编辑推荐：
为解决乳腺癌复发预测工具缺乏的问题，研究人员基于沙特阿拉伯 408 例患者数据，开展复发预测模型研究。通过多变量惩罚逻辑回归和 Cox 回归，发现化疗、手术等影响复发，模型 AUC 达 76%，C-index 超 0.8，为临床决策提供新工具。
乳腺癌作为全球女性最常见的恶性肿瘤，其复发转移一直是临床治疗的难题。在沙特阿拉伯，受文化、遗传及医疗条件等因素影响，乳腺癌患者的复发管理面临独特挑战。目前，临床缺乏针对该地区人群的精准复发预测工具，传统模型难以充分考虑地域特异性因素，导致治疗方案制定和预后评估存在局限性。因此，开发适用于沙特阿拉伯乳腺癌患者的复发预测模型，对提升个性化诊疗水平、改善患者预后具有重要意义。
来自沙特阿拉伯法赫德国王石油与矿产大学（King Fahd University of Petroleum and Minerals）等机构的研究人员，对达曼法赫德国王专科医院（King Fahd Specialist Hospital in Dammam）2002 年 7 月至 2021 年 11 月期间收治的 408 例乳腺癌患者数据展开分析，旨在构建基于本地人群的乳腺癌复发预测模型。研究成果发表于《Scientific Reports》。
研究采用回顾性队列研究设计，将患者分为训练集（n=285）和测试集（n=123）。主要技术方法包括：多变量惩罚逻辑回归（结合嵌套交叉验证和特征选择）用于构建分类模型，评估各因素对复发的预测价值；多变量 Cox 回归分析用于探索时间依赖性风险因素，计算风险比（HR）；通过受试者工作特征曲线下面积（AUC-ROC）、精确召回曲线下面积（AUC-PRC）和 C-index 评估模型性能。数据预处理涉及标准化连续变量，采用卡方检验、Fisher 确切检验和 Mann-Whitney U 检验比较组间差异。
患者基线特征与单因素分析
训练集 285 例患者中，复发组 62 例，非复发组 223 例。复发组肿瘤大小（TS）中位数（35 mm）显著大于非复发组（29 mm，p=0.018）。手术和化疗在非复发组应用比例更高（手术 100% vs 90.3%，化疗 72.2% vs 35.5%，均 p<0.001），而年龄、淋巴结（LN）受累、绝经状态（MS）等因素组间无显著差异。
多变量逻辑回归模型性能
模型在训练集和测试集的 AUC-ROC 均为 76%（95% CI：72–81%，66–87%），AUC-PRC 均为 0.61，显示对不平衡数据的处理能力。关键预测因子包括肿瘤大小、手术和化疗：化疗使复发 odds 降低 86%（调整优势比 [AOR]=0.143，p<0.0001），手术降低 99%（AOR=0.009，p<0.0001），肿瘤大小每增加单位使复发 odds 增加 48.5%（AOR=1.485，p=0.0043），年龄无显著影响（AOR=0.841，p=0.1398）。
Cox 回归模型分析
初始模型显示，年龄每增加 1 岁使复发风险降低 3%（HR=0.97，p=0.043），肿瘤大小每增加 1 单位风险增加 1%（HR=1.01，p=0.027），原位癌（HR=0.05，p=0.013）和局部癌（HR=0.22，p=0.012）风险显著低于远处转移癌。手术和化疗分别降低 80%（HR=0.20，p=0.004）和 95%（HR=0.05，p<0.001）复发风险，而激素治疗（HT）显著增加风险（HR=10.01，p<0.001）。经特征筛选后，模型 C-index 在训练集和测试集分别为 0.81（95% CI：0.73–0.84）和 0.84（0.76–0.89），验证了模型的判别能力。
研究结论与意义
本研究开发的乳腺癌复发预测模型整合了肿瘤大小、手术、化疗等临床可获取变量，在沙特阿拉伯人群中展现出良好的预测效能。模型通过交互式应用程序（
https://iv3p9h-nurudeen-adegoke.shinyapps.io/breast_cancer）实现临床转化，可辅助医生基于个体复发风险制定治疗策略和随访计划，推动个性化医疗发展。研究首次针对沙特阿拉伯东部地区人群构建模型，填补了地域特异性研究空白，为资源有限地区的乳腺癌管理提供了可借鉴的工具。尽管存在样本量较小、未纳入基因病理特征等局限，但其为后续整合多维度数据优化模型奠定了基础，对全球乳腺癌精准医疗具有重要参考价值。
