术前影像病理特征及肿瘤标志物预测乳腺癌前哨淋巴结转移风险

doi:10.3969/j.issn.1006-5725.2024.17.011

摘要/Abstract

摘要：

目的根据乳腺癌患者术前的影像病理特征以及肿瘤标志物指标来构建预测模型以预测前哨淋巴结（SLN）的转移情况。方法回顾性分析2022年1月至2023年4月在郑州大学第一附属医院收治的232例乳腺癌患者的术前检查资料，并按照3∶1随机分为训练集（174例）和验证集（58例），进行单因素分析和多因素logistic回归分析，以确定影响SLN转移的独立预测因素，并构建列线图，分别采用受试者工作特征曲线（ROC曲线）分析，校正曲线分析和决策曲线分析，评估模型的准确性以及临床应用价值。结果多因素分析结果显示，可触及性、CA153、钙化、ALN血流信号是SLN转移的独立危险因素（P < 0.05），将4个独立变量整合到nomogram图中，并绘制ROC，训练集和验证集的AUC分别为0.810（95%CI：0.744 ~ 0.876）、0.737（95%CI：0.606 ~ 0.867），校准曲线显示具有良好的预测准确性。结论建立一种nomogram来术前预测乳腺癌患者SLN转移风险，为临床实践提供了一种非侵入性的方法，并作为一种可靠的工具来识别不必要SLN活检的乳腺癌患者，有助于制定进一步腋窝淋巴结清扫术（ALND）及辅助治疗的决策。

关键词: 乳腺癌, 预测模型, 前哨淋巴结, 多维度指标, 影像学特征, 肿瘤标志物, 临床病理特征

Abstract:

Objective To develop a prognostic model that integrates preoperative imaging， pathological features， and tumor marker indexes for predicting metastasis in sentinel lymph nodes（SLN）. Methods The preoperative examination data of 232 breast cancer patients admitted to the First Affiliated Hospital of Zhengzhou University between January 2022 and April 2023 were retrospectively analyzed. The dataset was randomly divided into a training set （174 cases） and a validation set （58 cases） at a ratio of 3∶1. Univariate and multivariate logistic regression analyses were performed to identify independent predictors influencing SLN metastasis. A nomogram was constructed， and its accuracy and clinical applicability were evaluated using receiver operating characteristic （ROC curve） analysis， calibration curve analysis， and decision curve analysis. Results The multivariate analysis revealed that palpability， CA153， calcification， and ALN blood flow signal were identified as independent risk factors for SLN metastasis （P < 0.05）. These four variables were integrated into a nomogram and plotted on the ROC curve. The area under the curves （AUCs） for the training set and validation set were 0.810 （95%CI： 0.744 ~ 0.876） and 0.737 （95%CI： 0.606 ~ 0.867）， respectively， indicating good predictive accuracy as demonstrated by the calibration curve. Conclusion Revised sentence： "Developing a nomogram for preoperative prediction of SLN metastasis in breast cancer patients offers a non-invasive approach for clinical application and serves as a reliable tool to identify breast cancer patients who may not require SLN biopsy， thereby facilitating decisions regarding further axillary lymph node dissection （ALND） and adjuvant therapy.

Key words: breast cancer, predictive model, sentinel lymph node, multidimensional indicators, imaging features, tumor markers, clinicopathological features

中图分类号:

R737.9

李劭晋,郑世鹏. 术前影像病理特征及肿瘤标志物预测乳腺癌前哨淋巴结转移风险[J]. 实用医学杂志, 2024, 40(17): 2418-2424.

Shaojin LI,Shipeng. ZHENG. Relevant preoperative imaging pathological features and tumor markers serve as predictive indicators for the risk of sentinel lymph node metastasis in breast cancer[J]. The Journal of Practical Medicine, 2024, 40(17): 2418-2424.

图/表 7

表1

训练集与验证集特征比较 (例（%）)"

特征	训练集（n = 174）	验证集（n = 58）	t/Z/χ ² 值	P值
年龄（x ± s）/岁	49.3 ± 9.96	49.21 ± 11.72	0.058	0.954
BMI（x ± s）/（kg/㎡）	24.79 ± 4.22	24.34 ± 3.31	0.744	0.458
可触及性			0.232	0.630
可触及	117（67.2）	37（63.8）
未触及	57（32.8）	21（36.2）
已绝经	114（65.5）	35（60.3）	0.507	0.477
CEA［M（P₂₅，P₇₅）］/（ng/mL）	1.03（0.67，1.74）	1.01（0.62，1.50）	-0.497	0.619
CA125［M（P₂₅，P₇₅）］/（U/mL）	9.34（7.35，14.13）	9.06（6.97，15.53）	-0.316	0.752
CA153［M（P₂₅，P₇₅）］/（U/mL）	6.58（4.44，10.75）	6.67（4.55，10.13）	-0.026	0.979
CA199［M（P₂₅，P₇₅）］/（U/mL）	6.58（4.22，10.23）	6.31（4.34，10.17）	-0.434	0.664
CA724［M（P₂₅，P₇₅）］/（U/mL）	1.50（0.60，2.36）	1.50（0.53，2.01）	-0.893	0.372
病理类型			1.037	0.595
浸润性导管癌	143（82.2）	49（84.5）
浸润性小叶癌	3（1.7）	0（0）
其他	28（16.1）	9（15.5）
组织学分级			2.130	0.345
Ⅰ	3（1.7）	3（5.2）
Ⅱ	121（69.5）	40（69.0）
Ⅲ	50（28.7）	15（25.9）
分子分型			3.144	0.370
Luminal A	22（12.6）	8（13.8）
Luminal B	117（67.2）	43（74.1）
HER2过表达	14（8.0）	1（1.7）
三阴性	21（12.1）	6（10.3）
ER阳性	137（78.7）	51（87.9）	2.393	0.122
PR阳性	126（72.4）	42（72.4）	0.000	1.000
HER2阳性	34（19.5）	9（15.5）	0.466	0.495
Ki67高表达	147（84.5）	43（74.1）	3.140	0.076
脉管浸润	46（26.4）	14（24.1）	0.120	0.729
超声［肿瘤最大径（x ± s）/mm］	19.69 ± 8.01	19.37 ± 8.67	0.261	0.795
超声（肿瘤回声均匀）	13（7.5）	6（10.3）	0.172	0.678
超声（肿瘤边界清晰）	19（10.9）	9（15.5）	0.866	0.352
超声（有肿瘤血流信号）	122（70.1）	37（63.8）	0.806	0.369
钼靶（有钙化）	83（47.7）	29（50.0）	0.092	0.762
超声（有ALN回声）	73（42.0）	25（43.1）	0.024	0.878
超声（ALN分界清晰）	35（20.1）	11（19.0）	0.036	0.849
超声（有ALN血流信号）	59（33.9）	23（39.7）	0.629	0.428
SLN转移	66（37.9）	25（43.1）	0.488	0.485

表1

表2

表3

图1

图2

表4

图3

参考文献 26

1	SUNG H， FERLAY J， SIEGEL R L，et al. Global Cancer Statistics 2020： GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries［J］. CA Cancer J Clin， 2021，71（3）：209-249. doi:10.3322/caac.21660 doi: 10.3322/caac.21660
2	ARNOLD M， MORGAN E， RUMGAY H，et al. Current and future burden of breast cancer： Global statistics for 2020 and 2040［J］. Breast，2022，66：15-23. doi:10.1016/j.breast.2022.08.010 doi: 10.1016/j.breast.2022.08.010
3	VERONESI P， CORSO G. Standard and controversies in sentinel node in breast cancer patients［J］. Breast，2019，48（）：S53-S56. doi:10.1016/s0960-9776(19)31124-5 doi: 10.1016/s0960-9776(19)31124-5
4	QIU S Q， ZHANG G J， JANSEN L， et al. Evolution in sentinel lymph node biopsy in breast cancer［J］. Crit Rev Oncol Hematol，2018，123：83-94. doi:10.1016/j.critrevonc.2017.09.010 doi: 10.1016/j.critrevonc.2017.09.010
5	MANCA G， RUBELLO D， TARDELLI E，et al. Sentinel Lymph Node Biopsy in Breast Cancer： Indications， Contraindications， and Controversies［J］. Clin Nucl Med，2016，41（2）：126-133. doi:10.1097/rlu.0000000000000985 doi: 10.1097/rlu.0000000000000985
6	GOLDHIRSCH A， WINER E P， COATES A S， et al. Personalizing the treatment of women with early breast cancer： highlights of the St Gallen International Expert Consensus on the Primary Therapy of Early Breast Cancer 2013［J］. Ann Oncol，2013，24（9）：2206-2223.
7	张强，牛连杰，黄涛，等.早期乳腺癌520例前哨淋巴结转移关联性分析及预测研究［J］. 中华肿瘤防治杂志， 2020， 27 （22）： 1850-1854. doi:10.16073/j.cnki.cjcpt.2020.22.13 doi: 10.16073/j.cnki.cjcpt.2020.22.13
8	VAN LA PARRA R F， FRANCISSEN C M， PEER P G，et al. Assessment of the Memorial Sloan-Kettering Cancer Center nomogram to predict sentinel lymph node metastases in a Dutch breast cancer population［J］. Eur J Cancer， 2013，49（3）：564-571. doi:10.1016/j.ejca.2012.04.025 doi: 10.1016/j.ejca.2012.04.025
9	ZHU L， JIN L， LI S， et al.Which nomogram is best for predicting non-sentinel lymph node metastasis in breast cancer patients？ A meta-analysis［J］. Breast Cancer Res Treat，2013，137（3）：783-795. doi:10.1007/s10549-012-2360-6 doi: 10.1007/s10549-012-2360-6
10	LALE A， YUR M， ÖZGÜL H，et al. Predictors of non-sentinel lymph node metastasis in clinical early stage （cT1-2N0） breast cancer patients with 1-2 metastatic sentinel lymph nodes［J］. Asian J Surg，2020，43（4）：538-549. doi:10.1016/j.asjsur.2019.07.019 doi: 10.1016/j.asjsur.2019.07.019
11	LEONARDI M C， ARROBBIO C， GANDINI S，et al. Predictors of positive axillary non-sentinel lymph nodes in breast cancer patients with positive sentinel lymph node biopsy after neoadjuvant systemic therapy［J］. Radiother Oncol，2021，163：128-135. doi:10.1016/j.radonc.2021.08.013 doi: 10.1016/j.radonc.2021.08.013
12	QIU Y， ZHANG X， WU Z，et al. MRI-Based Radiomics Nomogram： Prediction of Axillary Non-Sentinel Lymph Node Metastasis in Patients With Sentinel Lymph Node-Positive Breast Cancer［J］. Front Oncol，2022，12：811347. doi:10.3389/fonc.2022.811347 doi: 10.3389/fonc.2022.811347
13	FONG W， TAN L， TAN C， et al.Predicting the risk of axillary lymph node metastasis in early breast cancer patients based on ultrasonographic-clinicopathologic features and the use of nomograms： a prospective single-center observational study［J］. Eur Radiol，2022，32（12）：8200-8212. doi:10.1007/s00330-022-08855-8 doi: 10.1007/s00330-022-08855-8
14	GAO Y， LUO Y， ZHAO C， et al. Nomogram based on radiomics analysis of primary breast cancer ultrasound images： prediction of axillary lymph node tumor burden in patients［J］. Eur Radiol，2021，31（2）：928-937. doi:10.1007/s00330-020-07181-1 doi: 10.1007/s00330-020-07181-1
15	LI X， YANG L， JIAO X. Development and Validation of a Nomogram for Predicting Axillary Lymph Node Metastasis in Breast Cancer［J］. Clin Breast Cancer，2023，23（5）：538-545. doi:10.1016/j.clbc.2023.04.002 doi: 10.1016/j.clbc.2023.04.002
16	暴珞宁，王瑛，陈东，等. 超声影像组学标签预测乳腺癌前哨淋巴结转移的价值［J］. 实用医学杂志， 2021， 37 （15）： 2007-2011. doi:10.3969/j.issn.1006-5725.2021.15.020 doi: 10.3969/j.issn.1006-5725.2021.15.020
17	LIU M， MAO N， MA H， et al. Pharmacokinetic parameters and radiomics model based on dynamic contrast enhanced MRI for the preoperative prediction of sentinel lymph node metastasis in breast cancer［J］. Cancer Imaging， 2020，20（1）：65. doi:10.1186/s40644-020-00342-x doi: 10.1186/s40644-020-00342-x
18	MATHIS K L， HOSKIN T L， BOUGHEY J C， et al. Palpable presentation of breast cancer persists in the era of screening mammography［J］. J Am Coll Surg，2010，210（3）：314-318. doi:10.1016/j.jamcollsurg.2009.12.003 doi: 10.1016/j.jamcollsurg.2009.12.003
19	AZAM S， ERIKSSON M， SJÖLANDER A，et al. Mammographic microcalcifications and risk of breast cancer［J］. Br J Cancer，2021，125（5）：759-765. doi:10.1038/s41416-021-01459-x doi: 10.1038/s41416-021-01459-x
20	胡仰玲，曾辉，何子龙，等. 钙化型乳腺癌的分子分型特点及其预后分析［J］. 实用医学杂志， 2020， 36 （10）： 1354-1359. doi:10.3969/j.issn.1006-5725.2020.10.017 doi: 10.3969/j.issn.1006-5725.2020.10.017
21	XIONG J， ZUO W， WU Y， et al.Ultrasonography and clinicopathological features of breast cancer in predicting axillary lymph node metastases［J］. BMC Cancer，2022，22（1）：1155. doi:10.1186/s12885-022-10240-z doi: 10.1186/s12885-022-10240-z
22	WANG X F， ZHANG G C， ZUO Z C， et al. A novel nomogram for the preoperative prediction of sentinel lymph node metastasis in breast cancer［J］. Cancer Med，2023，12（6）：7039-7050. doi:10.1002/cam4.5503 doi: 10.1002/cam4.5503
23	DARWISH I A， WANI T A， KHALIL N Y， et al. Novel automated flow-based immunosensor for real-time measurement of the breast cancer biomarker CA15-3 in serum［J］. Talanta，2012，97：499-504. doi:10.1016/j.talanta.2012.05.005 doi: 10.1016/j.talanta.2012.05.005
24	WANG W， XU X， TIAN B， et al. The diagnostic value of serum tumor markers CEA， CA19-9， CA125， CA15-3， and TPS in metastatic breast cancer［J］. Clin Chim Acta，2017，470：51-55. doi:10.1016/j.cca.2017.04.023 doi: 10.1016/j.cca.2017.04.023
25	冯霖，何真，王欣欣. 超声BI-RADS分级联合血清CA153、CEA、ALP检测在乳腺癌早期诊断及腋窝淋巴结转移预测中的应用［J］. 中国医学创新， 2023， 20 （28）： 146-152. doi:10.3969/j.issn.1674-4985.2023.28.034 doi: 10.3969/j.issn.1674-4985.2023.28.034
26	LUO J， XIAO J， YANG Y， et al. Strategies for five tumour markers in the screening and diagnosis of female breast cancer［J］. Front Oncol，2023，12：1055855. doi:10.3389/fonc.2022.1055855 doi: 10.3389/fonc.2022.1055855

特征	SLN阳性（n = 66）	SLN阴性（n = 108）	t/Z/χ ² 值	P值
可触及性
可触及	56（47.9）	61（52.1）	14.965	< 0.001
未触及	10（17.5）	47（82.5）
BMI（x ± s）/（kg/m²）	25.67 ± 4.73	24.25 ± 3.8	2.176	0.031
CA153［M（P₂₅，P₇₅）］/（U/mL）	8.70（5.35，14.01）	5.47（4.01，9.51）	-3.503	< 0.001
CA199［M（P₂₅，P₇₅）］/（U/mL）	8.19（4.70，12.32）	6.00（3.78，10.05）	-2.132	0.033
脉管浸润	24（52.2）	22（47.8）	5.388	0.020
超声［肿瘤最大径（x ± s）/mm］	21.32 ± 8.42	18.7 ± 7.6	2.117	0.036
超声（肿瘤血流信号）	53（43.4）	69（56.6）	5.267	0.022
钼靶（钙化）	39（47.0）	44（53.0）	5.529	0.019
超声（ALN回声）	43（58.9）	30（41.1）	23.497	< 0.001
超声（ALN分界清晰）	24（68.6）	11（31.4）	17.471	< 0.001
超声（ALN血流信号）	39（66.1）	20（33.9）	30.090	< 0.001

因素	OR值	95%CI	P值
可触及性	4.511	1.698 ~ 11.987	0.003
BMI	1.072	0.985 ~ 1.168	0.109
CA153	1.065	1.003 ~ 1.130	0.039
CA199	1.012	0.953 ~ 1.075	0.692
脉管浸润	1.749	0.749 ~ 4.086	0.197
超声（肿瘤最大径，mm）	0.978	0.927 ~ 1.031	0.404
超声（肿瘤血流信号）	2.147	0.854 ~ 5.394	0.104
钼靶（钙化）	2.202	1.014 ~ 4.783	0.046
超声（ALN回声）	0.428	0.092 ~ 1.994	0.280
超声（ALN分界）	0.320	0.101 ~ 1.017	0.053
超声（ALN血流信号）	7.427	1.720 ~ 32.076	0.007

指标	AUC	95%CI	敏感度（%）	特异度（%）	截断值
训练集	0.810	0.744 ~ 0.876	75.8	80.6	0.390
验证集	0737	0.606 ~ 0.867	56.5	85.7	0.724

[1]	宋子旭,朱光正,郭晨旭,武佳琪,张立功,钱军. SLC35A2、前叶黄素亚基2在乳腺癌中的表达及其与临床观察指标和预后的关系[J]. 实用医学杂志, 2024, 40(4): 496-502.
[2]	黄良江,毛德文,郑景辉,王明刚,姚春. 人工智能在肝性脑病风险预测模型中的应用进展[J]. 实用医学杂志, 2024, 40(3): 289-294.
[3]	侯鸣,李有强,李雪梅,贾军峰,常军英. 基于胸部CT及临床特征构建原发性干燥综合征患者肺脏受累的风险预测模型[J]. 实用医学杂志, 2024, 40(3): 400-405.
[4]	唐浩杰,杨子龙,俞朝贤,冯治宇,董海平,李祥,赵威,邝浩斌. 耐多药肺结核患者发生利奈唑胺相关神经系统不良反应风险预测模型的构建与评价[J]. 实用医学杂志, 2024, 40(19): 2690-2695.
[5]	曾颖华,李文姬,郑莉. 经外周置入中心静脉导管后首次换药时间对乳腺癌术后患者的影响[J]. 实用医学杂志, 2024, 40(19): 2772-2777.
[6]	詹银周,陈俊衡,陈超,蔡楚源,马学珠,郭春明. 伤害感受水平指数指导瑞芬太尼输注靶浓度对接受乳腺癌根治术患者细胞免疫和缺氧诱导因子-1α的影响[J]. 实用医学杂志, 2024, 40(18): 2566-2570.
[7]	陈车,罗德红,喻皇飞,张琴,胡小池,余盛华,李亚军. 自动勾画技术在全乳内侧瘤床同步推量中的应用[J]. 实用医学杂志, 2024, 40(17): 2406-2411.
[8]	黄鑫,张普,高瑜,陈凯,李晓峰,谷慧阳,梁雪. 房颤合并糖尿病患者影响轻度认知功能障碍发生的多因素分析及预测模型建立[J]. 实用医学杂志, 2024, 40(16): 2236-2243.
[9]	方玲玉,胡璟骅,文俊峰,韩诗琪,王雅丽,蒲卢兰,李静佳,杨懿,邓世山,侯令密,周方方. 泛素特异性蛋白酶20、低氧诱导因子1α在乳腺癌中的表达变化及意义[J]. 实用医学杂志, 2024, 40(16): 2270-2276.
[10]	艾勇彪黄军袁杰李文仿 . 早期三阴性乳腺癌中雄激素受体表达与临床病理特征及预后的关系 [J]. 实用医学杂志, 2023, 39(8): 975-979.
[11]	刘婷婷罗德钦邓铖蒙绪标 . 受体酪氨酸激酶样孤儿素受体2在甲状腺乳头状癌中的表达及临床意义 [J]. 实用医学杂志, 2023, 39(8): 985-990.
[12]	金贝程程庄宏杰欧阳晓君李洁陈丽植蒋小云 . 不同性别狼疮性肾炎患儿的临床病理特征及预后 [J]. 实用医学杂志, 2023, 39(8): 997-1001.
[13]	周勇陈浩窦前李玥刘沃峰 . 基于5种EB 患鼻咽癌的危险度病毒抗体评估广州地区人群[J]. 实用医学杂志, 2023, 39(5): 602-612.
[14]	袁柳青梁伟东李晓玲邓六香钟茂林 . 耳穴压豆联合经皮穴电刺激预防乳腺癌术后恶心呕吐的效果 [J]. 实用医学杂志, 2023, 39(5): 642-646.
[15]	石夕冉,王恒,何力兵,邱志强,李泓箭,徐晓雪. 多模态磁共振预测乳腺癌淋巴结转移状态的研究进展[J]. 实用医学杂志, 2023, 39(22): 2861-2865.