编辑推荐：
为解决胃癌患者预后预测难题，尤其是无淋巴血管侵犯（LVI）患者的风险分层问题，研究人员开展构建 G-Risk 评分系统的研究。结果显示该系统能有效分层患者风险，是独立预后因素。其有助于个性化治疗，意义重大。
胃癌，这一全球范围内严重威胁人类健康的 “杀手”，在东亚、东欧和南美等地，其发病率和死亡率一直居高不下。据全球癌症统计数据，胃癌是世界上第五大常见癌症，也是癌症死亡的第四大原因 。由于多数患者确诊时已处于晚期，治疗选择有限且复杂，准确预测疾病进展和患者预后就显得尤为关键。在评估胃癌患者预后时，淋巴血管侵犯（LVI）是一个重要因素，一般认为，存在 LVI 的患者预后较差，而没有 LVI 的患者通常被认为预后较好。但即便在看似预后较好的无 LVI 患者群体中，他们的生存结果也存在显著差异，这表明还有未被充分识别和评估的风险分层因素。因此，开发一种能精准预测无 LVI 胃癌患者预后的工具迫在眉睫。
哈尔滨医科大学附属肿瘤医院等机构的研究人员开展了一项极具意义的研究。他们构建了基于炎症和肿瘤生物标志物的 G-Risk 评分系统，用于改善无 LVI 胃癌患者的预后预测，进而指导更具针对性的治疗策略。该研究成果发表在《European Journal of Medical Research》上。
研究人员为开展此项研究，运用了多种关键技术方法。首先，从哈尔滨医科大学附属肿瘤医院选取 2014 年 1 月至 2017 年 12 月期间符合特定标准的 1475 例胃癌患者作为样本队列。接着，采用 KNNImputer 方法处理缺失值。之后，运用 Pearson 卡方检验或 Fisher 精确检验分析组间差异，通过 Kaplan-Meier 法进行生存分析，利用 Cox 比例风险模型开展单因素和多因素生存分析，使用 ROC 曲线评估 G-Risk 评分的预测性能，还构建了 nomogram 用于个性化生存预测。
下面来看具体的研究结果：
- 研究人群特征：1475 例无 LVI 的胃癌患者中，男性占 71.9%（1060 例），女性占 28.1%（415 例），中位年龄为 59 岁。癌症最常见的发生部位是胃窦，占 67.5%（995 例）。研究结束时，26.2%（387 例）的患者死亡1。
- 生物标志物筛选：通过单因素和多因素 Cox 回归分析，确定了 PNI（HR=0.98 ，95% CI [0.95 - 1]；p=0.0316 ）、AAR（HR=1.3 ；95% CI [1.03 - 1.64]；p=0.0255 ）、LAR（HR=1.11 ；95% CI [1.04 - 1.19]；p=0.0011 ）、FLR（HR=1.17 ；95% CI [1.01 - 1.36]；p=0.0349 ）、CEA（HR=1 ；95% CI [1]；p=0.0032 ）、CA199（HR=1 ；95% CI [1]；p=0.002 ）和 CA125（HR=1.01 ；95% CI [1 - 1.01]；p=0.019 ）为无 LVI 患者预后的重要预测指标2。
- 预后模型构建：经过一系列尝试和评估，最终确定的 G-Risk 评分系统预测准确性最高，AUC 达到 0.660。生存分析表明，G-Risk 评分定义的高风险组患者预后明显比低风险组差3。
- 单因素和多因素 Cox 回归分析：多因素 Cox 回归分析确定年龄（HR=1.01 ；95% CI [1 - 1.02]；p=0.0208 ）、pTNM 分期（HR=16.41 ；95% CI [8.72 - 30.89]；p<0.0001 ）、Borrmann 分类（HR=3.8 ；95% CI [1.78 - 8.1]；p=0.0004 ）、肿瘤位置（HR=2.56 ；95% CI [1.66 - 3.94]；p<0.0001 ）和 G-Risk 评分（HR=1.64 ；95% CI [1.31 - 2.04]；p<0.0001 ）是影响无 LVI 患者生存预后的独立预后因素4。
- 亚组分析：无论癌症分期、Borrmann 分类、肿瘤位置、性别或年龄组如何，高风险组患者的生存结果始终比低风险组差5。
- 传统 TNM 分期模型与 G-Risk 评分模型比较：TNM 分期系统的预后准确性（AUC=0.771 ）高于 G-Risk 评分（AUC=0.660 ），但 G-Risk 评分能在 TNM 分期内进一步分层风险，可作为传统分期模型的补充67。
在研究结论和讨论部分，G-Risk 评分系统的构建和验证意义重大。该评分系统整合了炎症标志物和肿瘤标志物，对无 LVI 胃癌患者的生存预后具有可靠的预测能力。它不仅可以帮助医生更精准地评估患者的预后风险，还能为个性化治疗提供有力支持。对于高风险患者，医生可以采取更积极的治疗策略，如强化监测、早期干预等；对于低风险患者，则可采用更保守的治疗方法，避免不必要的治疗负担和副作用。此外，G-Risk 评分还可应用于术后辅助治疗决策和随访管理，优化治疗方案，提高患者的生活质量。不过，该研究也存在一定局限性，如数据仅来自单一医院，存在选择偏倚，且回顾性数据收集可能存在不完整性和记录偏倚。未来研究需扩大到多中心，开展前瞻性研究，并探索纳入更多遗传和分子生物标志物，以进一步完善 G-Risk 评分系统，提高其临床实用性。
