比利时外部验证:INFLUENCE 3.0模型预测5年局部区域复发(LRR)与对侧乳腺癌(CBC)复发风险

《The Breast》:Belgian validation of the INFLUENCE 3.0 model predicting 5-year locoregional and contralateral breast cancer recurrence

【字体: 大 中 小 】 时间:2026年10月09日 来源:The Breast 5.2

编辑推荐:

  背景:乳腺癌(BC)监测主要旨在发现局部区域复发(LRR)和对侧乳腺癌(CBC),但当前策略大多为“一刀切”,未根据个体风险定制。荷兰INFLUENCE 3.0预测模型提供个体化5年LRR和CBC风险,以支持关于监测的共享决策。在本研究中,我们在比利时人群中外

  
背景:乳腺癌(BC)监测主要旨在发现局部区域复发(LRR)和对侧乳腺癌(CBC),但当前策略大多为“一刀切”,未根据个体风险定制。荷兰INFLUENCE 3.0预测模型提供个体化5年LRR和CBC风险,以支持关于监测的共享决策。在本研究中,我们在比利时人群中外部验证INFLUENCE 3.0。方法:我们纳入2000—2018年在University Hospitals of Leuven接受治愈性治疗的所有女性BC患者。我们使用Integrated Calibration Index(ICI)、E50、E90指标和校准图评估校准。我们通过计算每年基于截至该年累积事件的Area Under the Curve(AUC)评估区分度。结果:最终Leuven队列包括8,548例患者,其中7,549例未接受新辅助全身治疗(non-NST),999例接受(NST)。校准指标总体可接受,多数亚组ICI和E50值低于0.01。校准图显示预测风险被高估,尤其在较低预测风险水平。LRR风险的区分度为良好至非常好(non-NST组AUC 0.72—0.86;NST组>0.82)。对于CBC风险,non-NST组区分度差(AUC ≈ 0.5),NST组为中等至非常好(AUC 0.68—0.88)。结论:INFLUENCE 3.0对LRR风险显示出可接受的校准和区分度,尽管non-NST组CBC风险区分度差。总体风险估计——主要是LRR风险——仍可能有助于指导定制监测方案。
2023年,比利时约11,600名女性被诊断侵袭性乳腺癌(breast cancer, BC),多数为早期疾病。治愈性治疗后,患者进入监测阶段,主要目标是早期发现局部区域复发(locoregional recurrence, LRR,即同侧乳腺或区域淋巴结再次出现乳腺癌)和对侧乳腺癌(contralateral breast cancer, CBC,即对侧乳腺出现乳腺癌)。欧洲指南推荐至少5年随访,包括年度钼靶和定期临床访视;美国指南推荐治疗后3—10年年度钼靶和定期临床访视,随访时长根据风险类别而定,而风险类别主要由肿瘤分期和亚型定义。然而,患者复发风险因年龄、肿瘤大小、受体亚型和治疗特征等因素存在显著差异。随着BC发病率上升和生存改善,一刀切方法增加医疗系统负担和患者压力,而仅少数复发通过计划监测发现。因此,需要基于风险的个体化随访策略以提高效率并减少不必要的负担。荷兰预测模型INFLUENCE于2015年开发,随后更新为INFLUENCE 2.0和INFLUENCE 3.0。INFLUENCE 3.0提供术后5年内个体化年度LRR和CBC风险,也适用于接受新辅助全身治疗(neoadjuvant systemic therapy, NST)的患者和T4疾病患者。该模型纳入年龄、检出方式、组织学、亚定位、分级、pT、pN、激素受体状态±内分泌治疗、HER2状态±靶向治疗、手术±即刻重建±放疗、化疗、导管原位癌(ductal carcinoma in situ, DCIS)、腋窝淋巴结清扫及NST患者的病理完全缓解(pathologic complete response)等变量。INFLUENCE 3.0通过Evidencio平台作为CE认证在线工具提供,支持个体化监测的共享决策,并正在多中心NABOR研究中用于评估个体化随访的(成本)效果。该模型此前已在荷兰BC人群内部验证,显示足够预测性能。在更广泛临床实施前,INFLUENCE 3.0需要独立人群外部验证。因此,研究人员在比利时University Hospitals Leuven患者数据中外部验证INFLUENCE 3.0,以评估其稳健性及是否适合跨人群和医疗环境使用。

关键技术方法概括:研究人员使用University Hospitals Leuven三级转诊中心2000—2018年治愈性治疗女性单侧BC患者数据,初始8742例,应用INFLUENCE 3.0开发排除标准(同步BC、阳性手术切缘、未知手术日期或随访不完整),最终8548例,其中non-NST组7549例、NST组999例。主要结局为LRR和CBC。随访从确定性手术至首次事件、远处转移、死亡或末次观察,随访截断5年。缺失数据假定随机缺失,用R mice包多重插补5次。每个插补数据集用INFLUENCE 3.0子模型估计季度LRR和CBC风险。校准用ICI、E50、E90和校准图;区分度用每年1—5年时间依赖AUC,结果按Rubin’s Rules合并。

研究结果:
患者特征:最终Leuven队列包括8548例患者,non-NST组7549例,NST组999例。5年内LRR occurred in 121例(1.4%),CBC in 99例(1.2%)。NST组LRR和CBC率略高:LRR在non-NST组为1.2%,NST组为2.8%;CBC在non-NST组为1.1%,NST组为1.3%。两组在诊断年份、年龄、检出方式、组织学类型、分化分级、临床和病理分期、激素受体状态与治疗、HER2状态与治疗、DCIS、腋窝淋巴结清扫、手术类型加放疗加即刻重建、化疗及病理完全缓解等方面存在差异。

校准:每年ICI、E50和E90值通常随时间增加。除NST组LRR外,所有ICI和E50值<0.01;E90值较高但接近零。校准略差于内部验证。预测LRR风险通常较低:non-NST组中位LRR风险为0.95%(IQR 0.54—1.70%),NST组为3.08%(IQR 2.57—4.71%)。在多数预测风险约至5%时,校准曲线位于对角线下方,较高风险处置信区间增宽,尤其NST组。CBC预测风险多为1—2%:non-NST组中位1.70%(IQR 1.43—1.90%),NST组中位1.60%(IQR 1.23—1.95%)。non-NST组校准曲线位于对角线下方,NST组曲线在1.5—2.3%以上后下降;NST组置信区间更宽。

区分度:总体AUC随时间略下降。LRR方面,non-NST组1—2年AUC>0.8,3—5年0.7—0.8;NST组每年AUC>0.8,超过内部验证值。CBC方面,non-NST组AUC约0.5,低于内部验证;NST组1—2年AUC>0.8,之后约0.7。具体而言,LRR的non-NST组1—5年AUC分别为0.857、0.816、0.788、0.731、0.726;NST组为0.881、0.853、0.838、0.829、0.825。CBC的non-NST组1—5年AUC分别为0.529、0.499、0.496、0.508、0.528;NST组为0.879、0.854、0.722、0.680、0.692。

讨论:
结果评价:四个INFLUENCE 3.0子模型校准总体良好,除NST组LRR风险估计ICI稍超0.01阈值,提示校准略降低。ICI、E50、E90最好比较解读,无普遍参考值,0.01阈值参考内部验证。校准测量依赖预测风险分布。NST组LRR模型校准图提示预测风险总体高估,低预测风险范围bootstrap置信区间不包含对角线,提示显著miscalibration。NST组CBC校准曲线不规则且非单调,可能因事件少(n=13)。non-NST组CBC模型校准指标好,但曲线持续低估观察风险,置信区间在较大范围低于对角线;不过绝对偏差<0.01。non-NST组LRR Cox模型校准最好,可能因Cox模型比随机生存森林更不易过拟合。外部验证预期存在一定miscalibration。Leuven队列5年事件率较低(1.4% LRR和1.2% CBC),相比荷兰开发人群(2.2% LRR和1.4% CBC),可解释部分风险高估。区分度是最重要方面。LRR的AUC在两组良好(范围0.73—0.88),随时间下降,与内部验证一致。CBC风险估计显著较差,尤其non-NST组AUC约0.5,近乎随机。NST组CBC 3年良好,4—5年降至中等。原因难确定。病例组合变异足够,但CBC风险预测本身困难,因已建立风险因素预测力有限,且受生活方式变量影响。其他已知CBC预测因子如germline mutations、家族史、BMI、年轻年龄放疗未纳入INFLUENCE 3.0;即使纳入部分因素的PredictCBC-2.0在大型队列中也仅中等AUC(约0.65)。敏感性分析在更同质和较少历史队列中未改善性能,提示治疗政策变化不解释结果。原始INFLUENCE 1.0模型曾在德国队列外部验证,仅预测non-NST患者5年LRR;直接比较不可行,因为3.0额外预测CBC、适用于NST和non-NST、方法不同。德国验证显示原始模型总区分度好(AUC 0.73;95% CI 0.69—0.77),但每年下降,5年无有意义区分度(AUC 0.50;95% CI 0.41—0.60),且原始模型略低估LRR风险。在INFLUENCE 3.0验证中,LRR的AUC较高(范围0.76—0.88),虽随时间下降,5年仍好:non-NST组AUC 0.723(95% CI 0.67—0.78),NST组AUC 0.825(95% CI 0.75—0.90)。校准图类似显示低预测概率下高估LRR风险。

比利时和荷兰队列比较:结果可能与患者人群差异有关。队列在年龄、肿瘤亚定位、组织学、HER2状态与靶向治疗、化疗相似,但其他因素不同。荷兰队列纳入2012—2016年诊断患者,而Leuven 65%患者诊断于2012年前。Leuven屏幕检出病例较低(non-NST组36.6%,NST组9.1%,对比47.1%和15.2%),DCIS更常见(non-NST组73%对比50.7%;NST组50.7%对比35.6%)。Leuven患者高级别肿瘤、更晚期、更高乳房切除率、更多内分泌治疗(non-NST组83.5%对比53.6%)、更多腋窝淋巴结清扫(non-NST组56.9%对比15.2%;NST组83.7%对比36.4%)。

临床意义:观察到一些miscalibration,主要是LRR和CBC风险高估,但绝对偏差小,因事件率低。可能要求稍强化监测,临床影响有限,适度高估可能优于低估。实践中,区分度对INFLUENCE 3.0更重要,因识别可低强度监测患者。LRR在两组均充分区分。CBC在non-NST组区分度差近乎随机,主要因预测风险范围窄且低;但校准可接受,预测不应认为不可靠或误导,只是变异有限。因此不推荐基于CBC风险预测定制监测,但临床医生和患者可依据LRR风险估计,其区分度更好。LRR风险加上相对恒定CBC风险仍可为优化个体监测策略提供有意义指导。

局限性:使用历史(2000—2018)单中心数据,样本量相对小(尤其NST亚组)且事件少,估计不稳定。INFLUENCE 3.0包括广泛已建立临床预测因素,但其他研究也联系LRR与阳性/近切缘、淋巴血管侵犯、绝经前状态;模型未纳入,但通过排除阳性/近切缘患者和纳入年龄间接考虑切缘和绝经状态。另一局限是部分患者irradical surgical margins信息不完整。约300例初始切缘阳性,50例手工审查,仅2例有超过局灶irradical且无适当再干预并排除;基于低比例假设剩余类似病例罕见,保留分析。这可能导致比荷兰队列更少排除(0.02%对比0.7%)。阳性切缘增加LRR风险,纳入可能低估模型性能。最后,LRR定义需解释。研究人员使用与INFLUENCE开发相同定义,符合共识事件定义。临床实践中复发性事件定义变化,有多个分类系统区分真实复发或第二原发乳腺癌。研究人员选择接受实际变化,因为治疗可能基于患者文件报告定义。排除同侧新原发乳腺癌的敏感性分析未改变结果。

未来展望:INFLUENCE 3.0目前估计5年复发风险,尽管LRR和CBC已知10年后继续发生。Leuven队列中位随访non-NST组9.8年,NST组6.5年。期间225例non-NST患者(3.0%)发生LRR,315例(4.2%)发生CBC;NST组39例(3.9%)LRR,28例(2.8%)CBC。延长随访中LRR和CBC事件数几乎翻倍,强调未来更新至少延长到10年预测的临床相关性。另一重要改进是扩展INFLUENCE 3.0预测远处复发。虽无随机BC特异性证据表明早期系统治疗无症状转移性疾病改善结局(此类试验伦理挑战),但识别高远处复发风险患者仍有临床价值,反映侵袭性肿瘤生物学。此外,证据显示寡转移疾病局部立体定向放疗改善总生存(overall survival, OS)。早期识别远处复发可支持早期症状管理保持生活质量,并检测寡转移疾病,可能改善OS。INFLUENCE 2.0已包括远处复发预测,整合所有复发类型到单一统一INFLUENCE模型对临床决策和个体化随访有价值。此外,个体化LRR和CBC风险估计应由临床医生解释并与患者讨论以指导随访,但将绝对百分比转化为临床决策有挑战。因此,扩展模型比较预测风险与人群水平基准,如Spronk等总结的年度LRR和CBC发病率,可建立临床意义阈值;低于阈值患者可低强度随访,高风险患者可考虑更强化监测。但开发和验证此类临床指导需专门研究,部分由正在进行NABOR研究解决。

结论:在这项研究中,INFLUENCE 3.0模型使用比利时University Hospitals Leuven数据进行外部验证。虽然模型对LRR风险估计显示可接受校准和良好至非常好区分度,但其对non-NST组CBC风险估计的区分能力为中等至差。然而,因为CBC风险预测分布窄且显示可接受校准,INFLUENCE 3.0总体风险估计——主要是LRR风险——仍可能对定制监测策略有价值。这些发现突出需要进一步模型更新,如重新校准或替代方法以改善CBC风险估计,并强调额外外部验证的重要性——理想在更大队列进行——以确认模型在不同人群和医疗环境的适用性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号