《Scientific Reports》：Conditional survival and prognostic nomogram for distant metastatic differentiated thyroid cancer after total thyroidectomy
编辑推荐：
本研究针对远处转移分化型甲状腺癌（DM-DTC）患者术后长期预后评估难题，通过分析SEER数据库中1,235例接受甲状腺全切除术患者的临床数据，首次构建了基于条件生存（CS）的动态预后列线图模型。该模型整合年龄、性别、组织学类型、肿瘤大小和放射性碘治疗（RAIT）五个关键预后因素，验证显示C-index达0.707-0.713，成功实现风险分层。研究成果为DM-DTC个体化随访策略制定提供了实时动态预测工具，推动甲状腺癌精准医疗发展。
甲状腺癌作为内分泌系统最常见的恶性肿瘤，近年来发病率呈现持续上升趋势。其中分化型甲状腺癌（DTC）约占所有甲状腺癌病例的90%以上，主要包括乳头状甲状腺癌（PTC）、滤泡状甲状腺癌（FTC）和嗜酸细胞甲状腺癌（OTC）。大多数DTC患者经过规范化治疗后预后良好，但仍有6%-34%的患者会发生远处转移（DM），发展为远处转移分化型甲状腺癌（DM-DTC）。一旦发生远处转移，患者的生存率将显著降低，5年生存率从96.8%骤降至48.3%，10年生存率更是降至34.2%，严重威胁患者生命健康。
传统生存分析方法主要基于固定时间点（如3年或5年生存率）评估预后，这种静态评估方法难以准确反映长期存活患者的实际生存概率变化。特别是对于已经存活一定时间的患者，其后续生存概率可能随着存活时间的延长而发生变化，但传统方法无法捕捉这种动态变化规律。临床实践中，医生和患者都迫切需要一种能够实时更新、个性化强的预后评估工具，以便更准确地预测患者未来的生存情况，并据此制定个体化的随访和治疗策略。
针对这一临床需求，沈阳医学院附属第二医院普通外科孙成林教授和吴际教授团队开展了一项创新性研究，首次将条件生存（Conditional Survival， CS）分析方法应用于DM-DTC患者的预后评估，并成功构建了动态预测列线图模型。该研究成果发表在《Scientific Reports》期刊上，为DM-DTC的精准医疗提供了重要工具。
研究人员主要采用了回顾性队列研究设计，数据来源于美国监测、流行病学和最终结果（SEER）数据库2004-2019年期间的病例资料。通过严格的纳入排除标准，最终筛选出1,235例接受甲状腺全切除术的DM-DTC患者。研究运用条件生存分析公式CS(y/x)=OS(y+x)/OS(x)计算动态生存概率，采用最小绝对收缩和选择算子（LASSO）回归筛选预后因素，通过多变量Cox回归构建预测模型，并利用一致性指数（C-index）、校准曲线、受试者工作特征（ROC）曲线和决策曲线分析（DCA）等方法验证模型性能。
总体生存与条件生存分析
研究结果显示，1,235例DM-DTC患者的中位随访时间为51个月，期间共有452例（36.6%）患者死亡。传统生存分析显示，患者的3年、5年和10年总体生存（OS）率分别为81.7%、70.4%和46.9%。而条件生存分析则揭示了一个令人鼓舞的现象：随着患者存活时间的延长，其后续生存概率逐步提高。具体而言，实现10年累积生存率的概率从最初的46.9%逐渐上升，在存活1年后升至51.1%，存活2年后升至54.4%，存活3年后升至57.5%，存活4年后升至61.5%，存活5年后升至66.7%，存活6年后升至72.3%，存活7年后升至79.6%，存活8年后升至85.5%，最终在存活9年后达到93.5%。这一发现表明，DM-DTC患者每多存活一年，其后续长期生存的可能性都会相应增加，这为临床医生调整随访策略和缓解患者焦虑提供了重要依据。
预后列线图模型的构建
通过LASSO回归结合10折交叉验证，研究团队筛选出五个独立预后因素：年龄（以55岁为界值）、性别、组织学类型、肿瘤大小和是否接受放射性碘治疗（RAIT）。多变量Cox回归分析进一步证实了这些因素对OS的显著影响（P<0.05）。基于这些因素，研究人员成功构建了CS-列线图模型，该模型能够预测3年、5年和10年的OS以及不同时间点的10年条件生存概率。
列线图模型的验证与评估
模型在训练队列和验证队列中均表现出良好的预测性能。训练队列的C-index为0.707（95% CI：0.675-0.739），验证队列为0.713（95% CI：0.669-0.759），表明模型具有稳定的判别能力。校准曲线显示预测生存率与实际观察值高度一致。ROC曲线分析显示，训练队列中3年、5年和10年的曲线下面积（AUC）分别为0.724、0.727和0.802，验证队列分别为0.738、0.706和0.793。决策曲线分析证实模型在3年、5年和10年时均具有临床实用价值。
基于列线图的风险分层系统
根据列线图模型计算每位患者的总风险评分，以83.48分为最佳截断值，将患者分为低风险组（总分<83.48）和高风险组（总分>83.48）。Kaplan-Meier生存分析显示，两组患者在训练队列和验证队列中均存在显著生存差异，证实该风险分层系统能有效区分患者的预后。
本研究首次系统评估了DM-DTC患者甲状腺全切除术后的条件生存模式，揭示了患者生存概率随存活时间延长而动态改善的规律。研发的CS-列线图模型不仅克服了传统静态预后评估的局限性，还能实现个体化、实时动态的生存预测，为临床医生调整治疗策略和随访计划提供了科学依据。特别是基于模型的风险分层系统，能够有效识别高危患者，指导差异化随访策略：低风险患者可适当延长随访间隔，减轻医疗负担；高风险患者则需要加强监测和干预。
研究的创新之处在于将条件生存概念引入DM-DTC预后评估领域，并成功构建了首个针对该人群的动态预测工具。然而，作者也指出研究存在若干局限性，包括回顾性设计可能带来的偏倚、约半数患者随访时间不足5年、缺乏外部验证、SEER数据库未包含BRAF/TERT突变等分子标志物信息等。未来研究需要整合更多预后因素，在更广泛人群中验证模型的适用性，并通过长期随访不断完善预测精度。
总体而言，这项研究为DM-DTC的预后管理提供了新思路和新工具，推动了甲状腺癌预后评估从静态向动态、从群体向个体的转变，具有重要的临床意义和推广价值。随着更多验证和完善，这一模型有望成为DM-DTC患者长期管理的标准工具，最终改善患者生存质量和预后。
