天津市肿瘤医院张会来教授团队分析原发性胃肠道滤泡性淋巴瘤的流行病学和预后

天津大果果 · 发表于 2024-3-9 19:12:21

原发性胃肠道滤泡性淋巴瘤
原发性胃肠道滤泡性淋巴瘤(PGI-FL)较为罕见，但近年来随着医疗技术的进步，特别是内镜技术和设备的进步，PGI-FL被越来越多地发现和报道。与结内FL (N-FL)相比，PGI-FL具有相同的免疫组织化学特征和标志性t(14;18)易位，但PGI-FL多表现为局部病变和惰性行为。此外，与FL预后不良相关的组织学转化(HT)在PGI-FL中极为罕见，迄今仅有极少数病例报道。

由于发病率较低，目前关于PGI-FL的研究多为病例报告和回顾性研究，队列规模较小，长期结果尚不清楚。此外，根据N-FL的风险评估系统 (FLIPI或FLIPI2)，大多数PGI-FL患者归为低危或中危。

张会来教授团队基于一个大型的基于人群的数据库(SEER数据库)开展一项回顾性研究，以描述PGI-FL的发病率、临床特征和生存趋势，并建立预后列线图以协助准确评估预后。该研究是目前最大样本量的 PGI-FL 研究，结果近日发表于《British Journal of Haematology》，通讯作者为张会来教授和王先火教授。

研究结果
PGI-FL的发病率

1975年至2020年 PGI-FL 的总体年龄校正发病率为0.11/10万。在过去四十年中发病率相对稳定地增加，APC为1.87%（95%CI 1.22-2.52，p

男性发病率高于女性，黑人发病率低于其他人种。当按年龄分组时，≥60岁患者的发病率远高于

PGI-FL患者的临床特征

共纳入1648例病理学确诊且具有Ann Arbor分期和完整随访信息的PGI-FL患者，基于原发部位分层的基线特征及其对比见表2。诊断时的中位年龄为62.0岁，大多数患者为白人；男性占队列的51.6%，未观察到性别的显著差异。大多数患者为 Ann Arbor I/II 期和组织学1-2级。PGI-FL部位以小肠 (67.8%) 最多见，尤其为十二指肠 (37.6%)。在原发部位方面，与小肠 (16.5%) 或大肠病例 (20.8%，p

PGI-FL与N-FL的对比

共纳入34892例 N-FL 患者，下表列出 PGI-FL 和 N-FL 患者的基线特征。倾向性评分匹配前，PGI-FL患者中组织学3级(9.8% vs.17.6%，p

根据生存分析，PGI-FL和 N-FL 患者的中位 OS 分别为207个月和165个月，两组均未达到中位疾病特异性生存期（DSS）。还在两组进行了1:4 倾向性评分匹配（PSM）分析，以减少偏倚的影响；对p

组织学转化可改变 FL 的惰性临床病程，并与不良预后相关。本研究中定义首次诊断为 FL 并随后诊断为 DLBCL 作为第二种肿瘤的患者为发生组织学转化（HT）。至随访期结束，共有54例 PGI-FL 患者和1508例 N-FL 患者出现HT。如图2所示，N-FL的5年、10年和15年 HT 累积发生率分别为2.6%、4.0%和4.9%，PGI-FL 患者中相应的累积发生率分别为2.1%、3.4%和4.1%。

生存分析

采用Kaplan-Meier法评价所有 PGI-FL 患者的 OS 和DS，女性患者比男性患者的OS更长，但DSS 无统计学差异；年龄较大与 OS 和 DSS 较差均显著相关（≥80 vs 70-79 vs 60-69 vs

构建和验证列线图

根据训练数据集中多因素 Cox 分析的结果，建立了预测1年、5年和10年 OS 和 DSS 的列线图（图3 C,D）。在训练队列中，预测1年、5年和10年 OS 的列线图的 AUC 值分别为0.832、0.814和0.818，而1年、5年和10年 DSS 的值分别为0.847、0.839和0.825；验证队列的结果相似。这些结果表明，新建立的列线图相当准确。在训练队列和验证队列中，校准曲线显示预测和实际观察结果之间具有极好的一致性。

列线图在风险分层中的表现

为了进一步验证该预测模型的可行性，根据 OS 列线图生成的评分，将训练队列中的PGI-FL患者分层为低、中和高危组。X-tile 软件确定临界值为62和103。Kaplan-Meier生存曲线显示，高危患者 OS 最差，低危患者 OS 最佳 (p

总结
该研究是目前最大样本量的 PGI-FL 研究。鉴于 PGI-FL 的罕见性，目前关于其发病率、临床特征及生存期的资料较少，而作者基于 SEER 数据库进行研究，以分析流行病学趋势并建立列线图来预测 PGI-FL 的预后。

总的来说，在过去的40年中 PGI-FL 的发病率呈上升趋势，但PGI-FL较 N-FL 预后好，DLBCL转化率较低。作者制定列线图并进行验证，可作为预测 PGI-FL 患者 OS 和 DSS 的个体化工具。该模型将所有患者分为3个风险组，可协助临床医生识别高危患者，有助于选择最佳的个体化治疗方案。

来自苹果APP客户端