Page 145 - 南京医科大学自然版
P. 145
第46卷第5期 杨浚沫,曾奕淙,周 何. 循环肿瘤DNA联合系统性炎症指标预测结直肠癌术后复发的研究进展[J].
2026年5月 南京医科大学学报(自然科学版),2026,46(5):762-770 ·767 ·
物的泛化应用,实现治疗获益与风险的最佳平衡。 仅依靠“双阳性/双阴性”的简单分层已难以满足精
总而言之,将 ctDNA 与全身炎症指标结合,并 准评估的需求。从方法学角度来看,近年来围绕手
非仅是两项检测数据的简单叠加,而是通过整合 术预后模型构建的研究已日益强调采用机器学习
“肿瘤活性”与“机体微环境”两个维度,构建出一套 等先进算法以优化预测效能 [45] 。因此,需超越传统
动态、可量化的临床决策辅助系统。该体系基于实 分层思路,建立多维度量化整合评分系统。例如,
际证据,在识别高危患者、指导治疗强度、评估疗效 可通过机器学习方法(如LASSO⁃Cox 回归),协同分
及探索新辅助策略等多个环节中,均展现出清晰的 析 ctDNA 浓度动态变化与 NLR 等炎症指标的时间
转化前景与精准医学价值。 序列,构建连续变量的综合风险评分。已有研究证
实,采用LASSO回归进行特征筛选后再结合 LASSO
4 挑战与未来方向
⁃Cox 的策略,能够有效处理高维数据并识别核心预
尽管 ctDNA 与系统性炎症指标联合前景较为 后因子,在肾癌等其他瘤种的术后生存预测中展现
广阔,但目前仍面临多项挑战,首先,ctDNA 的高昂 出优于传统建模方法的性能 [46] 。研究证实,基于
成本依旧是主要制约因素。2024 年 Kramer 等 [32] 首 LASSO⁃Cox 回归构建的整合临床病理特征、炎症指
次系统量化了 ctDNA 指导Ⅱ期结肠癌辅助治疗的 标[白蛋白衍生中性粒细胞与淋巴细胞比值(albu⁃
成本⁃效果,结果显示ctDNA联合临床病理高危特征 min⁃derived neutrophil⁃to⁃lymphocyte ratio,Alb⁃dN⁃
的策略较现行指南可降低3.6个百分点的术后复发 LR)]的 CRC 术后预后预测模型,在开发队列中,全
率、提升 0.038 个质量调整生命年(quality⁃adjusted 变量Cox模型C⁃index达0.785,LASSO⁃Cox精简模型
life year,QALY),其增量成本效果比(incremental C⁃index为0.767,均显著优于传统TNM分期系统(C⁃
cost⁃effectiveness ratio,ICER)为 67 413 欧元/QALY, index 0.680);在独立外部验证队列中,该模型针对
超出了荷兰 50 000 欧元/QALY 的官方支付意愿阈 癌症特异性生存终点的 C⁃index 达 0.891,针对总生
值;敏感性分析进一步证实,仅当ctDNA单检成本降 存终点的 C⁃index 达 0.852,展现出良好的预测效能
至1 500欧元以下、ctDNA阳性患者对辅助化疗的应答 与外推性 [47] 。该体系不仅能实现更精细的风险分
率显著提升,或 ctDNA检测性能大幅改善时,该策略 层,也可为临床决策提供量化依据,推动个体化治
方可达到成本⁃效果标准,此时ICER可降至30 000~ 疗向动态化、精准化发展。
50 000欧元/QALY 的临床可接受区间。其次,检测 在此基础上,未来首要任务是开展设计严谨的
流程尚缺乏标准化,在检测方法、采血时间点及血 前瞻性队列研究。具体而言,应系统性地采集CRC
液样本处理等环节存在的差异,影响了结果的一致 患者术后不同时间点(如术后1个月、3个月、6个月
性与可比性。虽然炎性指标获取方法相对简单,且 及此后每半年)的血液样本,同步进行 ctDNA 与
价格相对低廉,但其量化标准也需要统一,为提升 NLR 等炎症指标的动态监测。随后,可利用 Cox 比
检测的灵敏度与特异性,现有研究正致力于优化采 例风险回归模型或机器学习算法(如随机森林、支持
血时机,通过比较术后不同时间点(如第 1、3、5 天) 向量机),对上述多维度数据进行整合分析,旨在构建
的样本,以确立最佳检测窗口。最后,肿瘤的异质 一个量化、综合的术后复发风险预测评分系统。
性(如突变基因不同)会导致释放 ctDNA 的速率和 对于 ctDNA 及系统性炎性指标的临床转化,随
总量存在差异,可能在血液检测中漏检,导致对肿瘤 机对照试验是验证其临床效用的金标准,需深入思
负荷的误判并错失使用靶向药物的最佳时机。同 考并探索若干关键问题:基于此联合模型的干预措
时,炎症指标易受感染、自身免疫性疾病及应激等非 施,其成本效益比如何?应如何定义并在临床试验
肿瘤因素干扰,影响其对肿瘤预后判断的准确性。 中验证“抗炎治疗改善预后”的假说?例如:在完成
未来研究应侧重于多维度预测指标的整合与 上述队列研究并锁定预测模型后,下一步的核心任
验证。尽管目前直接支持 ctDNA 与炎症指标联合 务是通过随机对照试验验证该模型的临床效用与
应用于CRC的前瞻性研究尚不多见,但这一思路在 干预价值。例如,针对模型定义的“高危复发组”,
其他癌种(如肝癌)中已显示出协同预测价值,为研 可设计试验比较“标准辅助化疗”与“强化治疗”(如
究提供了间接佐证和理论参照 [44] 。如何将连续变 化疗联合塞来昔布)的疗效差异;对于模型判定的
化的炎症指标与 ctDNA 的定性结果进行有效整合 “极低危组”(特征如ctDNA 持续阴性且炎症指标稳
并确立其临床意义,是构建预测模型的核心难点。 定于低位),则可开展非劣效性试验,探索“主动监

