新加坡复发预测模型在美国高级别叶状肿瘤队列中的验证与优化研究

为解决叶状肿瘤(PT)复发率预测难题，来自美国的前瞻性队列研究验证了新加坡复发预测模型(nomogram)的适用性。研究发现该模型在包含40.7%交界性和33.3%恶性PT的美国队列中表现中等(C-index=0.66)，而组织学评分(HR=1.25，p=0.005)更具预测价值，为国际协作优化预测模型提供了重要依据。

　　

这项研究针对叶状肿瘤(Phyllodes Tumors, PT)临床预测难题展开深入探索。众所周知，随着PT分级升高，局部和远处复发风险显著增加，但准确预测始终是临床难点。新加坡团队开发的复发预测模型(nomogram)曾被寄予厚望，但在美国这个特殊队列中——包含25.9%良性、40.7%交界性(borderline)和33.3%恶性(malignant)PT的81例病例——其预测效能遭遇挑战。

研究团队从前瞻性机构数据库中精心筛选病例，采用多变量分析方法评估复发无生存期(RFS)与各因素关联。结果显示，包含新加坡模型四大要素的调整后RFS分析表现尚可(C-index=0.78)，但模型原始数值评分仅获中等匹配度(C-index=0.66)。有趣的是，组织学评分展现出更优预测力(HR=1.25，95%CI 1.07-1.47，p=0.005；C-index=0.70)，这为模型优化指明方向。

该研究揭示，在高级别PT占比较高的美国人群中，现有预测模型需针对性改进：应纳入恶性PT特异性因素、增加变量区分度并优化权重分配。这些发现不仅为临床决策提供新依据，更搭建起国际协作优化预测模型的桥梁，让精准医疗在叶状肿瘤领域又迈进重要一步。