整合免疫-炎症指数与临床病理特征的列线图用于预测局部晚期乳腺癌新辅助化疗后病理完全缓解

《BMC Cancer》：Predicting pathologic complete response in locally advanced breast cancer post-neoadjuvant chemotherapy: a novel nomogram integrating immune-inflammation indices and clinicopathological data

　　

摘要

背景

新辅助化疗（NAC）后达到病理完全缓解（pCR）是局部晚期乳腺癌（LABC；定义为临床Ⅲ期及高危ⅡB期）的重要预后指标。pCR发生率在不同分子亚型之间存在显著差异——在三阴性乳腺癌和HER2阳性肿瘤中最高（>30–45%），在激素受体阳性/HER2阴性亚型中最低（2–12%）。对pCR进行准确的治疗前预测仍具有挑战性。本研究旨在开发并验证一个整合免疫-炎症指数与临床病理数据的列线图，用于预测接受NAC的LABC患者的pCR。

方法

本回顾性分析纳入360例LABC患者（来自训练/内部验证队列GHWTC，2020–2024年）及124例外部队列患者（DYPH，2021–2025年）。通过LASSO回归和多因素logistic回归筛选独立预测因子。构建列线图，并采用AUC、校准曲线和决策曲线分析进行验证。构建了一个个体化的pCR预测模型并以列线图形式呈现，且经过内部与外部验证。

结果

共识别出七个独立预测因子：cT、cN、PR状态、HER2状态、NLR、SIRI和SII。整合这七个因素的列线图表现出优异的区分度，训练集AUC-ROC为0.880（95% CI：0.834–0.926），内部验证集为0.960（95% CI：0.904–0.988），外部验证集为0.935（95% CI：0.876–0.971）。校准曲线显示良好的一致性。最佳截断值为0.372（约324分）。决策曲线分析证实了该列线图的临床实用性。

结论

该经验证的列线图提供了一种准确、个体化的工具，用于预测LABC患者的pCR，有助于临床实践中个性化NAC的决策。

临床试验注册号

不适用