การเพิ่มคุณค่าการพยากรณ์ของดัชนีทางโลหิตวิทยาสำหรับอัตราการรอดชีพของผู้ป่วยมะเร็งหลังโพรงจมูกระยะไม่แพร่กระจาย

ที่มา: การพยากรณ์อัตราการตายในโรคมะเร็งหลังโพรงจมูกด้วยระยะโรค ถึงแม้จะมีการจัดระยะโรคใหม่ในปี2561 ยังคงมีข้อจำกัดเรื่องความแม่นยำของการพยากรณ์โรค ที่ผ่านมาได้มีการศึกษาทีถึงปัจจัยทางโลหิตวิทยา ต่อการตอบสนองต่อเซลล์มะเร็งของร่างกายโดยพัฒนาเป็นแบบจำลองการพยากรณ์ทางคลินิค การศึกษานี้จัดทำขึ้นเพื่อพิสูจน์สมมติฐานว่าปัจจัยทางโลหิตวิทยาเหล่านี้มีคุณค่าเพิ่มที่ชัดเจนหรือไม่ในการพยากรณ์อัตราการรอดชีวิตในโรคมะเร็งหลังโพรงจมูกวิธีการศึกษา: การศึกษานี้เป็นการศึกษาแบบย้อนหลังโดยเก็บข้อมูลผู้ป่วยมะเร็งหลังโพรงจมูกของโรงพยาบาลศิริราชตั้งแต่ปี 2550-2557 ที่ได้รับการรักษาด้วยการฉายรังสีแบบ3มิติแปรความเข้มรังสี ทั้งที่ฉายรังสีอย่างเดียวหรือฉายรังสีร่วมกับยาเคมีบำบัด นอกเหนือจากปัจจัยการพยากรณ์พื้นฐาน เช่น อายุ เพศ ระยะโรค และผลพยาธิวิทยา มีการเก็บข้อมูลเพิ่มเติมคือผลเลือดของผู้ป่วยตั้งแต่ก่อนเริ่มการรักษา ได้แก่ Neutrophil lymphocyte ratio (NLR) Lymphocyte monocyte ratio (LMR) และ platelet lymphocyte ratio (PLR) ตลอดช่วงการรักษาและภายหลังการรักษาภายใน 1 ปี และนำมาวิเคราะห์เพื่อหาการเพิ่มคุณค่าการพยากรณ์โรคด้วย parametric survival model ค่าที่เพิ่มขึ้นของ discrimination index ( Harrell’s C-index ) ทั้งจากแบบจำลองก่อนการรักษา และแบบจำลองตามการเปลี่ยนแปลงเวลา (dynamic prediction)ผลการศึกษา: ผู้ป่วยมะเร็งหลังโพรงจมูกในการศึกษาทั้งหมด 465 ราย ส่วนใหญ่ประมาณ 80 % อยู่ในระยะ III-IVb และ 35% มีผลทางพยาธิวิทยาเป็น Non-squamous cell carcinoma with differentiation เมื่อติดตามเป็นระยะเวลา 5.2 ปี พบว่าผู้ป่วย 168 (36%) รายเสียชีวิต ผลการวิเคราะห์แบบค้นหา (exploratory analysis) พบจุดตัดที่ทำให้C statistics สูงสุด ของ NLR , LMR และ PLR อยู่ที่ค่า 3.0, 3.2 และ 159 ตามลำดับ โดยค่า NLR ที่สูงจะมีอัตราการตายที่สูงกว่าค่า NLR ที่ต่ำแต่ในทางตรงกันข้ามค่า LMR ที่สูงจะมีอัตราการตายที่ต่ำกว่า ในขณะที่ PLR ในการศึกษานี้ไม่สามารถนำมาพยากรณ์ได้ เมื่อนำปัจจัยดังกล่าวเพิ่มเติมเข้าแบบจำลองที่มีปัจจัยระยะโรคพบคุณค่าที่เพิ่มขึ้นของ NLR คือ 1% และมีนัยสำคัญทางสถิติ (95%CI=0.2% to 2%, p value = 0.02) ซึ่งทำให้C statistics รวมเป็น 0.67 (95%CI=0.63 to 0.72) ส าหรับ LMR คือ 1% และมีนัยสำคัญทางสถิติ (95%CI=0.4% to 2%, p value = 0.006) ซึ่งทำให้C statistics รวมเป็น 0.68 (95%CI=0.63-0.72) และสำหรับ PLR คือ 0.2% และไม่มีนัยสำคัญทางสถิติ (95%CI= - 1% to 1%) และท าให้C statistics รวมไม่เพิ่มขึ้นคือ 0.66 (95%CI=0.62 to 0.71) นอกจากนี้ในการวิเคราะห์ค่า NLR ตามแบบจำลองตาม Dynamic prediction พบว่าค่า C statistics จาก univariable analyses เพิ่มขึ้นคือเป็น 0.60 เทียบกับค่า C statistics จากแบบจำลองก่อนการรักษาที่ได้ค่าเพียง 0.54 และทุก ๆ หนึ่งหน่วยของ NLR ที่เพิ่มขึ้นจะท าให้อัตราการตายมากขึ้นถึง 10.5 % อย่างมีนัยสำคัญทางสถิติ สุดท้ายการศึกษานี้ได้ทำการวิเคราะห์ระยะย่อยของโรคโดยการใช้ค่า NLR และ LMR เข้าไปในระยะโรคเดิม ซึ่งสามารถแยกอัตราการรอดชีวิตในแต่ละระยะของโรคได้มากยิ่งขึ้นสรุปผลการศึกษา: NLR และLMR มีคุณค่าที่เพิ่มขึ้นของการพยากรณ์การรอดชีวิตจากโรคมะเร็งหลังโพรงจมูก ทั้งนี้การใช้ผล NLR ทั้งก่อน ระหว่างและหลังการรักษาจะสามารถพยากรณ์ได้แม่นยำกว่าการใช้ผล NLR เพียงก่อนการรักษาเพียงอย่างเดียว และทั้ง NLR และ LMR สามารถประกอบกับระยะโรคมาตรฐานเพื่อเป็นระยะโรคย่อยของโรค ซึ่งเสมือนเป็นการจัดกลุ่มเสี่ยงย่อยเพื่ออาจพิจารณาการรักษาเพิ่มเติมได้ตามความเหมาะสม

本数据集源自一项针对鼻咽癌（nasopharyngeal carcinoma, NPC）的临床分期相关性死亡率预测研究。尽管2018年（泰历2561）更新了癌症分期标准，现有疾病预测模型仍存在精度局限。既往研究已探讨血液学生物标志物对机体抗肿瘤免疫应答的影响，并据此开发了临床预测模型。本研究旨在验证此类血液学生物标志物能否为鼻咽癌患者的生存率预测提供明确的增量价值。

研究方法：本研究为回顾性队列研究，纳入了2007年至2014年（泰历2550-2557）泰国诗里拉吉医院收治的鼻咽癌患者，所有患者均接受了三维调强放射治疗（3D intensity-modulated radiation therapy），包括单纯放疗或联合化疗。除年龄、性别、临床分期、病理结果等基础预测因素外，研究团队还收集了患者治疗前、治疗期间及治疗后1年内的血液学指标，包括中性粒细胞与淋巴细胞比值（Neutrophil lymphocyte ratio, NLR）、淋巴细胞与单核细胞比值（Lymphocyte monocyte ratio, LMR）及血小板与淋巴细胞比值（Platelet lymphocyte ratio, PLR）。采用参数生存模型分析上述指标对疾病预测的增量价值，包括区分度指标哈雷尔C指数（Harrell’s C-index）的增量，并对比了基线预测模型与动态预测（dynamic prediction）模型的表现。

研究结果：本研究共纳入465例鼻咽癌患者，其中约80%处于III~IVb期，35%的患者病理类型为伴分化非鳞状细胞癌。中位随访时间为5.2年，期间共有168例（36%）患者死亡。探索性分析显示，NLR、LMR及PLR的最优截断值分别为3.0、3.2及159。其中，较高的NLR与更高的死亡率显著相关，而较高的LMR则与更低的死亡率呈负相关；本研究中PLR未表现出独立预测价值。将上述指标加入包含临床分期的基础模型后，NLR可带来1%的区分度增量，且具有统计学显著性（95%CI=0.2%~2%，p=0.02），此时联合模型的C指数为0.67（95%CI=0.63~0.72）；LMR可带来1%的区分度增量，且具有统计学显著性（95%CI=0.4%~2%，p=0.006），联合模型的C指数为0.68（95%CI=0.63~0.72）；PLR仅带来0.2%的区分度增量，且无统计学显著性（95%CI=-1%~1%），联合模型的C指数仍为0.66（95%CI=0.62~0.71）。此外，针对NLR的动态预测分析显示，单变量分析的C指数为0.60，高于基线模型的0.54；NLR每升高1个单位，患者死亡风险显著升高10.5%。最后，本研究通过将NLR与LMR加入标准临床分期模型，实现了更精细的疾病分层，可更好地区分各分期患者的生存率。

研究结论：NLR与LMR可为鼻咽癌患者的生存预测提供显著增量价值。相较于仅采集治疗前的NLR指标，采集治疗前、治疗期间及治疗后的NLR指标可获得更精准的预测效果。此外，NLR与LMR可与标准临床分期结合，实现更细致的风险分层，从而为个体化强化治疗方案的制定提供参考依据。