免疫检验专题 | 基于标志物的数学模型在肿瘤风险预测中的应用

2021-8-12 16:48| 编辑: 归去来兮| 查看: 3126| 评论: 0|来源: MIR医学仪器与试剂

摘要: 将数学模型应用于肿瘤风险预测较为经典的是肺小结节风险预测。因为低剂量螺旋CT的应用使得肺癌的死亡率降低了20%，但同时它也带来了很大的假阳性问题。实际上，肺小结节仅仅通过影像学难以全部准确判断。因此，通过 ...

文章整理自西安交通大学第一附属医院检验科主任陈葳教授的专题讲座内容

一、数学模型在肿瘤风险

预测中的应用

将数学模型应用于肿瘤风险预测较为经典的是肺小结节风险预测。因为低剂量螺旋CT的应用使得肺癌的死亡率降低了20%，但同时它也带来了很大的假阳性问题。实际上，肺小结节仅仅通过影像学难以全部准确判断。因此，通过数学模型进行肺小结节风险预测很有必要。

Mayo模型主要基于6个与肺癌相关的独立危险因素（年龄、吸烟史、胸外肿瘤病史、结节直径、毛刺征及结节定位）进行预测的，根据公式计算得出的肺结节恶性概率=e^x/（1+e^x），当概率大于65%时高度怀疑恶性可能。VA模型则是在Mayo模型基础上的简化和改良，保留了吸烟史、年龄、结节直径三个因素，加入了戒烟年数这个负相关指标。无论VA模型还是Mayo模型，都可以在电脑或手机上通过在线计算器自动计算。北京大学人民医院的模型中则增加了肿瘤家族史与钙化，经验证，应用该模型预测肺小结节恶性概率的效能要高于上述的Mayo模型和VA模型。

二、基于标志物的数学模型

在肿瘤预测中的应用

基于标志物的数学模型在肿瘤风险预测中的应用并不陌生，例如针对卵巢癌风险预测的ROMA指数，就是基于CA125和HE4得到。

同样，肿瘤标志物也可提高肺小结节风险预测效能。研究表明，六个肿瘤标志物中任何一个单一标志物的异常对判断肺小结节的恶性概率都有一定的价值。在《肺结节诊治中国专家共识》（2018年版）中也建议应用Pro-GRP（胃泌素释放肽前体）、NSE（神经特异性烯醇化酶）、CEA（癌胚抗原）、CYFRA21-1（细胞角蛋白片段19）和SCC（鳞状细胞癌抗原）等标志物用于肺癌的肿瘤标志物检查，为结节诊断和鉴别诊断提供参考依据。

中日友好医院开展的一项纳入362名患者的研究，在数学模型中纳入了年龄、肿瘤实性成分比例、分叶征、钙化、CEA、CYFRA21-1等因素，取得了比Mayo模型、VA模型、北京大学人民医院模型更好的效能，证明了临床+影像+标志物的预测模型的优势。

随后上海中山医院也在这个基础上进一步增加标志物，其模型中纳入了Pro-GRP、CEA、CYFRA21-1、SCC，在预测直径2cm以上的肺小结节时有很高的预测价值。

中华医学会检验医学分会分子诊断学组的《肝细胞癌生物标志物检测及应用专家共识》中指出“GALAD 评分系统有助于早期HCC筛查和诊断”。GLAND评分纳入了患者年龄、性别以及：AFP、AFP-L3和 DCP三种常用于肝癌诊断的肿瘤标志物。该模型AUC可达0.97，敏感性91.6%，特异性89%，优于上述三种标志物的单独使用及联合检测；经梅奥诊所证实，GALAD评分的AUC也高于B超。因此，GALAD模型在肝癌风险预测中有很大意义。

在GALAD评分的基础上，我国研究人员又发明了GAAD评分，保留了性别、年龄等因素，取消了AFP-L3。通过与GALAD评分的比较，显示GAAD评分在评价肝癌和慢性肝病、肝硬化、肝炎方面优于前者。

三、基于标志物的数学模型的建立

以肺小结节风险预测模型的建立为例。要建立风险预测模型首先要寻找肿瘤相关的独立风险因素。在肺癌中，患者年龄、吸烟史、既往癌症史，结节大小、结节位置以及结节边缘、结节钙化、结节衰减速度、结节空洞的都可能是风险因素。采用训练集患者信息对风险因素进行分析发现独立风险因素，纳入多因素分析，应用二分类Logistic回归模型建立数学模型，最后用验证集患者对数学模型进行诊断性能验证与评估。

临床医生应当按上面所描述的患者临床资料和临床特征对结节的良恶性进行预测。过去10年里，大量定量模型已经在帮助医生对病人进行高、中、低危分类。尽管如此，在实践工作中还需要对数学模型持续尝试、验证，将更多有意义的模型推广到临床中。

声明：

1、凡本网注明“来源：小桔灯网”的所有作品，均为本网合法拥有版权或有权使用的作品，转载需联系授权。
2、凡本网注明“来源：XXX（非小桔灯网）”的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。其版权归原作者所有，如有侵权请联系删除。
3、所有再转载者需自行获得原作者授权并注明来源。