编辑推荐：
本文聚焦胃癌腹膜转移，系统回顾 2000 年至今列线图相关研究。列线图整合多因素数据预测腹膜转移（PM）和预后，基于临床因素、影像技术、生物标志物构建的模型各有优势与局限。未来需多方面优化，助力胃癌个性化诊疗。
1. 引言
2022 年，胃癌在全球的发病率和死亡率均位居第五，亚洲地区负担尤为沉重，中国的发病和死亡人数众多。腹膜转移是胃癌主要的转移途径，导致了 40 - 50% 的胃癌相关死亡，中国转移性胃癌患者中 53 - 60% 存在腹膜受累，这些患者预后很差，5 年生存率低于 2%，中位总生存期约 6 个月。虽然多学科治疗有一定进展，但仍缺乏高级别证据和明确指导，急需预测工具。
列线图作为一种统计方法，能整合多个相关变量，以直观图形展示变量关系和预测结果，在医学领域广泛应用，可预测疾病发生风险、治疗结果等。本综述系统回顾了 2000 年至今胃癌腹膜转移的列线图相关研究，评估其应用进展。
2. 列线图模型
2.1 基于临床因素的列线图模型
为了开发胃癌腹膜转移（PCM）的预测模型，临床医生需要确定相关风险因素，包括 TNM 分期系统和腹膜癌指数（PCI）等新兴指标。
Ji 等人评估了 125 例接受细胞减灭术联合腹腔热灌注化疗（CRS - HIPEC）的 PCM 患者，确定了总生存期（OS）的关键决定因素，并利用腹膜转移持续时间、术前肿瘤标志物和 PCI 构建了列线图，其预测准确性极高（AUC = 0.985）。Chen 等人开发的基于手术的列线图（PMN 模型）纳入了隐匿性腹膜转移（OPM）等多个因素，在预测 PCM 相关结局方面优于第 15 版日本胃癌分期指南。还有研究通过多因素分析确定了不同的独立预后因素并构建列线图，如血清癌胚抗原（CEA）、腹水严重程度等，这些列线图在预测预后方面各具优势 。
对于 T4a 期胃癌患者，其腹膜转移风险高，淋巴结转移会缩短生存时间，研究表明检查≥31 个淋巴结可优化分期和生存结局。弥漫型胃癌 PCM 风险高，有研究通过 LASSO 回归确定了相关临床病理变量，构建的列线图能更好地预测早期 PCM 生存情况。此外，还有研究旨在预测 II - III 期胃癌术后早期复发，确定了肿瘤位置、淋巴细胞计数等独立风险因素，构建的列线图具有一定实用性 。
2.2 基于成像技术的列线图模型
横断面成像技术，尤其是多期增强 CT，是评估胃癌分期和腹膜转移风险的重要手段。人工智能（AI）和放射组学的发展推动了基于机器学习的成像生物标志物的开发，用于更好地检测胃癌腹膜转移。
Huang 等人利用 CT 放射组学（292 个定量成像特征）构建的预测模型，在三个独立队列中表现出良好的区分能力（AUC：0.792 - 0.870）。Sun 等人将深度学习算法与放射学特征相结合，开发的列线图在 T4a 期胃癌分期中具有较高的区分度（AUC = 0.87 - 0.90）。由于局部晚期胃癌（LAGC）患者淋巴结转移率高，有研究开发的深度学习放射组学列线图（DLRN）能较好地预测淋巴结负担，有助于医生评估病情 。
OPM 的诊断是胃癌治疗的难题，Dong 等人开发的三模态列线图结合了放射组学特征、原发性肿瘤特征和临床变量，诊断准确性高（AUC = 0.958）。Wang 等人构建的基于机器学习的 OPM 分类器、Kim 等人开发的 CT 放射组学模型以及其他基于 CT 的研究，在检测 OPM 方面都取得了较好的效果。虽然 AI 驱动的模型前景良好，但临床检查如直肠指检（DRE）在 OPM 诊断中仍有重要作用，将 DRE 结果与其他因素结合的列线图也能提高诊断准确性。
2.3 基于特殊实验室检查和生物标志物的列线图模型
实验室诊断在临床决策中具有重要作用，血清生物标志物的进展推动了其在精准肿瘤学中的应用。
血液学检测是腹膜转移（PM）研究的重要部分，有研究确定了 CA125、CA19 - 9 和纤维蛋白原 - 淋巴细胞比值（FLR）等是 PM 的独立预测因子，基于这些构建的列线图具有较高的判别能力 。除血液指标外，通过基因表达谱和全基因组分析也构建了许多可靠的预后预测模型。Lee 等人通过泛基因组分析确定的六基因表达特征，后续的七基因模型预测性能更优。Shimura 等人验证的三 miRNA 特征结合 Borrmann 分类，在检测 PM 方面有一定价值 。
新兴研究关注胃癌腹膜转移（PCM）的蛋白质组学分析和肿瘤微环境（TME）动态变化。TME 中的胶原蛋白沉积、Legumain（LGMN）表达等都与 PCM 相关，基于这些构建的列线图能更好地预测 PM 风险 。此外，针对局部胃癌（II - III 期）和局部晚期胃癌（LAGC）的研究也引入了新的预后建模方法，如循环肿瘤细胞（CTC）计数、白细胞介素 - 6（IL - 6）水平等，构建的列线图预测准确性较高。还有综合多种因素的模型，如结合 BPM 评分与 TNM 分期、炎症 - 营养 - 肿瘤（INT）评分系统等，都能提高对胃癌患者生存的预测能力。
3. 讨论
近年来，列线图模型在预测胃癌腹膜转移（PM）和预后评估方面展现出巨大潜力，它整合多维数据，有助于实现个性化临床管理。但现有研究存在局限性，需要在模型优化、技术整合和临床转化等方面进一步发展。
临床驱动的列线图应用广泛，如 Ji 等人的模型临床实用性高，但多数依赖回顾性数据，存在选择偏倚，且多在亚洲队列中验证，全球通用性受限。成像技术为基础的模型能提高隐匿性腹膜微转移（OPM）的检测能力，但对图像质量要求高，算法复杂，且未很好地融入临床工作流程，“黑箱” 性质也影响医生信任 。生物标志物驱动的模型提供了 PM 发病机制的分子见解，但生物标志物的异质性、缺乏标准化检测方法和成本高昂等问题阻碍了其临床应用。
未来，下一代列线图应整合临床、影像和分子数据，建立动态预测系统，如结合 CTC 谱和放射组学特征实时监测 PM 风险。利用转移学习和联邦学习等先进技术优化模型，提高通用性，并开发以用户为中心的临床工具。还需开展多中心前瞻性大样本研究验证现有模型，建立标准化变量选择协议和阈值优化策略，减少过拟合风险。深入研究 PM 生物学机制，结合液体活检技术，有望将列线图从预测工具转变为治疗靶向指南。
4. 结论
尽管存在挑战，但列线图在胃癌 PM 的个性化管理中具有重要价值。克服数据碎片化和转化障碍需要技术创新和跨学科合作，通过闭环系统缩小预测与干预之间的差距，可能为改善患者预后提供有效解决方案。
