Page 112 - 南京医科大学自然版
P. 112

第46卷第10期
               ·1542 ·                           南 京    医 科 大 学 学         报                        2026年10月


                     A                                                 B
                            20 20 20 19 19 19 18 17 16 16 14 11 9 8 6 5 3 2 1  19  19  17  15  10  5  0
                         1.8
                                                                           8 6
                        Binomial deviance  1.6                            Coefficients  4 2
                         1.7

                         1.5

                         1.4
                                                                           0
                         1.3
                                                                          -2
                                   -8       -6       -4       -2               -8  -7  -6  -5  -4  -3  -2
                                            Lg(λ)                                       Lg(λ)
                                         A:Cross⁃validation plot. B:Coefficient distribution map regression.
                                               图2 采用10折交叉验证选择最佳λ值
                                    Figure 2 The best λ value was selected by 10⁃fold cross⁃validation


                        1.0                                     表达激活其下游丝裂原活化蛋白激酶(mitogen⁃acti⁃
                                                                vated protein kinase,MAPK)通路和磷脂酰肌醇 3⁃激
                        0.8
                                                                酶(phosphatidylinositol 3⁃kinase,PI3K)信号通路、
                                                                增强内质网应激、促进蛋白质泛素化降解,进而
                       Sensitivity  0.4                         加速细胞周期,刺激细胞异常增殖并抑制细胞凋
                        0.6
                                                                       。本研究 LASSO⁃Logistic 分析显示 TLG40%及
                                                                  [25-26]
                                                                亡
                                                                TLG80%为HER2低表达状态的独立影响因素。然而,
                        0.2             Model 1
                                        Model 2                 也有研究结论完全不同,Acar 等            [14] 对 115 例治疗前
                                        Random classifier
                                                                   18
                         0                                      行 F⁃FDG PET/CT 检查的胃癌患者行回顾性研究,
                          .0  0.2  0.4  0.6  0.8  1.0
                                   1-Specificity                发现 SUVmax、SUVmean、MTV、TLG 在HER2 阳性组
              图3   模型1及模型2预测胃癌原发灶HER2低表达的ROC                   与HER2 阴性组间差异无统计学意义。导致上述结
                   曲线                                           论差异的潜在原因,主要可归纳为以下几点:其一,
              Figure 3  ROC curves of model 1 and model 2 for predict⁃  不同医疗机构的质控标准及医师主观判读存在差
                      ing HER2 low expression in primary gastric can⁃  异;其二,胃癌病灶存在显著异质性,手术大切片与
                      cer lesions
                                                                穿刺活检小样本的HER2评估结果本身难以完全一
              细胞膜上葡萄糖转运蛋白⁃1(glucose transporter⁃1,              致;其三,本研究充分捕捉肿瘤异质性信息,分别采
              GLUT⁃1)表达量低,其为 F⁃FDG摄取的关键转运体                      用40%、60%及80% 3种SUV阈值勾画MTV及TLG,
                                    18
              导致 F⁃FDG摄取量低有关          [24] ;同时HER2高表达组          系统评估不同代谢活性亚区对HER2低表达的预测
                   18
              原发灶长径更大、远处转移概率更高,说明肿瘤负                            效能,从而规避了既往研究仅依赖单一41%固定阈

              荷更高、侵袭性更强,这也与既往研究证实的HER2                          值相关参数分析、难以全面反映异质性影响的固有
              过表达所驱动的生物学行为高度契合——HER2高                           局限,本研究最终证实TLG40%、TLG80%均具备独立预


                   A                                            B
                       1.0                                          0.5
                                                                                                    Model 1
                      Observed proportion  0.6                     Net benefit  0.3                 All
                                                                                                    Model 2
                                                                    0.4
                       0.8
                                                                                                    None
                                                                    0.2
                       0.4
                                                                    0.1
                       0.2
                                                       Model 1
                                                                     0
                                                       Model 2
                        0
                          .0    0.2    0.4   0.6    0.8    1.0         .0    0.2    0.4   0.6    0.8   1.0
                                     Predicted probability                        High risk threshold
                                            图4 预测模型的校准曲线(A)及DCA曲线(B)
                                Figure 4  Calibration curves(A)and DCA curves(B)of the prediction models
   107   108   109   110   111   112   113   114   115   116   117