文献综述｜胰腺癌相关生存预测模型研究现状

点击上方中国实用外科杂志 可以订阅哦！

通信作者：孙备教授

通信作者：李轶龙教授

张  灿

【引用本文】张    灿，李加廷，王鑫龙，等. 胰腺癌相关生存预测模型研究现状[J]. 中国实用外科杂志,2022,42(12):1432-1435,1440.

胰腺癌相关生存预测模型研究现状

张    灿，李加廷，王鑫龙，

别    凡，李轶龙，孙    备

中国实用外科杂志,2022,42(12):1432-1435,1440

摘要

胰腺癌是一种发病隐匿、侵袭性强、早期诊断困难和恶性程度极高的消化系统肿瘤，临床治疗极具挑战性。随着胰腺癌治疗策略的不断更新，迫切需要寻找有效的预后评估手段和建立标准化的预测评估模型，用以指导胰腺癌病人个体化治疗方案的选择。这推动着研究人员不断完善和建立新的更为有效的预测模型。目前，用于评估胰腺癌病人预后生存情况的预测模型有了新进展，血清学指标、影像学资料、基因表达数据和术后病理情况等都已被广泛报道，但仍缺乏对这些预测模型的综合评价。

基金项目：国家自然科学基金（No.82270665，No.81871974）

作者单位：哈尔滨医科大学附属第一医院胰胆外科 肝脾外科教育部重点实验室，黑龙江哈尔滨 150001

通信作者：孙备，E-mail：sunbei70@tom.com；李轶龙，E-mail：liyi6565091@163.com

胰腺癌是消化系统常见的恶性肿瘤之一，其恶性程度高、预后极差且缺乏有效的预后评估手段。胰腺癌发病例数位列全球第10位，死亡例数居第4位，5年生存率仅为9%［1］。手术切除是胰腺癌根治的唯一可能方法，但仅有10%～20%的确诊病人具备手术机会，而且即便根治性切除肿瘤后，胰腺癌病人的长期生存率依然很低［2］。近年研究发现，越来越多的因素与胰腺癌的预后相关，基于这些因素建立的生存预测模型也在不断增多。这些预测模型可以有效评估病人的预后生存情况，为临床决策和个体化治疗提供了更为充分的理论依据。本文结合近些年国内外发表的相关文献，对胰腺癌相关生存预测模型的研究现状进行总结。

1    术前评估的预测模型

1.1    基于血清学指标的预测模型    血清学指标因具有易获得且成本较低的优点，在疾病诊治中扮演着重要的角色。血清糖类抗原19-9（carbohydrate antigen19-9,CA19-9）、癌胚抗原（carcino-embryonic antigen，CEA）、糖类抗原125（carbohydrate antigen125，CA125）等血清学指标已经广泛应用于胰腺癌的诊断和预后评估中。临床研究表明，术前高水平的CA19-9、CEA、CA125，意味着更差的肿瘤分化程度和更短的总生存时间。而术后CA19-9、CEA、CA125水平的升高，则提示肿瘤的复发和预后不良［3-4］。研究结果发现，联合这些指标构建的胰腺癌病人生存预测模型，对比单一指标能更好地在术前评估胰腺癌病人预后情况［3］。当术前CEA+CA19-9+CA125≥1000 kU/L时，即便手术可以做到R0切除，术后也有较高的复发率和转移发生率，手术不能明显延长病人总生存时间。

最新研究表明，炎症在肿瘤的进展和预后中起着重要的促进作用［5］。机体的炎症状态可以通过中性粒细胞、淋巴细胞、血小板、C反应蛋白和白蛋白等指标进行评估。这些指标易于检测、实用性强、标准化程度高，所以利用炎症指标来构建胰腺癌病人的生存预测模型是有效的。Xu等［6］研究了中性粒细胞/淋巴细胞比率、血小板/淋巴细胞比率和淋巴细胞/单核细胞比率等对胰腺癌的预测价值，并基于这些指标建立预后评分模型。根据总分将病人分为3个亚组（低风险：0～2167.0；中风险：168.0～267.0；高风险：＞268.0），结果显示，3个风险亚组的Kaplan-Meier生存结果曲线之间存在显著差异（P＜0.0001）。该模型对胰腺癌病人术后1年、2年、3年生存率有较好的预测价值。一致性指数分别为0.860、0.837和0.809，ROC曲线下面积分别为0.938、0.844和0.884，提示该预测模型具有较高的区分性。Shirai等［7］的研究也显示胰腺癌病人术前血小板与白细胞比值可以很好的预测病人术后无瘤生存期和总生存期。目前已用于构建胰腺癌病人生存预测模型的血清标记物还有碱性磷酸酶与白蛋白比值［8］、C反应蛋白与清蛋白比值［9］等。上述血清学指标，都已单独或联合其他指标，构建胰腺癌相关生存预后模型，表现出较好的准确性和敏感度。现阶段，越来越多的血清学标记物被发现与胰腺癌的预后相关，如何筛选这些标记物并将其纳入预测模型是一个复杂问题。纳入更多指标可能会提高预测模型的准确性，但也会导致模型的复杂程度增加。更重要的是，这些基于血清学指标建立的胰腺癌生存预测模型都没有经过大规模的多中心验证，存在较高的偏倚风险，临床应用还需进一步验证。

1.2    基于影像学资料的预测模型    由于胰腺是腹膜后位器官，位置较深且比邻重要血管神经，周围解剖结构非常复杂，所以术前活检较为困难。成像技术在临床实践中具有独特的优势，它可以无创的提供肿瘤的大小、血供、周围侵犯等信息。因此，影像学检查在胰腺癌的诊断、治疗以及预后评估中发挥着重要的作用。Kaissis等［10］回顾性分析了102例胰腺癌病人的术前影像学资料，重点研究了术前MRI在预测病人预后生存方面的价值，并在此基础上建立了一个术前预测胰腺癌生存期和肿瘤亚型的模型。通过与验证队列对比发现，该模型对中位以上的总体生存率预测敏感度为87%，特异度为80%，验证队列中高于中位数和低于中位数的总体生存率差异有统计学意义（P≤0.001，预测中位数为17.0个月）。同时该模型对胰腺癌的准间充质亚型的预测也有较高的敏感度。Mohamed等［11］则评估了PET-CT相关参数在预测胰腺癌病人总体生存期中的价值。该研究分析了胰腺癌病人PET-CT下肿瘤最大标准摄取值、平均标准摄取值、代谢肿瘤体积和病灶糖酵解量等参数，根据这些参数的中位数将病人分为高风险组和低风险组，结果显示高风险组和低风险组病人的中位生存期差异有统计学意义（P=0.001）。基于PET-CT相关参数建立的胰腺癌预后模型，也有较好的预测效果（一致性指数0.68），但因其分析对象是接受PET-CT检查的胰腺癌病人，因此，不可避免存在选择性偏倚，该预测模型也存在缺陷。

1.3    基于胰腺癌风险因素的生存预测模型    目前研究已经证实胰腺癌的危险因素包括吸烟、肥胖、酗酒、糖尿病病史、慢性胰腺炎病史等，而糖尿病、肥胖以及肝脏疾病等基础疾病则被证实与胰腺癌病人的预后相关。研究结果表明，近期出现的血糖升高或糖代谢紊乱可能是胰腺癌的早期诊断标志，而既往存在糖尿病病史则被发现与胰腺癌病人术后总生存期和生存率的降低有显著关系［12］。此外，肥胖及高脂血症也被发现与胰腺癌病人的预后生存相关［13］。近年来研究人员尝试基于这些胰腺癌的危险因素建立预后模型，相关基础疾病是考虑较多的变量。

Chagpar等［14］根据术前是否使用胰岛素或联用他汀类药物，制定了一个简单的预后评分系统。在该评分系统中，使用胰岛素和他汀类药物分别计1分，不使用这两种药物则不计分。结果显示0分、1分和2分的病人，术后90 d内的病死率分别为3.4%、11.5%和13.3%（P=0.004）；中位总生存期分别为19.6个 月、15.6个月和11.2个月（P=0.002），表明该评分系统能够较好地预测胰腺癌病人的术后生存时间。同样，Cannon等［15］也将是否患有糖尿病纳入预后评分模型中。评估总生存期时，肿瘤直径≥2 cm和R1切除各计1分，术前患有糖尿病或者淋巴结阳性比率＞0.1则分别计2分。评估无瘤生存期时，R1切缘计1分，肿瘤直径≥2 cm计2分，术前患有糖尿病或淋巴结阳性比率＞0.1计4分。结果显示当得分为0～1分、4～6分时，胰腺癌病人中位总生存时间分别为34.3个月、14.6个月；得分为0～2分、6～8分的病人对应的中位无瘤生存期分别为26.0个月、8.8个月。该研究证明了既往存在糖尿病病史与胰腺癌病人术后总生存率和生存时间的降低有显著的关系，这一结果对胰腺癌病人的生存评估有一定的指导意义。同时该预测模型具有纳入的变量较少、简洁实用的优点，但缺乏多中心验证，有效性还有待于进一步证明。此外，Balzano等［16］在研究中将肝硬化和慢性肝炎定义为非转移性肝病，他们发现确诊时是否出现非转移性肝病、腹痛或背痛以及麻醉评分等，与胰腺癌病人术后1年病死率独立相关。基于这些因素，他们建立了预测胰腺癌病人术后1年病死率的评分模型。结果显示，当评分为0、1、2、3、4、5和6分时，术后1年内病死率分别为0、8.3%、22.9%、73.9%、80.0%、100.0%和100.0%，通过与验证队列对比发现，该模型有较好的预测能力（拟合度53.5%，ROC曲线下面积88.7%）。但笔者认为，仅将肝硬化和慢性肝炎纳入到非转移性肝病的定义内，而不包括梗阻性黄疸和脂肪肝等，这可能会遗漏肝脏方面的其他危险因素。由于胰腺癌合并肝脏方面疾病时，预后的好坏取决于肝病的类型和严重程度，所以在未来的研究中，是否可以考虑进一步扩展非转移性肝病的定义，将更多的肝脏方面的危险因素纳入到预测模型内，从而更为准确的评估胰腺癌病人的生存预后。

1.4    基于生物信息学的预测模型    近年来随着对DNA和RNA研究的深入，很多疾病发生发展的遗传学机制和涉及到的信号通路得到了深入的研究。从基因层面挖掘肿瘤特性，可在很大程度上规避肿瘤异质性带来的诸多限制［17］，例如可以从基因层面识别具有独特生物学和临床特征的肿瘤亚型，从而针对不同的肿瘤亚型采取相应的治疗措施。Shi等［18］通过分析从癌症基因信息数据库下载的高通量miRNA数据，鉴定胰腺癌组织和周围正常胰腺组织中miRNA的差异表达模式，最终筛选出5个有预测价值的miRNA，并以此为基础构建了预测模型：生存风险分数=（0.2250×hsa-miR-203表达值）+（0.5653×hsa-miR-424表达值）+（0.1771×hsa-miR-1266表达值）+（0.1937×hsa-miR-1293表达值）+（0.1846×hsa-miR-4772表达值）。根据中位风险评分将病人分为高风险组和低风险组。两组病人的Kaplan-Meier总体生存曲线差异有统计学意义（P≤0.001），高风险和低风险组病人5年生存率分别为10.2%和47.8%，ROC曲线显示该模型有较好的预测能力。同样，Wu等［19］也通过生信分析的方法筛选了3个有潜在预后价值的lncRNA并建立预测模型：风险评分=（0.3073×lncRNA AL137789.1表达值）+（-0.2044×lncRNA AC079015.1表达值）+（-0.7195×lncRNA MIR600HG表达值）。根据中位风险评分将病人分为高风险组和低风险组。两组病人的总生存期差异有统计学意义（1.33年 vs. 3.65年，P＜0.0001）。然而通过生信分析建立的模型均存在先天不足，即纳入模型的RNA分子在胰腺癌中的作用机制未知，同时这一类预测模型缺乏大规模的多中心验证且计算公式复杂，影响其在临床深入应用。

1.5    基于病人基本资料的预测模型    胰腺癌具有异质性，病人的年龄、种族、营养状况等都有可能影响胰腺癌的发生与发展。将这些因素纳入胰腺癌病人的预后评价模型中，识别预后不良的人群，对胰腺癌的精准治疗和改善预后具有重要意义。Nakatochi等［20］尝试将吸烟史和家族史纳入预后评估模型中。若病人经常吸烟或具有胰腺癌家族史，则在原有的多基因风险评分的基础上分别再加1分，若病人无吸烟史且无家族史则不计分。结果表明，在加入了吸烟史和家族史之后，病人不良预后风险将增加1.5倍。对比不加入吸烟史和家族史的多基因评分模型，加入吸烟史和家族史后的预测模型具有更好的预测效果（ROC曲线下面积0.65VS0.61）。有研究结果表明机体的营养状态与胰腺癌的发病及预后存在一定的关系［21-22］。研究人员尝试联合营养状况评分及其相关指标，构建晚期胰腺癌病人生存预测模型［23］。他们首先计算了胰腺癌病人的营养评分，按营养评分将病人分为正常组、轻度营养不良组、中度营养不良组和重度营养不良组，再按照预测总分将病人分为4组，即0～184分组、185～250分组、251～305分组和306～500分组。结果显示各分组的1年生存率分别为11.46%、5.43%、11.11%和5.48%，差异均有统计学意义（P＜0.05）。经过与验证队列对比发现，该胰腺癌生存预测模型有较好的预测效果（一致性指数0.756，灵敏度93.6%，特异度78.9%）。但是，胰腺癌为一类异质性较强的癌症，应用病人基本资料来预测其生存预后，其结果可能会存在偏差，这类预测模型的预测效果还有待进一步验证。

2    用于术后评估的预测模型

有别于通过影像学、血清学等手段获得的肿瘤相关信息，胰腺癌手术能直接获得肿瘤组织，可更直观准确的获得肿瘤的详细资料。术前预测模型可指导治疗方式的选择，而术后预测模型则更多是起到监测肿瘤的复发，评估预后的作用。肿瘤的病理学资料、周围侵犯程度、淋巴结转移情况、手术切缘状况等都被广泛用于术后生存模型的构建。

TNM分期系统是目前国际上最为通用的肿瘤分期系统，主要由3个部分组成：局部肿瘤范围（T期）、区域淋巴结转移（N期）和远处转移（M期）［24］。TNM分期系统试图使用解剖学和标准化的参数来区分病人的不同生存结果，其预测效果已经得到公认。然而，越来越多的研究证明TNM分期系统仍存在一定的局限性［25-26］，因此，研究人员试图寻求新的预测模型来进一步准确预测胰腺癌病人的预后生存情况。

长期以来，区域淋巴结转移数量的多少一直用来评估癌症的基本预后，最近学者将研究重点转向了阳性淋巴结比，用量化的淋巴结阳性比率来预测癌症的预后生存时间［27］。Smith等［28］发现，组织学分级、T分期、M分期是预测淋巴结阳性比率的重要指标，而淋巴结阳性比率与胰腺癌病人的术后生存时间有密切的关系，淋巴结阳性比率被发现对胰腺癌病人的生存期有非常显著的、非线性的影响。由此，他们开发了一个网络应用程序来在线计算胰腺癌病人的生存期。通过在线输入相关参数，该程序能快速直观的给出病人的淋巴结阳性比率和生存时间预测数据。通过网络程序来进行实时计算，应用简便。

随着对胰腺癌研究的深入，越来越多的因素被发现与胰腺癌病人的生存预后相关，各种预测模型也纳入了更多的变量，例如血清指标、影像学数据、病理学数据等都可被纳入到同一个预后评分系统中，从而构建一个更为全面的预测模型去评估胰腺癌病人的生存预后。Botsis等［29］发现，患病年龄、肿瘤分化程度及大小、术前血清碱性磷酸酶水平、术前白蛋白水平、术前CA19-9水平等均为胰腺癌预后的独立预测因素。他们基于以上指标建立了一个较稳定的预后模型，对可切除的胰腺癌病人进行分组，分别为低危组（中位生存期53.7个月）、中危组（中位生存期19.7个月）和高危组（中位生存期12.3个月）。在增加辅助化疗因素后，这个模型的预后分类仍然显著（一致性指数0.73），而TNM系统的一致性指数仅为0.59。Gwiasda等［30］研究了术前CA19-9水平、术中出血量、腹部手术史以及是否再次手术对胰腺癌病人术后18个月内生存率的影响。通过多变量回归分析，他们基于这4个指标建立了术后18个月生存率的预测模型。验证分析显示，该模型有较好的预测效果，其灵敏度为65.0%，特异度为92.9%，总体准确率为79.0%。

随着放化疗在胰腺癌治疗中的深入应用，一些失去手术机会的病人，在接受术前放化疗之后，也可行手术治疗。一些术后预后较差的病人，在经过术后放化疗之后，可延长生存时间［31］。此外，对于可能切除胰腺癌的定义也在不断改变，胰腺肿瘤的位置也可能影响病人的预后，由此带来的是治疗方式的转变，胰腺癌的诊治思路从手术优先变为了多学科综合治疗（multidisciplinary therapy，MDT）模式［32］。所以，在今后的研究中，构建胰腺癌病人生存预测模型时，可考虑将放化疗情况和肿瘤的位置纳入到生存预测模型内。

3    总结与展望

目前胰腺癌的治疗策略正在由外科优先向MDT模式过渡，手术仍是主要的治疗方式，多学科、多区域协作诊疗模式开始在国内广泛普及并贯穿诊疗全程［33］。随着胰腺癌治疗策略的不断更新，新辅助治疗、靶向治疗、免疫治疗等新的治疗方式越来越多的应用于临床。因此，迫切需要引进新的预测元素并与时俱进的改进相关预测模型来评估胰腺癌的预后结果。有别于临床医生的经验性判断，生存预测模型可以用量化的指标来评估胰腺癌病人预后生存情况，这一优势推动着研究人员不断完善已发现的预测模型并尝试建立新的更为有效的预测模型，这其中既有术前预测评估模型来指导治疗，也有术后评估模型来预测生存时间。在这些预测模型中，出现频率较高的因素分别是肿瘤分化程度、是否有淋巴结转移、血清白蛋白水平、肿瘤大小及分期、糖类抗原CA19-9水平、病人年龄、切缘是否阴性等［34］。同时，越来越多新的因素如血清炎症指标、基因表达数据、病人营养状态以及影像学数据等被纳入模型中。但目前除了TNM分期外，还没有胰腺癌生存预测模型经过大规模的多中心验证，即使有一些模型已经进行了多中心验证，但规模较小且受限于回顾性研究，大多数模型都有较高的选择偏倚，不能适用于多种国家、地区和种族的胰腺癌病人。

预计未来新技术的发展将推动胰腺癌生存预测模型的进步，将会有更多的指标被纳入胰腺癌生存预测模型中，同时现有的预测模型也需要更进一步的验证、优化、降低偏倚风险等。相信在不久的将来，胰腺癌的生存预测模型能够做到便捷、精准、个体化，从而为临床决策提供更为完备的信息。

参考文献

（在框内滑动手指即可浏览）

［1］    Siegel RL，Miller KD，Jemal A. Cancer statistics， 2020［J］. CA，2020，70(1):7-30.

［2］    Torphy RJ，Fujiwara Y，Schulick RD. Pancreatic cancer treatment: better， but a long way to go［J］. Surg Today， 2020，50(10):1117-1125.

［3］    Liu L，Xu H，Wang W，et al.A preoperative serum signature of CEA+/CA125+/CA19-9 ≥ 1000 U/mL indicates poor outcome to pancreatectomy for pancreatic cancer［J］.Int J Cancer，2015，136（9）：2216-2227.

［4］    Kim H，Kang KN，Shin YS，et al.Biomarker panel for the diagnosis of pancreatic ductal adenocarcinoma［J］.Cancers (Basel)，2020，12（6）：1443.

［5］    FR G，SI G. Inflammation and cancer: triggers，mechanisms， and consequences.［J］. Immunity，2019，51(1):27-41.

［6］    Xu J，Shi KQ，Chen BC，et al.A nomogram based on preoperative inflammatory markers predicting the overall survival of pancreatic ductal adenocarcinoma［J］.J Gastroenterol Hepatol，2017，32（7）：1394-1402.

［7］    Shirai Y，Shiba H，Haruki K，et al.Preoperative platelet-to-albumin ratio predicts prognosis of patients with pancreatic ductal adenocarcinoma after pancreatic resection［J］.Anticancer Res，2017，37（2）：787-793.

［8］    Pu N，Gao S，Xu Y，et al.Alkaline phosphatase-to-albumin ratio as a prognostic indicator in pancreatic ductal adenocarcinoma after curative resection［J］.J Cancer，2017，8（16）：3362-3370.

［9］    罗宝洋，杨勇，段云飞，等.术前C反应蛋白和清蛋白比值对可切除胰腺癌患者预后的影响［J］.中华外科杂志，2018，56（9）：712-717.

［10］    Kaissis G，Ziegelmayer S，Lohöfer F，et al.A machine learning model for the prediction of survival and tumor subtype in pancreatic ductal adenocarcinoma from preoperative diffusion-weighted imaging［J］.Eur Radiol Exp，2019，3（1）：41.

［11］    Mohamed E，Needham A，Psarelli E，et al.Prognostic value of 18 FDG PET/CT volumetric parameters in the survival prediction of patients with pancreatic cancer［J］.Eur J Surg Oncol，2020，46（8）：1532-1538.

［12］    吴子桢，许耀麟，匡天涛，等. 胰腺癌与糖尿病相关性研究进展［J］. 中国实用外科杂志,2019,39(4):385-387.

［13］    Eibl G，Monserrate ZC，Korc M，et al.Diabetes mellitus and obesity as risk factors for pancreatic cancer［J］.J Acad Nutr Diet，2018，118（4）：555-567.

［14］    Chagpar RB，Martin RCG，Ahmad SA，et al.Medically managed hypercholesterolemia and insulin-dependent diabetes mellitus preoperatively predicts poor survival after surgery for pancreatic cancer［J］.J Gastrointest Surg，2011，15（4）：551-557.

［15］    Cannon RM，LeGrand R，Chagpar RB，et al.Multi-institutional analysis of pancreatic adenocarcinoma demonstrating the effect of diabetes status on survival after resection［J］.HPB (Oxford)，2012，14（4）：228-235.

［16］    Balzano G，Dugnani E，Crippa S，et al.A preoperative score to predict early death after pancreatic cancer resection［J］.Dig Liver Dis，2017，49（9）：1050-1056.

［17］    Connor AA，Denroche RE，Jang GH，et al.Integration of genomic and transcriptional features in pancreatic cancer reveals increased cell cycle progression in metastases［J］.Cancer Cell，2019，35（2）：267-282.

［18］    Shi XH，Li X，Zhang H，et al.A five-microRNA signature for survival prognosis in pancreatic adenocarcinoma based on TCGA data［j］.Sci Rep，2018，8（1）：7638.

［19］    Wu B，Wang K，Fei J，et al.Novel three‑lncRNA signature predicts survival in patients with pancreatic cancer［J］.Oncol Rep，2018，40（6）：3427-3437.

［20］    Nakatochi M，Lin Y，Ito H，et al.Prediction model for pancreatic cancer risk in the general Japanese population［J］.PLoS One，2018，13（9）：e0203386.

［21］    Untawale S，Odegaard AO，Koh WP，et al.Body mass index and risk of pancreatic cancer in a Chinese population［J］.PLoS One，2014，9（1）：e85149.

［22］    Nogueira L，Solomon RS，Gamborg M，et al.Childhood body mass index and risk of adult pancreatic cancer［J］.Curr Dev Nutr，2017，1（10）：e001362.

［23］    马作红，宫学宇，尚海，等.基于控制营养状况评分生存预测模型构建及其预测晚期胰腺癌患者预后价值［J］.临床军医杂志，2020，48（7）：787-790.

［24］    van Roessel S，Kasumova GG，Verheij J，et al.International validation of the eighth edition of the American Joint Committee on Cancer (AJCC) TNM staging system in patients with resected pancreatic cancer［J］.JAMA Surg，2018，153（12）：e183617.

［25］    Allen PJ，Kuk D，Castillo CFD，et al.Multi-institutional validation study of the American Joint Commission on Cancer (8th Edition) changes for T and N staging in patients with pancreatic adenocarcinoma［J］.Ann Surg，2017，265（1）：185-191.

［26］   Jiang Y，Su Y，Chen Y，et al.Refining the American Joint Committee on cancer staging scheme for resectable pancreatic ductal adenocarcinoma using recursive partitioning analysis［J］.J Cancer，2017，8（14）：2765-2773.

［27］    Malleo G，Maggino L，Ferrone CR，et al.Number of examined lymph nodes and nodal status assessment in distal pancreatectomy for body/tail ductal adenocarcinoma［J］.Ann Surg，2019，270（6）：1138-1146.

［28］    Smith BJ，Mezhir JJ.An interactive Bayesian model for prediction of lymph node ratio and survival in pancreatic cancer patients［J］.J Am Med Inform Assoc，2014，21（e2）：e203-211.

［29］    Botsis T，Anagnostou VK，Hartvigsen G，et al.Modeling prognostic factors in resectable pancreatic adenocarcinomas［J］.Cancer Inform，2010，7：281-291.

［30］    Gwiasda J，Qu Z，Schrem H，et al.Prediction of survival after left-sided pancreatic resection for adenocarcinoma: Introduction of a new prognostic score［J］.Hepatobiliary Pancreat Dis Int，2019，18（6）：569-575.

［31］    隋宇航，胡继盛，孙备. 美国临床肿瘤协会《潜在可治愈胰腺癌临床实践指南(2019)》更新解读［J］. 中国实用外科杂志,2019,39(12):1254-1256.

［32］    中华医学会外科学分会胰腺外科学组. 中国胰腺癌诊治指南（2021）［J］. 中国实用外科杂志,2021,41(7):725-738.

［33］    中国抗癌协会胰腺癌专业委员会.中国胰腺癌综合诊治指南（2020版）［J］.中华外科杂志，2021，59（2）：81-100.

［34］    Strijker M，Chen JW，Mungroop TH，et al.Systematic review of clinical prediction models for survival after surgery for resectable pancreatic cancer［J］.Br J Surg，2019，106（4）：342-354.

（2022-07-11收稿    2022-08-09修回）

版权声明

本文为《中国实用外科杂志》原创文章。其他媒体、网站、公众号等如需转载本文，请联系本刊编辑部获得授权，并在文题下醒目位置注明原文刊发于《中国实用外科杂志》，卷（期）：起止页码。谢谢合作！