《Medical Oncology》:Effectiveness of radiotherapy or chemoradiotherapy in older patients with advanced-stage, non-surgically treated head and neck cancer: A machine learning analysis
编辑推荐:
头颈部鳞状细胞癌(HNSCC)发病率的上升与人乳头瘤病毒(HPV)流行及人口老龄化均有关联。因此,亟需为老年晚期HNSCC患者制定管理策略。本研究旨在应用机器学习(ML)技术,比较根治性同步放化疗(CRT)与单纯放疗(RT)对年龄≥65岁、III-IV期未接受
头颈部鳞状细胞癌(HNSCC)发病率的上升与人乳头瘤病毒(HPV)流行及人口老龄化均有关联。因此,亟需为老年晚期HNSCC患者制定管理策略。本研究旨在应用机器学习(ML)技术,比较根治性同步放化疗(CRT)与单纯放疗(RT)对年龄≥65岁、III-IV期未接受手术治疗的头颈部鳞状细胞癌(HNSCC)老年患者的疗效。研究人员采用Kaplan-Meier(KM)生存曲线、Cox比例风险模型以及基于ML的置换特征重要性(PFI)分析,比较了CRT与单纯放疗(RT)在该人群中对疾病特异性生存(DSS)的影响。最后,研究人员运用倾向评分匹配(PSM)分析,以明确接受CRT或单纯RT的患者之间是否存在显著差异。研究人员从监测、流行病学和最终结果(SEER)项目中获取了共计1525例HNSCC患者数据,用于构建ML模型。此外,PFI分析评估了CRT或单纯RT对老年(≥65岁)HNSCC患者DSS的疗效。随后,研究人员进行了1:1倾向评分匹配(PSM)分析以减少治疗选择偏倚,并分析CRT的预后作用。该ML模型在预测该组HNSCC患者DSS方面的性能准确率为55.5%。综合特征重要性显示,治疗方案(CRT或单纯RT)是提高这些患者DSS的四个最重要特征之一。具体而言,KM曲线、Cox比例风险模型和PFI分析均表明,对于未接受手术的III-IV期HNSCC老年患者,CRT似乎比单纯RT更可行、更有效。此外,III期患者的生存率优于IV期患者。PSM证实,接受CRT或单纯RT的患者在几乎所有协变量上均存在实质性差异。来自SEER数据库的结果为CRT在无法手术的III-IV期HNSCC老年患者中可能带来的生存获益提供了见解。这进一步强调,晚期阶段的治疗决策应基于其他患者相关因素而非单纯的实际(日历)年龄来制定。
研究背景与目的
头颈部鳞状细胞癌(HNSCC)是全球最常见的恶性肿瘤之一,其发病率上升与人乳头瘤病毒(HPV)流行及人口老龄化密切相关。约25%-40%的HNSCC患者在70岁及以上确诊,且多数处于晚期。由于老年患者常伴有合并症,术后并发症、远处转移和复发风险高,手术需谨慎考虑。尽管美国国家综合癌症网络(NCCN)、美国临床肿瘤学会(ASCO)和欧洲肿瘤内科学会(ESMO)等权威指南推荐将同步放化疗(CRT)作为晚期HNSCC的标准治疗方案,但支持CRT用于老年晚期患者的证据尚不充分。因此,有必要评估CRT对比单纯放疗(RT)在老年(≥65岁)非手术治疗的III-IV期HNSCC患者中的疗效。本研究首次应用机器学习(ML)技术,旨在比较CRT与RT对该人群疾病特异性生存(DSS)的影响,并结合Kaplan-Meier(KM)生存曲线、Cox比例风险模型和倾向评分匹配(PSM)分析进行验证。
主要研究方法
研究人员从美国国立癌症研究所(NCI)的监测、流行病学和最终结果(SEER)项目中提取数据,共纳入1525例年龄≥65岁、诊断为III-IV期HNSCC且未接受手术治疗、仅接受RT或CRT的患者。研究采用了三种主要分析方法:第一,使用Kaplan-Meier(KM)生存曲线和对数秩检验比较两组患者的DSS差异;第二,构建多变量Cox比例风险回归模型,调整混杂因素后评估治疗方式的独立预后效应;第三,应用机器学习(ML)技术,采用极端梯度提升(XGBoost)算法构建预测模型,并通过置换特征重要性(PFI)和SHapley Additive exPlanations(SHAP)分析评估各输入特征对DSS的贡献。此外,还进行了1:1倾向评分匹配(PSM)分析以减少治疗选择偏倚。
研究结果
PSM分析:倾向评分分布显示,接受CRT和RT的患者在基线特征上存在实质性差异,CRT组患者的倾向评分更高且分布更集中,表明治疗选择受基线特征影响。匹配后,两组协变量平衡得到改善,支持后续分析。
Kaplan-Meier生存曲线:KM分析显示,接受CRT的患者DSS显著优于接受RT的患者,两条生存曲线早期即分离并在整个随访期间保持明显差距,对数秩检验p值小于0.001,表明CRT具有持久的治疗效果。
Cox比例风险模型:多变量Cox回归分析显示,治疗方式与DSS独立相关。与RT相比,CRT与疾病特异性死亡风险降低约30%相关(风险比HR 0.70,95%置信区间CI 0.60-0.82,p小于0.001)。此外,M分期(远处转移,HR 2.52,95%CI 1.88-3.38,p小于0.001)、下咽癌原发部位(HR 1.52,95%CI 1.22-1.88,p小于0.001)和增龄(HR 1.04,95%CI 1.03-1.05,p小于0.001)是与较差DSS独立相关的因素。肿瘤分级也与生存显著相关(HR 0.85,95%CI 0.75-0.98,p=0.022)。
ML性能准确率和PFI:XGBoost模型的预测准确率为55.5%,精确率0.58,召回率0.56,F1分数0.57,AUC为0.57。PFI分析显示,对DSS最重要的前四位特征是年龄、M分期、总体TNM分期和治疗方案(CRT或RT)。这表明治疗选择是影响老年晚期HNSCC患者DSS的关键因素之一。
SHAP可解释性分析:SHAP分析确认年龄是最具影响力的预测因子,其次是M分期、总体TNM分期、治疗方式、肿瘤分级和N分期。较高的年龄、晚期别和M分期与预测的死亡风险增加相关,而接受CRT则显著有利于改善生存预测。局部SHAP分析示例展示了个体患者预测中各特征的贡献方向。
讨论与结论
本研究是首个应用ML技术比较CRT与RT对老年晚期非手术HNSCC患者疗效的研究。结果表明,基于SEER数据库队列,CRT与更好的DSS相关。尽管ML模型的预测准确性不高,但PFI分析成功识别了治疗方案作为影响DSS的关键特征之一,这有助于个性化治疗决策。研究强调,对于老年患者,治疗决策应基于患者相关因素而非单纯的实际年龄。讨论部分指出,对于口咽鳞状细胞癌(OPSCC)和喉鳞状细胞癌(LSCC)亚组,CRT同样显示出重要性。同时,研究也提到了PET/CT在精准放疗计划中的价值、物联网(IoT)在术后监测中的应用潜力以及三维(3D)打印在头颈重建中的优势。
研究局限性:主要包括SEER数据库的回顾性本质可能导致选择偏倚;缺乏合并症、衰弱状态、HPV状态、化疗具体方案、放疗详细参数(如剂量、技术)及生活质量等重要信息;各原发部位分布不均可能引入分析偏倚。
研究结论:该ML模型在预测老年晚期非手术HNSCC患者的总体生存方面表现不佳。然而,研究结果为CRT在无法手术的III-IV期HNSCC老年患者中可能带来生存获益提供了见解。这进一步强调,晚期阶段的治疗决策应基于其他患者相关因素而非单纯的实际年龄。鉴于潜在的偏倚,这些结果应被视为探索性的,仍需多中心随机对照试验和针对不同原发部位的年龄特异性前瞻性研究来证实CRT相对于RT的优越性。