癌症患者代谢紊乱与预后紧密相连：K-means 聚类揭示关键奥秘

为解决癌症患者代谢紊乱分类及与预后关系不明的问题，温州医科大学附属第一医院等单位的研究人员开展相关研究。他们发现代谢紊乱程度与不良结局相关，该成果有助于制定个性化治疗方案，推荐科研读者阅读。

　　

在如今这个谈 “癌” 色变的时代，癌症就像一个可怕的阴影，笼罩着无数人。近年来，全球癌症的发病率和死亡率都如同火箭一般飞速上升，中国也没能幸免。据预测，到 2050 年，新癌症病例数将达到 3500 万，这数字简直让人头皮发麻！癌症不仅严重威胁着人们的生命健康，还对社会和经济造成了巨大的冲击。

对于癌症，大家的认识各不相同。有些研究人员觉得癌症是一种基因层面的疾病，就像是身体里的基因 “小卫士” 突然叛变了；但也有人认为癌症是一种代谢疾病。肿瘤细胞为了疯狂生长和繁殖，会把自己的代谢途径重新 “装修” 一遍，这就是所谓的 “癌症代谢重编程”。这个过程中，不仅糖代谢乱了套，脂代谢、氨基酸代谢以及线粒体功能也都受到影响，最终导致癌症患者出现代谢紊乱。而且，癌症患者的代谢异常还会带来一系列麻烦，像体重减轻、恶病质、营养不良等，这些都严重影响了患者的预后。所以呀，搞清楚癌症患者的代谢异常情况，对优化治疗方案来说太重要啦！这就好比给医生们一把精准的 “手术刀”，能更好地对抗癌症这个大恶魔。

为了深入了解癌症患者的代谢紊乱问题，温州医科大学附属第一医院等单位的研究人员在《BMC Cancer》期刊上发表了一篇名为《The association of metabolic disorders and prognosis in cancer patients》的论文。他们发现，通过 K - means 聚类分析，可以把 6307 名癌症患者按照代谢紊乱的情况分成不同的组，而且代谢紊乱的严重程度和患者的不良预后有着密切的关系。这一发现就像在黑暗中找到了一盏明灯，为癌症的治疗和预后评估提供了新的方向。

在这项研究中，研究人员用到了几个关键的技术方法。首先是 K - means 聚类，这是一种很厉害的算法，能把一大群数据按照它们的特点分成不同的小群体，就像给数据们 “分家” 一样。还有主成分分析（PCA），它可以把很多复杂的数据变得简单一点，方便研究人员找到数据里隐藏的规律。另外，他们还运用了逻辑回归和 Cox 模型来分析不同代谢紊乱分组和患者不良结局之间的关系。

下面咱们来详细看看研究结果。

患者基线特征和代谢紊乱状态

研究人员找来了 6307 名患者，这里面男性占了 57.6%，女性占 42.4%。年龄分布上，60 - 69 岁的人最多，占 34.6% ，70 岁及以上的也不少，有 33.8%。癌症类型方面，结直肠癌、肺癌和胃癌是最常见的。从治疗方法来看，超过一半的患者接受了化疗。TNM 分期显示，各个分期的患者都有一定比例。而且呀，31.0% 的患者被诊断出患有肌肉减少症（肌肉量减少、力量下降的一种病症），57.3% 的患者存在营养不良的情况，其中严重营养不良的占 22.2%。在检测的各项指标里，像总蛋白、白蛋白、肌酐等都有不少异常的，血尿素氮和血小板的异常率更是高得吓人，这说明患者们普遍存在代谢紊乱的问题。还有炎症指标，比如白细胞、淋巴细胞和 C 反应蛋白，异常率也很高，反映出患者身体里炎症情况很普遍。

分类方法探索

为了找到最适合给患者代谢紊乱情况分类的方法，研究人员先用主成分分析（PCA）来看看数据的结构。PCA 就像是一个 “数据整理师”，能把复杂的数据变得有条理一些。他们发现有些变量之间的相关性很强，虽然通过 20 个主成分能解释大约 90% 的方差，说明这个模型有点用，但有些变量的 KMO 值不太好，而且需要很多成分，这就限制了 PCA 的发挥。于是，研究人员又用了 K - means 聚类来分析。通过 “肘部法”，他们发现把数据分成 3 - 5 个组比较合适，最后决定分成 3 组。这 3 组分别是：第 1 组（轻度紊乱组，MDG），这个组里 C 反应蛋白和前白蛋白的水平不太正常；第 2 组（正常组，NG），所有指标都在正常范围内；第 3 组（严重紊乱组，SDG），几乎所有指标都超出了正常范围，尤其是肝肾功能指标异常很明显。而且不同组在肿瘤类型分布、人口统计学特征、治疗方式、TNM 分期、地区以及预后等方面都有很大的差异。

不同聚类组的预后关联评估

研究人员还用了一种打分的方法来分组，把指标超出正常范围的记 1 分，在正常范围内的记 0 分，根据总分把患者分成 3 组。Kaplan - Meier 生存曲线显示，不同组在全因死亡率和癌症特异性死亡率上都有很大的差异，得分越高，患者的生存概率越低，这说明代谢紊乱越严重，预后就越差。不管是用打分法还是 K - means 聚类法，都能看出严重代谢紊乱和不良预后之间的关系。在肌肉减少症风险方面，MDG 和 SDG 组的风险比 NG 组高很多；在营养不良方面，MDG 组和 SDG 组患严重营养不良的风险也明显增加。而且通过 C 指数和时间依赖性 AUC 曲线评估，这两种方法的预测能力差不多。

从研究结论和讨论部分来看，这项研究意义重大。研究人员用 PCA 和 K - means 聚类分析，成功把患者分成了 NG、MDG 和 SDG 这 3 个不同的代谢紊乱组。结果表明，代谢紊乱的严重程度和患者的不良预后紧密相关，SDG 组患者的死亡风险最高。这就提醒医生们，在治疗癌症患者的时候，可不能忽视代谢紊乱这个问题。

肿瘤细胞的代谢重编程不仅影响它们自己的生长、侵袭和转移，还会让患者出现蛋白质、碳水化合物和脂质代谢失衡，进而导致肌肉减少症、营养不良等问题。MDG 组的低前白蛋白和高 C 反应蛋白，就进一步证明了蛋白质代谢异常是这些不良后果的重要风险因素。而且炎症和代谢紊乱之间也有着千丝万缕的联系，MDG 组炎症指标升高，如果不及时治疗，代谢紊乱可能会越来越严重，影响患者的预后。

K - means 聚类和打分法各有优缺点。K - means 聚类就像一个 “数据侦探”，能从复杂的数据里找出每个组的特点，适合处理大量数据；打分法虽然简单，在临床上容易操作，但有点主观，不太能全面反映癌症患者复杂的代谢紊乱情况。总体来说，K - means 聚类在临床上可能更有用，能帮助医生早点发现问题，进行干预。

代谢紊乱和癌症的发展、治疗都有关系。比如，糖尿病患者血糖波动可能会让肿瘤细胞更容易扩散，高血脂可能会加重某些癌症病情，还会影响癌症治疗的效果，甚至带来一些并发症。所以，把代谢紊乱评估加入到癌症的常规治疗里，能帮助医生制定更个性化的治疗方案，提高患者的治疗体验和预后。

不过，这项研究也有一些小遗憾。K - means 聚类对分组数量很敏感，这次研究分了 3 组，但还是有些组之间有重叠的地方。而且研究没有针对每种癌症类型的代谢特征单独分析，只是对整体患者进行了聚类，这可能会影响结果的准确性。另外，研究没有在大规模的医疗中心进行验证，也没有考虑像生活方式、社会经济地位这些可能影响结果的因素。

但不管怎么说，这项研究让我们更清楚地认识到代谢紊乱在癌症预后里的重要作用。希望以后能有更多的研究，进一步探索它们之间的因果关系和内在机制，为战胜癌症带来更多的希望！