论文部分内容阅读
背景:激素受体(hormone receptor,HR)阳性、人表皮生长因子受体-2(human epidermal growth factor receptor 2,HER2)阴性的乳腺癌亚型在所有的乳腺癌类型中占比最大,该亚型预后较好,部分患者仅需要进行系统的内分泌治疗而豁免于化疗。如何筛选化疗获益患者群,是临床的研究热点,如今临床上常用的判断激素受体阳性、HER2阴性的乳腺癌患者预后风险来决定是否应该化疗的方式常为Ki67免疫组化检测及21基因检测为主的多基因检测方法,单一的Ki67免疫组化检测受存在着实验室标准化及重复性的问题,而21基因检测检测技术和设施要求高难以在多数的基层医院普及,缺乏统一的检测规范,且费用较高,患者存在一定的经济负担。两种方法各有利弊,但若能结合免疫组化和多基因检测的优势,在免疫组化基础上检测多个关键指标蛋白表达,建立激素受体阳性、HER2阴性早期乳腺癌患者的风险预后模型,就有望即可靠又经济的条件下找出可以免除化疗的患者,且易于规范和普及到各个医院,为患者带来福音,即为本论文的研究目标。方法:第一部分我们建立了激素受体阳性、HER2阴性早期乳腺癌基于免疫组化的预后模型及探讨了其临床意义。我们搜集了634例2010年4月至2016年11月在中国医科大学附属第一医院进行手术的早期乳腺癌患者临床病理信息、随访信息及组织蜡块,免疫组化检测Ki67、Aurora A、Survivin、Cyclin B1、MMP11、MYBL2、MYBL2和Cathepsin L2蛋白的表达并进行筛选。按7:3将患随机者分为训练队列和测试队列,对患者基线数据进行描述,通过卡方检验与logistic回归对组间临床病理学特征差异进行分析。通过单变量和多变量Cox回归分析筛选出具有生存预测意义的指标,计算各个蛋白表达的风险函数作为权重并建立风险预后模型。将免疫组化表达代入模型公式得到患者对应的PI值,绘制训练队列和测试队列各自的ROC曲线验证组间一致性,并用约登指数的方式确定预后模型高低风险的cut-off值。绘制训练队列和测试队列Kaplan-Meier曲线再次验证并研究其对患者预后的预测价值。后通过单因素和多因素Cox回归分析评估预后模型是否能作为独立临床病理因素,从预后的角度,找到最终筛选出来的免疫组化标准物的判断阈值。第二部分基于第一部分的结论及得出PI(prognostic index)的阈值将患者分为高风险组及低风险组,并对临床330例激素受体阳性、HER2阴性病例进行了回顾性研究,探究基于免疫组化的6-IHC综合评分对患者化疗获益的预测价值,并在此基础对比Ki67单一指标的判定效能及临床预后。将患者按照预后模型的阈值预后模型分为高风险及低风险组,将患者按照Ki67 IHC=14%高风险及低风险组。使用Logistic回归分析比较预后模型与Ki67两种区分方式在不同风险亚组患者临床病理特征的差异。使用SPSS与Med Calc统计软件绘制ROC曲线并计算各条曲线的敏感性与特异性,计算曲线间的组间差异是否有统计学意义。对总人群DFS进行Kaplan-Meier分析绘制生存曲线,通过Log-rank检验比较预后模型和Ki67对患者化疗获益的预测价值,另外增加淋巴结转移情况作为分层因素,比较淋巴结阴性和阳性两种患者通过预后模型评分和Ki67表达评价的化疗获益。第三部分在前两部分研究的基础上,本部分深入探讨该模型是否可以替代指南推荐的21基因检测。在前述的研究已进行免疫组化染色和评估的标本中选取一部分石蜡组织标本,对21基因检测的21个基因进行RT-PCR检测,得到对应m RNA表达量,代入21基因计算公式中得到相应RS值。计算偏度系数、峰度系数和绘制直方图判断RS值的分布情况。绘制Survivin、Aurora A、Cyclin B1、Cathepsin L2、MMP11和Ki67免疫组化蛋白表达和m RNA阳性表达的ROC曲线,分析评估各自m RNA表达与IHC结果之间的相关性。对预后模型PI值与21基因检测RS值进行Kappa检验评估一致性。将患者按照PI=2.16分为6-IHC预后模型高低风险组,将患者按照RS=31分为21基因检测高低风险组,统计高低风险组患者临床病理特征基数分布。分析预后模型评分与21基因检测得到的RS值在经过化疗与内分泌治疗和仅经过内分泌治疗的患者中的差异,对两种方式的高低风险组的DFS及OS分别进行Kaplan-Meier分析,绘制生存曲线。结果:第一部分中,经过筛选我们共纳入符合入排标准的330例激素受体阳性、HER2阴性早期乳腺癌患者,其中训练队列231例,测试队列99例,两组别的患者不存在交集,两个队列基线特征一致。筛选出6个预后相关蛋白,计算得出各个蛋白表达的权重得到评分预后模型:PI=(1.2*Cathepsin L2表达)+(1.3*MMP11表达)+(1.4*Cyclin B1表达)+(1.3*Aurora A表达)+(1.2*Survivin表达)+(1.4*Ki67表达),将该模型定义为“6-IHC”预后模型,高风险与低风险的cut-off值为PI=2.16。通过对比训练队列和测试队列的KM曲线与ROC曲线验证了组间一致性,ROC曲线证明6-IHC评分模型的有效性,KM曲线提示预后模型对于OS和DFS均存在显著差异,能有效评估激素受体阳性、HER2阴性早期乳腺癌患者复发转移与死亡的预后风险。单因素与多因素Cox回归分析结果也说明6-IHC预后模型可作为独立风险因素。第二部分中以6-IHC预后模型评分或单一Ki67 IHC蛋白表达区分风险的患者基线特征可以得到,Ki67≥14%的高风险组年龄≤60的患者比例更大,6-IHC预后模型PI≥2.16的高风险组在肿瘤大小≥2cm、淋巴结阳性、组织学II-III级的患者比例更大,在对应的这几个临床病理因素间,高低风险组有统计学差异。比较6 ROC曲线下面积AUC,,6-IHC预后模型得到AUC=0.754(95%CI:0.698-0.811),Ki67得到AUC=0.574(95%CI:0.505-0.643),说明6-IHC评分在预测乳腺癌患者预后比单独的Ki67 IHC表达有临床意义。在Kaplan-Meier分析中,6-IHC评分与Ki67的低风险组的预后在统计学上均未显示差异,6-IHC评分高风险组中经过化疗与内分泌治疗的患者与只经过内分泌治疗的患者复发转移上差异显著,患者可以从化疗中获得生存获益。6-IHC评分和Ki67在腋窝淋巴结阴性时均未提示在化疗获益上有统计学差异,p值均无意义;而在腋窝淋巴结阳性的患者中,6-IHC评分和Ki67指数的高风险组均有统计学意义,分别为6-IHC评分p=0.003和Ki67指数p=0.042。第三部分的研究可得到,RS值区间分布范围在4.833~58.25分,中位RS值为30.85分,平均值为32.09±1.97分,峰度系数为0.60,偏度系数为0.29,RS值呈正态分布。ROC曲线整体可信度和效用性都较好,证实Survivin、Aurora A、Cyclin B1、Cathepsin L2、MMP11和Ki67每个基因的蛋白表达和m RNA表达之间存在一定的相关性。Kappa检验得到一致性系数为0.772,P<0.0001,证明6-IHC评分模型结果与21基因检测的结果有较好的一致性,能在一定程度上代表21基因检测。患者临床病理特征基线图中,肿瘤最大径≥2cm、淋巴结阳性、Ki67表达≥14%几个因素在6-IHC评分模型高风险组(PI≥2.16)比21基因检测高风险组(RS≥31)中比例更大,说明6-IHC评分模型能很好的提示总生存风险。6-IHC评分模型与21基因检测的Kaplan-Meier分析得到的在DFS和OS中的结果,两种方式的高风险组中化疗与未化疗患者DFS与OS均显示统计学差异。结果显示:对330例激素受体阳性HER2阴性乳腺癌患者进行回顾性分析并在免疫组化基础上建立风险预后模型6-IHC。该预后模型可用于判断激素受体阳性、HER2阴性的早期乳腺癌患者的复发风险和辅助化疗必要性,其效能高于单一使用Ki67。6-IHC预后模型也与肿瘤大小与淋巴结转移有一定关联。结论:1.利用Cox回归与受试者工作曲线的方法,结合患者的预后资料,可以找到6个免疫组化标准物的同一cut-off值;2.通过对本研究在免疫组330例激素受体阳性HER2阴性乳腺癌患者进行回顾性研究,发现6-IHC预后模型可以用于此类乳腺的豁免化疗的综合指标;3.单一的Ki67也可以用作豁免化疗的指标,但ROC曲线及生存曲线显示,其效能明显逊于6-IHC预后模型;4.对比6-IHC预后模型及21基因检测,其吻合度高于70%。综上,本论文研究显示,6-IHC预后模型对于HR+/HER2-乳腺癌豁免化疗的预测效能高于单一KI67指标,与21基因检测效能接近。可以作为评估激素受体阳性、HER2阴性的早期乳腺癌患者的预后风险和区分化疗获益人群的检测方式。