和胃癌的不良预后有关。虽然这项研究取得了不少成果，但也有一些局限性。比如数据只来自三家医院，样本的代表性可能不够；没有区分早期和晚期胃癌患者，这可能影响模型预测的准确性；对肿瘤生物标志物的检测是定性的，不是定量的；列线图在验证队列中的表现不如训练队列，可能是验证队列样本量不足导致的。
总的来说，这项研究通过 Lasso - Cox 回归技术构建了一个预测模型，能更精准地识别 “双侵犯” 的高危胃癌患者，为个性化的预防和治疗策略提供了重要依据。不过，要让这个模型在临床上广泛应用，还需要更多的研究和验证。未来，研究人员可以扩大样本范围，进一步完善模型，让它更好地为胃癌患者服务，帮助他们对抗这个可怕的病魔。
