基于血脂異常及相關因素的肝內膽管癌發生風險列線圖預測模型構建

徐錚澳，梁霄

（1.浙江大學醫學院附屬邵逸夫醫院 普通外科，浙江 杭州 310000；2.浙江省肝臟疾病多組學精準診治重點實驗室，浙江 杭州 310000）

方法：回顧性分析2015 年1 月—2023 年1 月于浙江大學醫學院附屬邵逸夫醫院普通外科就診的5 906 例肝臟手術患者，其中ICC 患者和非癌癥患者分別設為病例組和對照組，收集患者治療前基本資料和生化指標，將血脂指標和其余風險因素納入單因素、多因素回歸分析，篩選ICC 發生的獨立風險因素，構建列線圖預測模型評估各因素影響程度，采用受試者工作特征曲線（ROC）、校準曲線和決策曲線評估列線圖模型臨床預測效能。

結果：共納入351 例ICC 患者和2 145 例非癌癥患者，單因素分析顯示，兩組患者的性別、年齡與糖尿病、高血壓、肝硬化、乙肝、膽管結石病史、血吸蟲病史比例，以及血清甘油三酯、血清總膽固醇、血清高密度脂蛋白膽固醇（HDL-C）水平的差異均有統計學意義（均P＜0.05）。Logistic 多因素回歸分析顯示，年齡、高血壓、糖尿病、乙肝、肝硬化、低HDL-C 血癥（＜0.83 mmol/L）是ICC 發生的獨立危險因素，而肝內膽管結石病史為ICC 發生的保護因素（均P＜0.05）。根據上述風險因素構建預測ICC 發生的列線圖預測模型，繪制ROC 曲線下面積為0.771（95% CI=0.744～0.797，P＜0.001），校準曲線中預測曲線與實際曲線基本擬合，決策曲線提示該模型在風險閾值約0.1～0.4 時具有良好臨床收益且效能優于單一指標。

結論：低HDL-C 血癥與ICC 的發生密切相關，基于低HDL-C 血癥與另外6 個因素構建的列線圖預測模型可為ICC 的預防和臨床診療提供一定的參考。

肝內膽管癌（intrahepatic cholangiocarcinoma，ICC）起源于肝內膽管上皮細胞，是僅次于肝細胞癌的第二大原發性肝癌[1]，在我國男性發病率高于女性，農村發病率高于城市，65 歲以上老人發病率呈顯著上升趨勢[2]。ICC 的發生與多種危險因素相關，包括肝內膽管結石、原發性硬化性膽管炎、膽管結石、肝硬化、代謝綜合征等[3-4]，但同時仍有60%左右的ICC 患者發病時不伴有以上明確的易感因素[5]。目前，手術是ICC 唯一有效的治療方法[6-7]。然而，與肝細胞癌或肝外膽管癌相比，ICC的臨床癥狀和影像學特征常到晚期才明確，患者往往因錯過最佳手術時機導致不良預后[3,8]。因此，深入了解ICC 的危險因素并進行風險評估對于實現對ICC 高危人群的早期預防具有重要價值。

血脂異常指血清膽固醇或甘油三酯代謝異常，可表現為高脂血癥或低高密度脂蛋白膽固醇（high-density lipoprotein cholesterol， HDL-C） 血癥等[9]。血脂與ICC 發生發展的關系是目前研究的熱點[10-11]，有研究[12]表明，利用甘油三酯、載脂蛋白A1 等血脂指標構建列線圖模型，可以有效預測ICC 預后。北京協和醫院開展的一項前瞻性研究[13]通過質譜分析細胞內脂代謝產物，發現ICC 癌細胞與癌旁細胞存在顯著差異。然而，血脂異常與ICC之間的關聯仍未明確，不同類型血脂異常對ICC 發病的影響缺乏足夠的數據支持[14]。列線圖模型是一種評估疾病預后的有效手段，可量化不同風險因素對于結局的影響，構建預測模型協助臨床決策[15]。因此，本研究分析ICC 潛在風險因素，將血脂異常與其他常見危險因素共同納入列線圖模型，評估對ICC 發病預測價值，旨在為臨床早期篩查高危人群與診斷提供新的參考方向。

1 資料與方法

1.1 一般資料

選取2015 年1 月—2023 年1 月期間就診于浙江大學附屬邵逸夫醫院普外科的5 906 例肝臟手術患者為研究對象，其中術后病理和影像學證實為ICC患者設為病例組，其余非癌癥患者設為對照組。納入標準：⑴ 臨床資料、數據完整；⑵ 年齡＞15 歲；⑶ 患者及家屬已簽署知情同意書。排除標準：⑴ 既往有腹部手術史或接受過輔助治療，包括化療、靶向免疫、介入、消融、放療等；⑵ 既往罹患惡性腫瘤；⑶ 心、肺、肝、腎功能嚴重受損者。本研究已通過浙江大學醫學院附屬邵逸夫醫院倫理委員會審批（倫理審批號：2020/2802）。

1.2 觀察指標

患者一般情況包括性別、年齡、體質量指數（BMI）、糖尿病史、高血壓史、肝硬化、乙肝病毒感染史、膽管結石病史、膽囊結石病史、血吸蟲病史、原發性硬化性膽管炎病史、脂肪肝病史、潰瘍性結腸炎病史；實驗室檢查數據包括術前1 個月內甘油三酯（triglyceride，TG）、總膽固醇（total cholesterol，TC）、HDL-C、低密度脂蛋白膽固醇（low-density lipoprotein cholesterol，LDL-C）。

1.3 統計學處理

應用SPSS 26.0 軟件和R 語言軟件進行統計學分析。計量資料以均數±標準差（±s）或中位數（四分位間距）[M（IQR）]表示，組間比較采用獨立樣本t檢驗或Mann WhitneyU檢驗；計數資料用例數（百分比）[n（%）]表示，組間比較采用χ2檢驗。將組間比較有明顯差異的指標納入多因素Logistic 回歸篩選獨立危險因素，構建列線圖預測模型評估各因素對發病率影響，采用校準曲線、 受試者工作特征曲線（receiver operating characteristic curve，ROC）、曲線下面積（area under curve，AUC）、擬合曲線和決策曲線評估預測模型臨床效益[16-18]，P＜0.05 為差異有統計學意義。

2 結 果

2.1 患者一般情況

根據納入、排除標準，本研究共納入ICC 患者351 例和非癌癥對照患者2 145 例，其中共有男性1 055 例，女性1 441 例；年齡16～94 歲；糖尿病179 例，高血壓445 例，肝硬化270 例，乙肝759 例，膽管結石838 例，膽囊結石720 例，脂肪肝613 例，血吸蟲病66 例，原發性硬化性膽管炎和潰瘍性結腸炎患者均不足5 例，兩組臨床資料比較如表1所示。單因素分析結果表明，兩組患者性別、年齡與糖尿病、高血壓、肝硬化、乙肝、膽管結石病史、血吸蟲病史比例，以及TG、TC、HDL-C 水平差異有統計學意義（均P＜0.05）。

表1 兩組患者臨床資料比較Table1 Comparison of clinical data between two groups of patients

2.2 ICC發生的危險因素分析

根據本中心檢驗科參考值范圍將血脂水平二分類處理，對具有統計學意義的因素進行多因素Logistic 回歸，發現高齡、高血壓、糖尿病、肝硬化、乙肝、低HDL-C 血癥（HDL-C＜0.83 mmol/L）為ICC 發生的獨立危險因素，肝內膽管結石病史為ICC 發生的保護因素（P＜0.05）（表2）。

表2 ICC發生風險的多因素Logistic回歸分析Table 2 Multivariate Logistic regression analysis of risk factors for occurrence of ICC

2.3 預測ICC發病風險的列線圖模型構建

將年齡、高血壓、糖尿病、肝硬化、乙肝、膽管結石、低HDL-C 血癥（HDL-C＜0.83 mmol/L）作為影響因子構建列線圖預測模型（圖1）。

圖1 預測ICC發生的列線圖模型Figure 1 Nomogram model for predicting the ocurrence of ICC

2.4 預測模型效能驗證

根據多因素回歸獨立危險因素，繪制校準曲線顯示，該列線圖預測模型的實際曲線和理想曲線吻合度較好，提示預測模型與臨床實際具有較好的一致性（圖2A）。繪制ROC 曲線，預測患者ICC 發病率的AUC 為0.771 （95%CI=0.744～0.797，P＜0.001）（圖2B）。繪制決策曲線顯示，在風險閾值約為0.1～0.4 時，該列線圖預測模型有較好的臨床收益且明顯高于單個風險因素預測價值（圖2C）。

圖2 預測模型效能驗證 A：校準曲線；B：ROC曲線；C：決策曲線Figure 2 Validation of predictive model performance A: Calibration curve; B: ROC curve; C: Decision curve

3 討 論

隨著乙肝疫苗普及和人們生活水平提高，肝細胞癌患病例數逐漸減少，ICC 愈發值得重視[2,19-20]。國內外ICC 診療專家共識均指出患者肝硬化、原發性硬化性膽管炎、肝內膽管結石為ICC發病的高危因素，建議定期復查，而對于血脂異常、糖尿病等風險因素仍缺乏細致的指導[21-22]。脂質代謝與癌癥的發生與轉移關系密切[23]，本研究針對血脂異常的4 種類型，基于本中心普通外科患者篩選ICC 患者和非癌患者，將血清脂值水平與其他風險因素納入回歸分析，發現年齡、高血壓、糖尿病史、乙肝、肝硬化、膽管結石、低HDL-C血癥為ICC 發生獨立風險因素，構建列線圖預測模型量化評估各風險因素影響程度，并通過擬合曲線、ROC 曲線和決策曲線驗證預測模型可靠性。

3.1 血脂異常與ICC

HDL-C 作為膽固醇從外周細胞轉移至肝臟進行代謝分解的主要載體，對于降低血脂起重要作用[24]。同時HDL-C顆粒內包含少量維生素、micro RNA及激素等物質，通過抗氧化、抗缺血再灌注損傷、內皮細胞募集、抗血栓、免疫調節等保護機制，在肝臟脂質代謝、心血管循環系統及免疫應答中起重要作用[25-28]。HDL-C 顆粒功能受機體內環境影響，有研究[29]發現，在某些疾病情況下，僅提升血HDL-C 濃度并不能發揮HDL-C 相應的作用，此時HDL-C 濃度不再是代表HDL-C 功能的有效指標。同時有研究[30]指出不應僅關注低HDL-C 這一血脂指標，需要探尋HDL-C 與其他因素的關聯，共同評估影響。本研究發現，低HDL-C 血癥是預測ICC發生的獨立風險因素，通過列線圖模型發現血清HDL-C 水平低于0.83 mmol/L 時評分20 分，影響程度高于罹患高血壓、糖尿病、肝硬化。一項Meta分析[31]發現血清HDL-C 水平偏低肝癌發生顯著關聯，與本研究結果一致，但是組間差異較大。有研究[12]表明，較高的血脂水平反而利于ICC 患者在接受PD-1 治療后的預后。相對混雜的結論提示血脂本身并非高敏感度檢測指標，血脂異常與肝癌之間關聯仍需更深入地探究。代謝組學是目前研究熱點，為ICC 的診斷和發病機制探索開拓了思路。有研究[13]利用質譜分析檢測血清脂質代謝物和氨基酸代謝物，構建預測模型鑒別ICC、肝細胞癌和原發性硬化性膽管炎，診斷效能顯著高于常用的腫瘤標志物如AFP、CA19-9 等。脂質代謝重編程與多種癌癥關系已得到證實，有研究[32]利用RNA-seq 分 析 ICC circRNA 表 達 譜 ， 發 現circMBOAT2 通過脂質代謝通路可對ICC 細胞氧化應激造成影響，為ICC 的診療提供新思路。

3.2 血脂異常與其他相關風險因素

本研究發現糖尿病、高血壓、肝硬化、乙肝均為ICC 的危險因素。糖脂代謝關系密切，有研究[33]表明，白色脂肪細胞通過控制脂質和蛋白分泌，可造成慢性炎癥損傷與胰島素抵抗。一項針對非酒精性脂肪肝疾病的研究[34]發現，巨噬細胞清道夫受體可以通過脂代謝途徑介導對肝臟的炎癥損傷，促進肝纖維化等非酒精性肝病進展。HBV 感染是ICC 發生的主要風險因素之一，但是其發病機制還不明確，有研究[35]通過類器官技術和病理切片染色發現，乙肝相關性ICC 可能起源于肝細胞，且HBV 陽性的患者預后差于HBV 陰性患者。慢性乙肝和脂肪肝的管理仍是目前難點，有研究[36]發現，肝細胞脂肪樣變可以抑制乙肝病毒活性，且脂質代謝紊亂不利于乙肝病毒長期治療的檢測，目前臨床指南建議在積極治療脂肪肝的前提下加強對乙肝病毒的檢測。膽管結石與ICC 關系已明確，已有多項研究[37-38]表明膽管結石造成的慢性炎癥及細胞因子的異常表達促進ICC 的發生，而本研究發現膽管結石是ICC 發生的保護因素顯然與常規認知相悖。一方面本研究納入的非癌癥對照組因膽管結石行切除術的患者比例超過30%，另一方面大部分ICC 患者發病時不伴有明確風險因素，可以通過監測膽管結石來早期預防ICC 發生的患者只占很少比例。該反常結果也提示建立綜合性診斷模型評估ICC 發生風險的必要性。

3.3 列線圖預測模型優勢與局限性

本研究基于相關風險變量成功構建了評估ICC發生的列線圖預測模型，ICC 發生風險隨年齡增大而增大，60 歲時風險評分可達54 分；罹患高血壓、糖尿病、乙肝、肝硬化風險評分均在10 分左右，血HDL-C 低于0.83 mmol/L 評分可達20 分。AUC 為0.771 （95%CI=0.744～0.797，P＜0.001），提示較好的預測價值。校準曲線顯示預測值和實際值具有較好的一致性。決策曲線顯示該預測模型的凈效益閾值約為0.1～0.4，綜合各風險因素預測ICC 發生效果顯著優于僅評估單個指標，可有效幫助臨床決策。本研究構建的列線圖模型存在以下優勢：⑴ 相較于代謝組學分析小分子代謝物構建的診斷模型，本研究納入的數據均為臨床常用的生化指標，可作為常規篩查工具在各級醫療中心大規模應用，對臨床實踐有實際指導作用；⑵ 本研究首次將低HDL-C 血癥納入分析，與其他風險因素如肝硬化、糖尿病等共同量化評估ICC 發生的風險程度，相對直觀的風險評分有助于提高患者長期健康管理的依從性，最終達到降低人群ICC 發病率的目標。然而本研究存在一定局限性，本研究作為單中心回顧性分析，收集的血清生化指標均為患者明確罹患疾病就診時的數據，若構建前瞻性多中心隊列長期隨訪血脂異?；颊逫CC 發病率得出的結論將更有指導意義。同時本研究缺乏外部隊列，需要開展進一步多中心研究來驗證此列線圖預測模型可靠性。此外，ICC 發生潛在風險因素眾多，本研究難以覆蓋所有因素納入分析。因此，將來需要進一步的大樣本隊列研究分析潛在的ICC 風險因素，并結合基礎研究明確發病機制，提出可靠的ICC 風險預測模型協助臨床診療。

綜上所述，本研究基于年齡、高血壓、糖尿病、肝硬化、乙肝、膽管結石、低HDL-C 血癥構建列線圖模型，有效評估血脂異常對于ICC 發生的風險程度，有助于臨床實踐中ICC 的預防和早期識別。

利益沖突：所有作者均聲明不存在利益沖突。

作者貢獻聲明：徐錚澳負責數據整理、統計分析、論文撰寫；梁霄負責研究指導，論文修改。