贝叶斯生存分析方法在肝细胞癌肝移植患者预后预测中的应用研究

Hepatocellular carcinoma (HCC) was the sixth most common malignancy worldwide, and was the third cancer death cause. China was the high HCC incidence area, and now about 55% of newly diagnosed HCC cases all over the world are from China and the similar status is observed in HCC dead cases. Liver transplantation was regarded as an effective and important way to cure HCC. However, the survival rate increased remarkably for the liver transplantation of HCC recipients in China, compared with that in early period, but the long term survival rate and life quality after operation were not satisfying. Thus, the simulation about survival quality and the determination about relevant factors were necessary for the postoperative recipients. The Bayesian survival analysis method based on Bayesian theory and survival analysis, can effectively deal with the model with small samples, incomplete data, and complex operating environment. In this study, based on the previous work, the Bayesian survival analysis was employed to set up a model and evaluate the survival data. The purpose of this study was to build a postoperative predictive model through longitudinal cohort for HCC patients, and to guide the clinical decide through the evaluation of each risk factor and the prediction of HCC recipients’ death and the tumor recurrence.

肝细胞癌是世界上第六大常发癌症和第三大癌症主要死因。我国是肝细胞癌的高发区，现在，全世界约55%的肝细胞癌新诊断病例来自于中国，而我国在癌症死亡病例中也占有相似比例。肝移植已成为目前世界公认的治疗肝细胞癌患者的重要和有效的方法。然而，我国肝细胞癌患者的肝移植术后生存率虽然较早期有所升高，但长期生存率和术后生活质量与人们的期望仍有很大差距。鉴于此，对于接受肝细胞癌肝移植手术患者的生存质量进行预测，并寻找重要影响因素的需求非常迫切。由于基于贝叶斯理论和生存分析相结合的贝叶斯生存分析方法能有效处理小子样、数据不全、运行环境复杂的模型，因此本研究在前期工作的基础上，采用此方法对相关生存数据进行模型构建及验证评价，旨在通过对肝细胞癌肝移植患者纵向随访队列建立起患者预后的预测模型，并评价各项风险指标对患者死亡及肿瘤复发的预测作用，以指导临床决策。

本研究分别通过经典Cox回归模型和贝叶斯生存分析方法对肝细胞癌（hepatocellular carcinoma, HCC）肝移植患者纵向随访队列建立患者预后预测模型，评价接受三种不同免疫抑制剂使用方案：三联组（Triple组）、诱导加激素组（BS组）、诱导无激素组（SF组）的患者的基本信息和生存时间等情况及各项风险指标对患者死亡、肿瘤复发的预测作用，同时对不同模型的效果进行比较评价，结果用以指导临床决策。.本研究主要结论如下：.1. 三种免疫抑制剂方案患者总体生存率组间比较得出，BS组患者的生存率高于SF组（P=0.0024）；而三组患者无瘤生存率的差异无统计学意义（P=0.2021）。.2. 构建患者生存状态的模型并评价：基于MCMC的半参数贝叶斯生存模型的模型拟合统计量偏差信息准则（DIC）为931.618，参数贝叶斯生存模型的DIC为574.688，后者小于前者，因此后者拟合效果优于前者。将基于MCMC的Weibull参数生存模型、半参数生存模型及经典Cox模型的C指数进行比较，发现基于MCMC的Weibull参数生存模型的预测效果最好，半参数生存模型次之，最后是经典Cox模型。但总体来看，各个模型的C指数都差距不大。.3. 构建患者肿瘤复发的模型并评价：基于MCMC的半参数贝叶斯生存模型的DIC为1076.338，参数贝叶斯生存模型的DIC为604.303，后者小于前者，因此认为后者拟合效果优于前者。将三个模型的C指数进行比较，发现经典Cox模型的预测效果最好，基于MCMC的半参数生存模型次之，最后是Weibull参数生存模型。总体来看，经典Cox模型的C指数最高，其它模型的C指数都差距不大。.综上，本研究发现在其他影响因素作用不变的情况下，BS组患者的生存状况和肿瘤复发状况均好于SF组；符合米兰标准、术前AFP水平在 ~200 ng/ml、最大肿瘤直径为 ~5cm的患者的生存状况和肿瘤复发状况相对较好；年龄、TNM分期也是影响患者肿瘤复发的重要影响因素。同时发现贝叶斯生存分析方法在HCC肝移植患者预后预测中有一定优势，但仍不能替代经典Cox模型。建议在临床实际工作和研究中，应用贝叶斯生存分析方法中的基于MCMC的Weibull参数生存模型以及经典Cox模型分别针对不同终点事件进行模型拟合，以预测患者的生存状况、肿瘤复发的结局，为临床实践提供理论参考。

内容获取失败，请点击重试