基于CD47表达与临床病理特征预测肝癌术后二次复发的多因素模型研究

《Cancer Management and Research》:Establishment of Predictive Models for Second Hepatoma Recurrence

【字体: 大 中 小 】 时间:2026年03月30日 来源:Cancer Management and Research 2.6

编辑推荐:

  肝细胞癌初次切除后复发率高,即使是肝移植后复发率依然居高不下,急需更精准的预后预测工具。本研究评估了免疫相关生物标志物CD46和CD47的表达,结合临床病理特征,利用人工神经网络(ANN)和分类回归树(CART)方法,构建了用于预测术后二次复发和疾病特异性预后的模型,准确率分别达85.0%和80.0%,可为临床决策提供有力工具。

  
肝癌,尤其是指肝细胞癌(Hepatocellular Carcinoma, HCC),是全球癌症相关死亡的主要原因之一。尽管手术切除是早期肝癌的首选治疗手段,但术后高达50%-70%的患者会在5年内复发。对于这部分不幸复发的患者,肝移植成为了另一个希望。然而,现实依旧严峻,移植后的5年肿瘤复发率仍然不低,且多数复发患者会在术后2年内因肿瘤进展而去世。这种“切了又长,移了还来”的困境,凸显了临床上一个巨大的痛点:我们缺乏有效的工具,在患者接受第二次手术(如针对复发的肝移植)前,精准预测其术后再次复发和死亡的风险。现有的监测手段存在局限性,而常用的肿瘤标志物往往力有不逮。近年来,研究发现肿瘤免疫微环境在肝癌发展中作用显著,这为寻找新的预测靶点提供了方向。其中,CD47作为一个“别吃我”信号分子,在多种肿瘤中过度表达以逃避免疫清除,已成为新兴的抗癌靶点。那么,它能否成为一把钥匙,帮助我们解开肝癌二次复发预测的难题?浙江大学医学院附属第一医院的研究团队在《Cancer Management and Research》杂志上发表的研究,正是对此问题的深入探索。
为了回答上述问题,研究人员开展了一项系统的研究。他们首先利用TCGA(The Cancer Genome Atlas)数据库的肝细胞癌(LIHC)队列数据,对候选生物标志物CD46和CD47进行了初步验证,确认了它们在肝癌组织中的表达及与预后的潜在关联。随后,研究团队回顾性收集了2015年至2019年间在浙江大学医学院附属第一医院接受肝切除术后复发、并计划进行肝移植的196名中国患者的样本,构建了组织微阵列(TMA)。通过对这些样本进行免疫组织化学(IHC)染色,量化了CD46和CD47蛋白的表达水平(通过H-score评分)。研究纳入了详细的临床病理特征,如病理类型、静脉癌栓、米兰标准、卫星病灶等。通过生存分析、单因素及多因素逻辑回归分析,筛选出与术后二次复发和疾病特异性死亡显著相关的预测因子。最后,利用这些关键预测因子,研究人员分别构建了人工神经网络(ANN)模型和分类回归树(CART)模型,用于预测二次复发和预后,并通过受试者工作特征(ROC)曲线、K折交叉验证等方法评估了模型的性能。
本研究运用的几个关键技术方法包括:1. 利用来自GDC TCGA-LIHC公共数据库的374例肝癌患者和50例正常对照的mRNA表达谱和临床数据进行初步生物标志物验证。2. 使用196例已发生首次复发、计划接受肝移植的患者队列构建回顾性研究样本集。3. 采用免疫组织化学(IHC)技术结合组织微阵列(TMA),对患者肿瘤组织中的CD46和CD47蛋白表达进行定量分析。4. 应用生存分析、单因素/多因素逻辑回归等统计方法筛选关键预测因子。5. 运用人工神经网络(ANN)和分类回归树(CART)两种机器学习算法构建并优化预测模型。
研究结果
Preliminary Validation(初步验证)
基于TCGA-LIHC队列数据的分析显示,与正常肝组织相比,肝癌组织中CD46和CD47的mRNA表达水平均显著升高,且两者表达呈正相关。生存分析进一步表明,CD47的低表达水平与不良的总体生存(OS)预后相关,其表现比CD46更为显著。
Expression and Prognostic Value of CD46 and CD47 in Hepatoma(CD46和CD47在肝癌中的表达及预后价值)
免疫组化结果显示,与癌旁组织、边界组织和正常对照组织相比,肿瘤细胞中CD46和CD47的表达水平相对最高。通过设定截断值(H-score),将患者分为高表达组和低表达组进行生存分析。结果显示,CD46的表达与任何类型的生存期(总生存期OS、无病生存期DFS、疾病特异性生存期DSS)均无显著的预后意义。然而,CD47高表达的患者,其无病生存期(DFS)和疾病特异性生存期(DSS)反而更长,即CD47低表达与更短的DFS和DSS显著相关。此外,CD47的表达与最大肿瘤直径、静脉癌栓、包膜侵犯、微血管侵犯(MVI)和TNM分期等不良病理特征显著相关。0.05. (D) Discrepancy between CD47 expression level and different regions. Data shown as mean ± SD. *P<0.001,P<0.01, *P<0.05. (E) Kaplan–Meier plots of overall survival (OS) rates based CD46 expression by section. The p-value was calculated by the Log rank test. (F) Kaplan–Meier plots of overall survival (OS) rates based CD47 expression by section. The p-value was calculated by the Log rank test. (G) Kaplan–Meier plots of disease-free survival (DFS) rates based on CD46 expression by section. P-value was calculated by the Log rank test. (H) Kaplan–Meier plots of disease-free survival (DFS) rates based on CD47 expression by section. P-value was calculated by the Log rank test. (I) Kaplan–Meier plots of disease-specific survival (DSS) rates based on CD46 expression by section. P-value was calculated by the Log rank test. (J) Kaplan–Meier plots of disease-specific survival (DSS) rates based on CD47 expression by section. P-value was calculated by the Log rank test. (K) Correlations between CD46 and CD47 in healthy tissue. The Pearson coefficient was applied for the correlation test. (L) Correlations between CD46 and CD47 in tumor tissue. The Pearson coefficient was applied for the correlation test.">
Diagnostic Accuracy of Clinicopathological Factors and CD47 for Second Recurrence and Prognosis of Hepatoma(临床病理因素和CD47对肝癌二次复发及预后的诊断准确性)
通过单因素和多因素逻辑回归分析,筛选出对预测二次复发具有统计学显著差异的独立预测因子为:病理类型、静脉癌栓、米兰标准和CD47。同样,对预测死于二次复发与其他结局具有显著差异的因子为:病理类型、卫星病灶、米兰标准和CD47。受试者工作特征(ROC)曲线分析显示,单个预测因子的预测能力有限,而结合多个因子可提高预测准确性。
Construction of an Artificial Neural Network for Independent Factors(基于独立因子构建人工神经网络)
利用筛选出的独立预测因子,研究人员构建了人工神经网络(ANN)模型。用于预测二次复发与否的模型包含4个输入因子(病理类型、静脉癌栓、米兰标准、CD47),在测试数据集中分类准确率达到80.0%,曲线下面积(AUC)为87.6%。用于预测预后(死于复发vs.其他结局)的模型也包含4个输入因子(病理类型、卫星病灶、米兰标准、CD47),在测试数据集中的准确率为87.9%,AUC为89.2%。
Construction of Classification and Regression Tree for Independent Factors(基于独立因子构建分类回归树)
研究人员进一步构建了分类回归树(CART)模型。用于预测二次复发的CART模型,其首要分类器是病理类型,CD47的贡献度相对较小。该模型在区分非二次复发和二次复发患者时,灵敏度为85.7%,特异度为84.2%,AUC为85.0%,K折交叉验证的平均准确率为80.0%。用于预测预后的第二个CART模型中,病理类型仍是最主要的决定因素,CD47是第二重要的变量。该模型预测死于二次复发的灵敏度为72.4%,特异度为88.5%,AUC为80.0%,K折交叉验证的平均准确率为85.0%。
结论与讨论
本研究成功构建了整合临床病理因素和免疫相关生物标志物CD47的预测模型,用于评估肝癌术后二次复发及预后的风险。研究的一个核心发现是,在所研究的特定患者队列(已发生首次复发、计划移植的患者)中,CD47的低表达而非高表达,与更短的无病生存期(DFS)、疾病特异性生存期(DSS)以及更差的病理特征(如晚期TNM分期、静脉癌栓等)相关。这一发现与多数认为CD47高表达促进肿瘤进展的研究相悖,研究者推测可能与本研究人群处于更晚的疾病阶段、或CD47在不同肿瘤微环境及激素调节背景下功能的复杂性有关,并引用了肺神经内分泌肿瘤中CD47高表达反而预示更好生存的研究作为类比。
在构建的预测模型中,病理类型被证实是最重要的分类器,其次是米兰标准和CD47。CD47在预测非肝细胞癌型肝癌患者的术后二次复发和预后方面具有特别的区分价值。通过结合多个变量,无论是人工神经网络(ANN)模型还是分类回归树(CART)模型,都展现出了较高的预测准确性(80%-85%)。CART模型因其结构简单、易于临床解读而更具实用潜力。
该研究的意义在于,为解决肝癌术后高复发率、尤其是二次干预前缺乏有效预后工具的临床难题,提供了一个数据驱动的、实用的预测工具。这些模型有助于临床医生在二次手术(如肝移植)前,更精准地识别高危复发患者,从而优化术后管理策略和术前决策,有望实现更个体化的治疗。然而,本研究作为单中心回顾性研究,样本量有限(仅36例患者死于二次复发),存在一定的局限性。未来需要通过多中心、前瞻性研究进一步验证和优化这些模型,以增强其普适性和临床可靠性。
相关新闻
生物通微信公众号
微信
新浪微博

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