《Cancers》：A Logistic Regression Model Integrating Flow Cytometry?Derived Immune Cell Profiles and Hematological Parameters for Preoperative Prediction of Peritoneal Metastasis in Gastric Cancer
编辑推荐：
中文摘要翻译：
背景：腹膜转移（Peritoneal Metastasis, PM）是晚期胃癌（Gastric Cancer, GC）中一种致死性且常隐匿的事件，其术前检测仍较困难。外周自然杀伤（NK）细胞和NKT样细胞在预测PM中的作用尚未明确。方法：研究人
中文摘要翻译：
背景：腹膜转移（Peritoneal Metastasis, PM）是晚期胃癌（Gastric Cancer, GC）中一种致死性且常隐匿的事件，其术前检测仍较困难。外周自然杀伤（NK）细胞和NKT样细胞在预测PM中的作用尚未明确。方法：研究人员回顾性分析了2016年至2020年间接受胃癌手术的433例患者。根据PM状态对患者进行分层，并随机分配至训练队列和独立的内部验证队列。流式细胞术来源的淋巴细胞亚群百分比被视为成分数据，NK细胞和NKT样细胞变量经对数比率（log-ratio）转换后纳入模型。在训练队列中采用LASSO逻辑回归筛选候选变量，并通过多变量逻辑回归进一步评估。模型性能通过验证队列中的AUROC、AUPRC和混淆矩阵进行评估。采用列线图和SHAP分析进行模型解释。结果：最终模型保留了7个预测因子：经log-ratio转换的NKT样细胞、直接胆红素、前白蛋白、淋巴细胞计数、乳酸脱氢酶、CA125以及经log-ratio转换的NK细胞。该模型在验证队列中AUROC为0.879（95% CI: 0.805–0.936），AUPRC为0.698（95% CI: 0.524–0.848）。在常规阈值0.50下，模型准确度为0.915，灵敏度为0.821，特异度为0.941，阳性预测值为0.793，阴性预测值为0.950。在约登最优阈值0.101下，灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为1.000、0.892、0.915、0.718和1.000。结论：整合经log-ratio转换的NK/NKT样细胞变量与常规血液学参数的术前模型能够较好地识别胃癌中的PM，并可能有助于选择患者进行诊断性腹腔镜检查或更密切的术前评估。
论文解读文章
一、研究背景与问题
胃癌（Gastric Cancer, GC）是全球高发病率和高死亡率的恶性肿瘤之一。据GLOBOCAN 2022数据，GC全球发病率居第五位，占所有新发癌症病例的4.9%，且中国男女发病率均显著高于全球平均水平。局部进展期GC可通过手术、免疫治疗和化疗等手段治疗，但转移性GC患者的5年生存率不足10%。腹膜转移（Peritoneal Metastasis, PM）是晚期GC最常见的转移和复发模式，约60%的GC患者死于PM；合并PM的晚期GC患者中位生存期仅3–6个月，5年生存率低于2%。目前，诊断性腹腔镜联合腹腔灌洗细胞学检查仍是检测GC患者PM的金标准，但由于腹膜面积广阔且壁层和脏层腹膜折叠复杂，腹腔镜常难以进行全面评估。
既往研究探讨了血清肿瘤标志物（如癌胚抗原、CA19-9）、全身炎症标志物（如C反应蛋白）和宿主免疫标志物对GC术后PM的预测价值，但其诊断敏感性和阳性预测值仍有限，单一血液学标志物不足以诊断PM。近年报道的NLR-PLR-DDI评分等复合指标可预测GC伴PM患者的腹膜癌指数和预后，但多数研究聚焦于孤立标志物，很少开发整合免疫微环境特征的综合指标。自然杀伤（NK）细胞作为固有免疫细胞，无需预先抗原呈递即可通过穿孔素和颗粒酶B介导的细胞毒性诱导靶细胞凋亡。动物模型和GC患者证据表明，NK细胞参与针对原发肿瘤形成、局部复发和远处转移的免疫监视；但在晚期肿瘤中，肿瘤浸润NK细胞常出现功能耗竭，肿瘤微环境中的营养匮乏限制NK细胞代谢活性，损害其效应功能。
当前PM预测主要依赖影像学和肿瘤标志物，可能漏诊部分隐匿性PM。研究人员首次开发了整合血液学参数与淋巴细胞亚群的复合指标，用于识别GC患者中PM高危人群，并通过LASSO逻辑回归构建PM风险预测模型，以降低类别不平衡的影响。该模型旨在补充现有分期手段，识别影像学阴性或不确定但可能隐匿PM的患者，为其提供诊断性腹腔镜或强化分期检查的指导，而非替代手术或病理确诊的金标准。
二、研究内容与结论概述
研究人员回顾性分析了2016年1月至2020年12月在哈尔滨医科大学附属肿瘤医院接受GC手术的433例患者，以初次手术探查中发现的同期宏观腹膜转移作为主要结局。根据PM状态进行分层随机抽样，按7:3比例分为训练集（303例）和独立内部验证集（130例）。研究人员将流式细胞术来源的淋巴细胞亚群百分比作为成分数据，对NK细胞和NKT样细胞变量进行log-ratio转换后纳入模型。采用LASSO逻辑回归筛选变量，通过多变量逻辑回归进一步评估，最终模型保留7个独立预测因子：log-ratio转换的NKT样细胞、直接胆红素（DBIL）、前白蛋白（PALB）、淋巴细胞计数（LYM）、乳酸脱氢酶（LDH）、CA125和log-ratio转换的NK细胞。模型在验证队列中表现出良好的区分能力，AUROC为0.879（95% CI: 0.805–0.936），AUPRC为0.698（95% CI: 0.524–0.848），显著高于验证队列中21.5%的PM基线患病率。在常规阈值0.50下，准确度0.915，灵敏度0.821，特异度0.941，阳性预测值0.793，阴性预测值0.950；在约登最优阈值0.101下，灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为1.000、0.892、0.915、0.718和1.000。研究还构建了列线图和SHAP分析以支持个体化风险评估和模型解释。该模型为胃癌PM的早期、无创风险分层提供了补充性临床决策支持工具，而非确定性诊断工具或外科/病理确诊金标准的替代方案。论文发表于《Cancers》。
三、主要关键技术方法
本研究采用了以下关键技术方法：（1）流式细胞术分析外周血淋巴细胞亚群，使用BD FACSCanto II流式细胞仪和TBNK试剂，获取NK细胞、NKT样细胞、CD19+ B细胞等百分比；（2）成分数据处理，将淋巴细胞亚群百分比视为成分数据，采用log-ratio转换（以剩余淋巴细胞分数为参照）处理NK和NKT样细胞变量，以消除定和约束带来的偏差；（3）LASSO逻辑回归进行变量筛选，采用10折交叉验证确定正则化参数λ，基于λ.1se选取非零系数变量；（4）多变量逻辑回归建模，评估预测因子独立关联性并计算比值比（OR）；（5）模型性能评估，采用受试者工作特征曲线下面积（AUROC）、精确率-召回率曲线下面积（AUPRC）、混淆矩阵、校准曲线和决策曲线分析；（6）可解释性分析，构建列线图并进行SHAP分析（基于shapviz包）。样本来源为哈尔滨医科大学附属肿瘤医院2016–2020年接受手术的433例GC患者，按7:3分层随机划分为训练集和独立内部验证集。
四、研究结果
4.1 患者特征
433例患者中，93例在手术探查中发现宏观PM并接受剖腹探查术而未行根治性胃切除术，340例无PM证据并按计划行胃切除术。患者中男性303例（69.98%），女性130例（30.02%）；≥65岁者137例（31.64%），<65岁者296例（68.36%）；ECOG体能状态0–1者405例（93.53%）。PM组与非PM组在多项血液学参数上存在显著差异（p < 0.05），但性别、年龄、体质指数（BMI）、γ-谷氨酰转移酶等无统计学差异。
4.2 LASSO回归分析
采用LASSO回归模型筛选PM预测因子，通过10折交叉验证选择正则化参数λ（基于λ.1se）。最终确定7个非零β系数变量：DBIL、PALB、CA125、LDH、LYM、NK细胞和NKT样细胞变量。
4.3 逻辑回归分析
单变量逻辑回归分析显示7个变量均与PM显著相关（均p < 0.05），其中包括log(NKT样细胞/剩余淋巴细胞)（OR = 12.105, 95% CI: 8.322–15.156）、DBIL（OR = 0.421）、PALB（OR = 0.981）、log(NK细胞/剩余淋巴细胞)（OR = 0.062）、LYM（OR = 0.255）、LDH（OR = 1.016）和CA125（OR = 1.020）。将7个变量纳入多变量逻辑回归后，所有变量仍独立关联于PM，其中log(NKT样细胞/剩余淋巴细胞)的预测关联最强（OR = 15.004, 95% CI: 11.732–24.630），而DBIL、PALB、log(NK细胞/剩余淋巴细胞)和LYM为保护性因素。
4.4 模型性能评估
最终多变量逻辑回归模型在独立内部验证队列（130例，含28例PM和102例非PM）中评估：AUROC为0.879（95% CI: 0.805–0.936），AUPRC为0.698（95% CI: 0.524–0.848）。在常规概率阈值0.500下，准确度0.915、灵敏度0.821、特异度0.941、阳性预测值0.793、阴性预测值0.950；在约登最优阈值0.101下，灵敏度1.000、特异度0.892、准确度0.915、阳性预测值0.718、阴性预测值1.000。校准曲线和决策曲线分析见补充图S1。
4.5 模型可视化
基于7个独立预测因子构建列线图以支持个体化PM风险评估。SHAP分析显示NKT样细胞、NK细胞、DBIL和PALB是模型预测的主要贡献因素。蜂群图显示DBIL、PALB和NKT样细胞与PM预测呈负相关，而NK细胞呈正贡献（注：原文此处描述可能基于SHAP方向，具体需结合模型方向理解）。
4.6 NK和NKT样细胞谱的探索性分析
NKT样细胞水平在PM组显著高于非PM组（9.9 [9.1–10.5] vs. 1.9 [1.0–4.2]，p < 0.001），而NK细胞水平在非PM组显著高于PM组（14.9 [10.0–21.7] vs. 7.8 [6.3–9.6]，p < 0.001）。NK细胞与NKT样细胞呈显著负相关（r = ?0.314，p < 0.001）。ROC曲线分析显示NK细胞（AUC = 0.926）、NKT样细胞（AUC = 0.757）和NK/NKT比值（AUC = 0.942）对PM具有诊断价值，其中NK/NKT比值判别能力最强。在log-ratio空间中，log-ratio NKT样细胞变量对PM的判别能力良好（AUC = 0.926），log-ratio NK细胞变量判别能力中等（AUC = 0.727），联合log-ratio免疫细胞评分判别能力最高（AUC = 0.946）。
五、讨论与结论
讨论部分指出，DBIL和PALB与GC腹膜转移独立相关。胆红素可能通过减少氧化应激、调控原癌基因/癌基因信号通路和限制免疫逃逸来抑制肿瘤形成；PALB主要由肝脏合成，是反映营养和炎症状态的敏感标志物。研究还发现NK和NKT样细胞呈负相关：肿瘤细胞可能通过结合NK细胞抑制性受体逃避NK细胞介导的细胞毒性，肿瘤微环境中TGF-β等抗炎细胞因子可抑制NK细胞活化并下调其激活受体；GC细胞还可通过吲哚胺2,3-双加氧酶产物L-犬尿氨酸损害NK细胞存活。外周NK细胞在PM组显著降低，可能反映腹膜播散过程中免疫细胞组成的改变。SHAP分析基于合作博弈理论框架分解每个预测的加性贡献，为个体化风险评估提供了可追溯证据，增强了模型透明度。本研究的局限性包括：单中心回顾性设计、缺乏外部验证队列、样本量相对有限、无法建立因果关系、未纳入腹腔镜分期、Lauren分型和血管侵犯等重要临床因素。
研究结论部分：本研究所开发的基于LASSO筛选变量的多变量逻辑回归模型在内部保留队列中显示出良好的判别能力。研究结果提示，NK和NKT样细胞具有重要的预测价值，为PM预测提供了基于免疫微环境的新视角。此外，该模型生成的列线图和SHAP可视化有助于临床医生对PM进行个体化风险分层。
