《Cancer Medicine》：Construction and Validation of a Progression-Free Survival Prediction Model for Newly Diagnosed Multiple Myeloma Patients With 1q21 Gain/Amplification
编辑推荐：
目的：探讨新诊断伴1q21获得/扩增（1q21+）多发性骨髓瘤（MM）患者的临床特征，构建并验证无进展生存（PFS）预测模型，并探索基于模型风险分层的临床意义。方法：研究人员回顾性分析2018至2024年治疗的186例新诊断伴1q21+ MM患者。患者按7:3
目的：探讨新诊断伴1q21获得/扩增（1q21+）多发性骨髓瘤（MM）患者的临床特征，构建并验证无进展生存（PFS）预测模型，并探索基于模型风险分层的临床意义。方法：研究人员回顾性分析2018至2024年治疗的186例新诊断伴1q21+ MM患者。患者按7:3随机分为训练队列（n=131）与内部拆分样本验证队列（n=55）。采用多变量Cox回归识别PFS独立预后因素，构建列线图（HLBP模型）。通过bootstrap重采样、时间依赖性受试者工作特征（ROC）曲线、校准图和Kaplan–Meier生存分析评估模型性能，并将模型预测准确度与传统分期系统及已有预后模型比较。进一步按风险分层探索诱导治疗方案与自体干细胞移植（ASCT）的结局差异。结果：较高血红蛋白（Hb）为保护因素，乳酸脱氢酶（LDH）升高、β2-微球蛋白（β2-MG）升高和TP53缺失为不良预后因素。HLBP模型在训练队列6、12、24个月AUC分别为0.805、0.885、0.847，内部验证队列为0.747、0.827、0.712。高、低风险组PFS差异显著。风险分层分析显示不同风险组中诱导方案与ASCT预后模式存在异质性。HLBP模型预测性能优于现有分期系统与已报道模型。结论：HLBP模型在预测1q21+新诊断MM患者PFS方面表现出良好初步性能，可为个体化风险分层提供探索性框架。
《Cancer Medicine》刊发了一项针对新诊断伴1q21获得/扩增（1q21 gain/amplification，1q21+）多发性骨髓瘤（multiple myeloma，MM）的预后建模研究。MM是第二常见的血液系统恶性肿瘤，虽蛋白酶体抑制剂（proteasome inhibitor，PI）、免疫调节药物（immunomodulatory drug，IMiD）、单克隆抗体及自体干细胞移植（autologous stem cell transplantation，ASCT）改善了疗效，但仍不可治愈且异质性强。传统Durie–Salmon（DS）系统缺乏分子层面预后信息，国际分期系统（International Staging System，ISS）不能充分反映细胞遗传学异常，修订版ISS（Revised ISS，R-ISS）与第二修订版R2-ISS虽纳入高危细胞遗传学异常并把1q21+列为高危因素，但仍未完全捕捉MM复杂生物学特征。1q21+发生率约30%–40%，与肿瘤负荷增加、耐药和预后差相关，但大样本系统分析与针对该亚群的个体化预测工具不足。因此，研究人员开展本研究，旨在构建并验证适用于1q21+新诊断MM患者的PFS预测模型，并提供风险分层框架。
作者为开展研究用到几个主要关键技术方法：研究人员使用徐州医科大学附属医院2018年8月至2024年8月186例FISH确诊1q21+新诊断MM患者资料；按7:3简单随机抽样设训练与内部验证队列；以PFS为终点，先单变量Cox比例风险回归筛选，再多变量Cox回归确定独立预后因素并构建列线图（nomogram）；用bootstrap重采样、时间依赖性ROC曲线、校准图评价区分度与校准度；以Kaplan–Meier法与log-rank检验做风险组比较；用LASSO Cox回归作敏感性分析；并将HLBP模型与ISS、R-ISS、R2-ISS及已发表模型比较。
3 结果部分保留小标题如下。3.1 伴1q21+新诊断MM患者PFS预测模型构建：研究人员通过队列基线描述、单变量与多变量Cox回归，确定Hb、LDH、β2-MG、TP53缺失进入模型，构建HLBP列线图；LASSO Cox结果与主模型一致，训练队列事件每变量数22.5，建模较稳定。3.1.3 模型验证：训练队列6、12、24个月PFS的AUC为0.805、0.885、0.847，内部验证队列为0.747、0.827、0.712；bootstrap校准曲线显示预测与观测一致性较好。3.1.4 基于模型的风险分层：以训练队列风险评分中位数为截点分高、低风险组，训练队列中位PFS为8.9对29.8个月，验证队列为7.9对23.1个月；探索性亚组显示低危者PI+IMiD方案获益更明显，高危者仍易早期进展；ASCT在高、低风险组均与更长PFS相关。3.2 与传统分期系统及已发表模型比较：在6、12、24个月，HLBP模型AUC均高于ISS、R-ISS、R2-ISS、Liu等模型和Xiong等模型，说明其在1q21+亚群中判别能力更优。
讨论部分总结：研究人员指出，Hb降低反映骨髓造血受损与疾病负荷，LDH升高提示肿瘤增殖活跃，β2-MG体现肿瘤负荷与肾功能，TP53缺失损害细胞周期与DNA损伤修复，均支持其作为预后因素。HLBP模型整合临床、实验室与遗传信息，可视化量化PFS风险，优于传统分期。诱导治疗中PI+IMiD三药方案在低风险组获益稳定，高风险组受不良生物学影响仍易进展；ASCT在两风险层均与更好PFS相关，但治疗分析为探索性，不能视为因果治疗证据。研究局限为单中心、回顾性、样本有限、无外部验证、治疗异质性和单变量筛选可能带来变量选择不稳定。
结论部分翻译：本研究中，研究人员构建并内部验证了HLBP列线图，这是一种整合基线临床、实验室和高危遗传特征以预测伴1q21+新诊断MM患者PFS的可视化预后模型。该模型表现出良好的区分度与校准度，并在本队列中优于传统分期系统与已发表预后模型，提示其在个体化风险分层中的潜在价值。探索性风险适应分析表明，低风险患者接受联合诱导方案时PFS结局更好，而高风险患者即使接受强化治疗仍易发生早期进展，提示该亚群需进一步优化治疗。总之，HLBP模型可为预后分层和未来风险适应研究提供有用的探索性框架。
