宫颈癌患者血清SCC、HE4和TSGF的表达水平及其与复发的相关性：一项回顾性研究

《Frontiers in Medicine》：Expression levels of serum SCC, HE4, and TSGF in cervical cancer patients and their correlation with recurrence: a retrospective study

　　**摘要**

**目的**：这项回顾性研究旨在评估将治疗前血清肿瘤标志物与临床病理特征结合用于预测宫颈癌患者复发风险的实用性。

**方法**：分析纳入了107名经病理学确诊的宫颈癌患者，这些患者已完成初始治疗。根据3年内的复发情况，患者被分为复发组（n=27）和非复发组（n=80）。在治疗前后测量了鳞状细胞癌抗原（SCC）、人附睾蛋白4（HE4）和肿瘤特异性生长因子（TSGF）的血清水平。计算了动态变化（ΔSCC、ΔHE4、ΔTSGF）、SCC/HE4比值以及综合LogitScore。评估了与临床病理特征的相关性，并使用接收者操作特征（ROC）曲线分析评估了每个指标的预测效能。Cox回归模型确定了与无复发生存（RFS）相关的因素。

**结果**：治疗前血清SCC、HE4、TSGF、SCC/HE4比值和LogitScore在复发组显著升高。非复发组这些标志物的治疗后下降更为明显。复发组中高级FIGO分期（III-IV）的比例更高，肿瘤直径（>4 cm）更大，淋巴结转移和淋巴血管空间侵犯更常见。这些肿瘤标志物水平与不良病理特征呈正相关。综合LogitScore在预测复发方面表现出最高的ROC曲线下面积（0.983）。多变量分析确定FIGO分期III-IV、HE4 > 140 pmol/L和高风险LogitScore是缩短RFS的独立风险因素。

**结论**：在治疗前血清HE4、综合LogitScore和FIGO分期的结合，在这项探索性、内部验证的分析中，代表了一组有前景的宫颈癌复发预测指标。该模型在同一队列中开发和评估，显示出早期识别高风险患者的潜在临床价值，尽管其性能需要在独立的外部队列中进一步验证。

**1 引言**

宫颈癌是全球女性中常见的恶性肿瘤，治疗后复发是决定患者预后的主要因素。复发机制涉及多种病理生理过程，包括微小残留疾病、治疗耐药性和肿瘤微环境内的相互作用。当前的临床实践依赖于影像学检查和病理特征来评估复发风险；然而，传统指标受灵敏度不足或时效性延迟的限制。血清肿瘤标志物如鳞状细胞癌抗原（SCC）和人附睾蛋白4（HE4）已被证明与宫颈癌进展相关，但这些标志物的动态变化及其在预测复发中的联合效用仍未得到充分阐明。肿瘤特异性生长因子（TSGF）作为一种广谱肿瘤标志物，在多种恶性肿瘤中表达升高；然而，其在监测宫颈癌复发中的作用仍需进一步研究。最近的研究表明，结合多个标志物构建预测模型可以提高恶性肿瘤预后的准确性；然而，关于宫颈癌复发风险的综合指标的研究仍然很少。现有的研究主要局限于单个时间点的标志物评估，缺乏对治疗前后动态变化的纵向分析。尽管像FIGO分期和淋巴结转移这样的临床病理特征被广泛认为是预后因素，但它们与血清标志物的协同预测效能尚未得到系统评估。当前的预测模型主要基于回顾性数据，缺乏前瞻性验证，并且没有充分考虑治疗方式对标志物水平的影响。此外，现有标志物的临界值主要来自西方人群，可能不适用于中国人群。这些限制导致了临床实践中复发风险评估的准确性不足，迫切需要开发一个整合多维度指标的预测框架。

**2 材料与方法**

**2.1 研究人群和患者选择**

这项单中心回顾性队列研究分析了现有的临床数据，未实施任何主动干预措施，因此排除了传统的“干预方法”。研究遵循观察性研究标准，侧重于历史数据收集、实验室结果的回顾性分析和随访结果评估。研究团队系统地审查了2023年3月1日至2025年3月31日期间在我们机构诊断出的所有宫颈癌患者的电子病历。最初的筛选确定了187例潜在病例。经过严格的纳入和排除标准后，107名患者被纳入最终分析队列。根据中位随访期间的复发情况，患者被分为复发组（n=27）和非复发组（n=80）。

**2.2 纳入和排除标准**

**纳入标准：**
- 经组织病理学检查确认的原发性宫颈癌（包括鳞状细胞癌、腺癌和其他罕见亚型）的初步诊断；
- 在我们机构完成初始根治性治疗（包括但不限于根治性手术、根治性放疗或同步化疗），并具有完整的治疗记录；
- 有合格的空腹外周血血清样本，用于回顾性测量SCC、HE4和TSGF；
- 全面的基线临床病理数据（例如FIGO分期、组织类型、分化程度）和结构化的治疗后的随访记录。

**排除标准：**
- 诊断时存在远处转移（FIGO分期IVB）；
- 有其他活动性或既往恶性肿瘤的历史（不包括非黑色素瘤皮肤癌）；
- 孕期或哺乳期；
- 严重肾功能障碍（估计的肾小球滤过率< 60 mL/min/1.73 m2），以减少对HE4等标志物的混淆影响；
- 缺失关键临床数据、血清样本或随访信息，阻碍分析。

**2.3 研究程序**

方法侧重于对现有生物样本和临床数据的标准化回顾性分析。

**临床数据提取和标准化：**两名受过培训的研究人员使用预定义的标准化表格独立从医院信息系统（HIS）和实验室信息系统（LIS）中提取数据。提取的变量包括人口统计信息、诊断时的详细病理和影像学报告、全面的治疗方案和时间线、连续的肿瘤标志物测量结果以及影像学重新评估结果。通过讨论或由高级研究人员裁决解决差异。

**血清样本检测和质量控制：**所有分析的血清样本均在任何治疗前收集，并储存在-80°C的生物库中。样本在分析前在4°C下解冻。SCC和HE4的水平分别使用罗氏Cobas e 801和雅培Architect i2000SR自动分析仪上的国际标准化化学发光免疫测定法进行测量。TSGF使用Hitachi 7,600自动分析仪上的特定生化比色法定量。关键的质量控制措施包括：每批样本中包含高、中和低浓度的商业对照；所有检测在仪器校准期内进行；以及参与国家临床实验室管理的外部质量保证计划。实验室人员对患者结果（复发状态）不知情。

**随访和终点定义：**随访截止日期为2025年6月30日。主要终点是无复发生存（RFS），定义为从初始治疗（手术或放疗开始日期）到首次放射学（CT、MRI或PET-CT）或病理学确认的局部复发、区域淋巴结转移或远处转移的时间。对于无事件的患者，RFS在最后一次随访日期被截断。由于招募期持续到2025年3月，最后一名患者的最大潜在随访时间为27个月。因此，我们的分析评估了观察随访期间的复发预测，而不是固定的3年期限。所有分析（ROC、Cox）均基于此时间至事件终点，“3年复发”一词在整个手稿中已移除以避免误解。

**2.4 研究变量**

研究变量旨在多维度评估血清标志物基线水平、动态变化和临床相关性。

**基线水平：**治疗前SCC（ng/mL）、HE4（pmol/L）和TSGF（U/mL）的绝对浓度是预后评估的基础。

**标志物的动态变化：**对于在治疗后第一次随访（通常在治疗完成后4-8周）有重复测量的患者，计算了从基线的绝对变化（Δ），即治疗后的值减去基线值。这样做是为了探索一部分患者（n=90，他们有配对样本）的治疗反应。由于缺乏标准的治疗后收集时间点以及整个队列数据的不完整性，这些动态变量没有纳入主要的至事件预后建模（RFS）中，后者关注的是全部107名患者。

**标志物状态的二分类：**使用检测制造商提供的临床上限参考值或权威研究的临界值（例如，SCC > 1.5 ng/mL；绝经后妇女的HE4 > 140 pmol/L；TSGF > 64 U/mL），将患者分类为“正常”或“升高”进行亚组分析。

**组合标志物指数：**计算了SCC/HE4比值和基于逻辑回归的综合评分（LogitScore），该评分结合了所有三个标志物。LogitScore来自一个以复发为因变量、三个标志量为自变量的逻辑模型。最终公式为：LogitScore = 1 / (1 + e^(-z)，其中z = -4.212 + 0.341 × SCC + 0.089 × HE4 + 0.175 × TSGF）。系数是从整个队列（n=107）估计得出的。生成每个患者的预测概率以评估联合诊断性能。高风险LogitScore定义为> 0.950，这是从ROC分析中确定的最佳临界值。

**标志物与临床病理特征之间的关联：**分析了基线血清标志物水平与关键临床病理参数（例如FIGO分期、肿瘤大小>4 cm、淋巴结状态、淋巴血管空间侵犯、组织类型）之间的相关性。

**诊断和预测性能指标：**构建了接收者操作特征（ROC）曲线，以计算使用单个和组合标志物预测复发的曲线下面积（AUC）。确定了最佳临界值以及相应的敏感性和特异性。

**生存分析指标：**主要生存终点是RFS。次要终点包括按标志物水平分层的Kaplan–Meier生存曲线比较（例如，高组与低组）以及标志物对RFS的影响的 hazard 比率（HR），无论是连续还是分类变量。

**2.5 统计分析**

所有分析均使用SPSS 26.0和R 4.3进行。

**3 结果**

**3.1 复发组与非复发组之间的基线特征比较**

在复发组和非复发组之间，年龄、体质指数、绝经状态、组织类型、分化程度或初始治疗方案等方面没有观察到统计学上的显著差异（所有p > 0.05）。然而，复发组中FIGO分期III-IV的患者比例显著较高（χ2 = 25.731，p < 0.001），肿瘤直径> 4 cm（χ2 = 7.265，p = 0.007），阳性淋巴结转移（χ2 = 18.365，p < 0.001）和阳性淋巴血管空间侵犯（χ2 = 11.624，p < 0.001）的比例显著高于非复发组。详细信息见表1和图1。表1显示了非复发组（n=80）和复发组（n=27）的特征和统计数据。统计结果显示，两组在年龄（岁）和BMI（kg/m2）上没有显著差异（p值分别为0.894和0.219），但在其他多个指标上存在显著差异（p值<0.001）。

| 特征 | 非复发组 | 复发组 | p值 |
|-------------|----------------|--------------|-----------|
| 年龄（岁） | 58.01±12.47 | 60.37±11.43 | 0.894 |
| BMI（kg/m2） | 23.41±3.67 | 24.13±3.51 | 1.237 |
| 更年期状态（是） | 57（71.3%） | 21（77.8%） | 0.712 |
| 组织学类型（SCC） | 68（85.0%） | 21（77.8%） | 0.785 |
| FIGO分期（III-IV） | 18（22.5%） | 20（74.1%） | 25.731 |
| 肿瘤大小（>4cm） | 25（31.3%） | 16（59.3%） | 7.265 |
| LN转移（阳性） | 16（20.0%） | 17（63.0%） | 18.365 |
| LVSI（阳性） | 15（18.8%） | 14（51.9%） | 11.624 |
| 分化程度（中/低） | 51（63.8%） | 21（77.8%） | 1.904 |
| 初期治疗方案 | χ2=1.985 | χ2=0.371 | |

图1显示了复发组和非复发组在FIGO分期上的分布情况。

3.2 治疗前后血清肿瘤标志物水平的比较显示，复发组患者的SCC、HE4和TSGF的术前水平显著高于非复发组（Z值分别为5.284、6.017和4.862；所有p值<0.001）。治疗后的下降幅度（ΔSCC、ΔHE4、ΔTSGF）在非复发组也更为显著（t值分别为-5.672、-4.937、-3.851；所有p值<0.001）。此外，复发组的LogitScore也显著较高（t值=6.853，p<0.001）。虽然SCC/HE4比值在两组间也存在显著差异（t值=4.125，p<0.001），但其ROC分析显示AUC仅为0.509，表明其预测性能略优于随机猜测。结果总结在表2中。

表2列出了各个血清肿瘤标志物的预测性能参数。

表3展示了预测宫颈癌3年复发率的ROC曲线分析结果。

3.5 为了评估LogitScore的预测能力，进行了内部验证。使用1000次重复的自举重采样进行了内部验证。LogitScore的乐观校正曲线下面积（AUC）为0.965（95%置信区间：0.943–0.987），乐观校正的一致性指数（C-index）为0.961（95%置信区间：0.935–0.987）。这些结果表明，该模型在单一中心队列中的预测能力并未因过拟合而显著增强。最终的多变量Cox回归模型纳入了三个独立风险因素：FIGO分期III-IV（HR=3.205，95%置信区间：1.445–7.109）、术前HE4水平>140 pmol/L（HR=2.814，95%置信区间：1.326–5.970）和高风险LogitScore（HR=3.452，95%置信区间：1.602–7.441）。多变量Cox回归模型还纳入了FIGO分期III-IV、术前HE4水平>140 pmol/L和高风险LogitScore作为独立预测因子。

3.6 单变量Cox比例风险回归分析确定了几个与较短无复发生存期（RFS）显著相关的因素：FIGO分期III-IV（HR=4.952，95%置信区间：2.245–10.927）、淋巴结转移阳性（HR=4.185，95%置信区间：1.973–8.880）、LVSI阳性（HR=3.012，95%置信区间：1.455–6.236）。未经外部验证的这些结果应被视为初步发现。

3.7 多变量Cox比例风险回归分析（逐步回归法）确定了最终的多变量模型，该模型基于预先指定的临床相关性进行选择，以确保每个变量的事件比例适当。多变量Cox回归模型确认了比例风险假设的合理性（Schoenfeld检验p=0.23）。此外，通过排除接受“主要系统治疗”的15名患者后，结果仍然一致：FIGO分期III-IV、HE4水平>140 pmol/L和高风险LogitScore仍然是显著的独立预测因子。

4 讨论部分指出，本研究评估了宫颈癌患者治疗前血清鳞状细胞癌抗原（SCC）、人附睾蛋白4（HE4）和肿瘤特异性生长因子（TSGF）水平的预后价值。结果发现，这些标志物的浓度在随后发生复发的患者中显著升高，其动态变化与治疗反应和长期预后密切相关。多维度分析显示，这些标志物不仅与侵袭性病理特征强烈相关，而且联合使用时在预测复发风险方面的效果优于任何单一标志物。此外，多变量分析表明HE4和基于这三个标志物的综合评分（LogitScore）是独立的复发预测因子。基线患者特征的比较显示，复发组在诊断时具有更侵袭性的临床病理特征，包括更晚的FIGO分期、更大的原发肿瘤直径以及更高的淋巴结转移和淋巴血管空间侵袭（LVSI）发生率。这表明传统的 demographic 和病理参数在单独预测复发风险方面的能力有限，而反映肿瘤负担和活性的血清标志物可能提供额外的信息。这种差异可能与研究人群的组织学构成、所采用的生物标志物检测方法或应用的临界值有关。必须承认这项研究的几个局限性。首先，其回顾性的单中心设计可能会导致选择偏倚，而相对有限的样本量虽然事后功效分析表明具有足够的统计能力，但在推广结论时仍需谨慎。其次，尽管我们探讨了部分患者治疗后的变化，但由于整个队列中治疗后数据的不完整性和不均匀性，主要分析和最终预测模型是基于治疗前的标志物进行的，这是回顾性研究的一个固有局限性。第三，也是最关键的，LogitScore是在同一队列中推导和评估的，尽管进行了内部自助法验证，但该模型缺乏独立的外部验证。缺乏外部验证队列限制了预测模型的普遍适用性，并强调这些发现应被视为探索性的。因此，所有性能指标，包括AUC和LogitScore的独立预测价值，都应被视为初步的结果，需要在未来研究中得到证实。未来的研究应在前瞻性的多中心环境中进行，并包含更广泛的宫颈癌组织类型，并探索将新兴的分子生物标志物（如循环肿瘤DNA）与现有的血清蛋白标志物结合，以构建更精确的复发预测模型。此外，新兴的证据表明辅助HPV疫苗接种可能在减少病毒持续存在和改善HPV相关疾病的治疗结果方面发挥潜在作用[39]。虽然这种策略主要在宫颈上皮内病变的情况下进行研究，但它代表了宫颈癌三级预防的一个有趣方向，值得结合我们研究中提出的完善的风险分层工具进一步研究。总之，这项回顾性探索性分析表明，治疗前血清中的SCC、HE4和TSGF水平与研究队列中宫颈癌患者的侵袭性肿瘤特征和复发风险显著相关。其中，HE4和综合指数（LogitScore）被确定为与临床分期无关的潜在预后预测因子。鉴于LogitScore是在同一队列中推导和评估的，缺乏外部验证，这些发现应视为探索性的，并用于提出假设。在这些标志物能够推荐用于常规临床实践之前，需要在独立的外部队列中进行进一步验证。这种综合方法有助于更早地识别高复发风险的患者，从而为制定个体化的辅助治疗和加强监测策略提供依据。