论文部分内容阅读
研究背景与目的胃癌患者的免疫浸润状态和临床预后息息相关。本研究的目的是:(1)构建和评估可用于胃癌患者预后预测的免疫评分模型;(2)构建和评估可用于个体化预测胃癌患者死亡风险的列线图模型。研究方法在公共基因芯片数据库GeneExpression Omnibus中下载胃癌患者的基因芯片表达谱及相应的临床病理资料与预后数据,并利用CIBERSORT算法平台解析肿瘤组织中22种免疫细胞的构成分数;将上述患者按照7:3的比例分层随机分为训练队列与验证队列,进而通过LASSO COX回归模型对上述免疫细胞进行筛选以建立免疫风险评分模型(Immune risk score,IRS),并在验证队列与总体患者队列中对IRS的预测效能进行评估验证;最后,基于IRS与患者临床病理参数,我们在训练队列中建立预测个体化预测胃癌患者死亡风险的列线图模型,并同样于验证队列及总体患者队列中对列线图的预测准确性及符合度进行评估验证。研究结果1.IRS模型的建立与评估:通过LASSO COX回归模型,我们在训练队列中筛选出11种免疫细胞用于建立免疫评分模型IRS,单因素生存分析表明IRS模型在总生存方面可将胃癌患者显著区分为高危组和低危组,且多因素分析表明IRS为独立预后因素。受试者工作特征曲线分析显示IRS模型对2、3、5年生存率的预测均有良好的价值。验证队列及总体患者队列的结果亦支持了我们的发现。2.列线图模型的建立与评估:根据训练组多因素分析结果,我们使用R软件构建列线图模型对胃癌患者的死亡风险进行个体化预测。采用Bootstrap自抽样方法对列线图模型进行内部验证后得到C指数为0.77,显著优于第6版TNM分期(P<0.001)。校正曲线显示,列线图与实际观察间是高度一致的。决策曲线分析显示,列线图预后模型较TNM分期系统拥有更好的临床应用价值。除此之外,验证队列与总体患者队列的结果均支持了我们的这些发现。结论1.我们提出的IRS免疫评分模型是胃癌患者总生存的独立预后因素;2.和过去已有的TNM肿瘤分期系统比较,以临床病理参数和IRS为基础的列线图模型可以更加准确地个体化预测胃癌患者的预后,在临床应用上更具价值。