文章信息
- 雷英, 刘鸿雁, 高华伟, 石伟天
- Lei Ying, Liu Hongyan, Gao Huawei, Shi Weitian
- 皮肤恶性黑色素瘤临床病理特征及生存分析
- Clinicopathological characteristics and survival analysis of cutaneous malignant melanoma
- 实用肿瘤杂志, 2022, 37(5): 470-474
- Journal of Practical Oncology, 2022, 37(5): 470-474
-
通信作者
- 雷英, E-mail: 544084706@qq.com
-
文章历史
- 收稿日期:2021-07-14
恶性黑色素瘤(malignant melanoma,MM)是源于皮肤及其他器官黑色素细胞的恶性肿瘤。该病原发病灶主要在皮肤和黏膜,也可见于其他组织器官,皮肤恶性黑色素瘤(cutaneous malignant melanoma,CMM)约占皮肤恶性肿瘤的3%,其死亡构成比却是65%[1-3]。CMM为侵袭最强的皮肤恶性肿瘤之一,可转移至任何器官,转移性CMM的中位生存期仅为6个月,5年生存率 < 5%[4]。虽然CMM在国内的发病率较低,但我国人口基数大,每年新发的CMM病例数达2万例且有逐年上升的趋势。目前该病已成为国内发病率增长较快的恶性肿瘤之一[5]。CMM在背部、四肢及头面部均可发生,早期主要以迅速增大、颜色不均和边界不清的黑色素瘤为表现,其治疗以手术为主,术后需根据病情制订个性化治疗方案,90%~95%的早期患者可经手术治愈[6]。因此CMM的早发现和早治疗是关键。目前国内对于CMM的重视程度不够,患者在就诊时多已发展至中晚期,失去最佳的治疗时机。发达国家对于该病的疾病临床病理特征及预后因素方面的研究较多[7-8]。但因研究人群与国内CMM患者存在差异,这些研究对于国内CMM的诊断与治疗指导意义有限。国内对于CMM病理特征及预后因素的研究较少,因此本研究旨在分析明确本地区CMM的发病特点,为该病的临床诊治提供参考。
1 资料与方法 1.1 一般资料从本院单位信息管理系统中提取2015年1月至2018年12月经病理学检查确诊为CMM患者的病历资料,以数字化病案浏览系统筛选病历,符合纳入与排除标准者共75例,收集其性别、年龄、病变部位、病理类型、Clark病理分级、淋巴结转移情况、肿瘤最大径、KPS评分、治疗方法和Ki-67表达情况进行回顾性分析。纳入标准:(1)经组织病理学检查确诊为CMM;(2)病历资料完整;(3)检查项目完善;(4)患者获得随访。排除标准:(1)合并其他类型恶性肿瘤的患者;(2)原发病灶为皮肤以外的MM患者;(3)合并严重的心血管疾病等慢性病的患者。75例患者年龄42~75岁,中位年龄51岁。本研究通过本院伦理委员会审批(审批号:20210914)
1.2 分组标准根据CMM患者原发病灶浸润深度的不同进行Clark病理分级[9]:Ⅰ级,恶性肿瘤细胞仅存在于基底膜以上的表皮;Ⅱ级,肿瘤细胞突破基底膜,侵犯至真皮乳头层;Ⅲ级,肿瘤细胞充满真皮乳头层,但未深入至真皮网状层;Ⅳ级,肿瘤细胞已侵犯真皮网状层;Ⅴ级,肿瘤细胞穿过真皮网状层,侵犯至皮下脂肪层。肿瘤最大径分为 < 2 cm与≥2 cm。KPS评分根据患者体力状况评为0~100分,≥80分为患者体力状况较好。Ki-67为CMM患者常用的免疫组织化学检查指标,一般认为Ki-67染色率≥30%为高表达。
1.3 随访通过查阅病历资料、电话或门诊复查的方式对患者进行随访。对于已去世者,通过向其亲属了解情况,以患者死亡或末次随访为研究终点。末次随访时间为2021年1月31日,末次随访时仍有19例患者生存。
1.4 统计学分析采用SPSS 22.0统计学软件分析数据。对患者各临床病理参数采用描述性分析。对可能影响患者预后的指标行单因素Cox模型分析,对差异具有统计学意义者(P < 0.05)引入多因素Cox分析。以P < 0.05为差异具有统计学意义。
2 结果 2.1 一般情况75例CMM患者中位生存时间为29个月,1年和2年生存率分别为86.7%(65/75)和57.3%(43/75)。患者各临床病理参数分布情况见表 1。
| 临床病理特征 | 例数(%) |
| 性别 | |
| 男性 | 42(56.0) |
| 女性 | 33(44.0) |
| 淋巴结转移 | |
| 无 | 29(38.6) |
| 有 | 46(61.3) |
| 肿瘤最大径 | |
| < 2 cm | 30(40.0) |
| ≥2 cm | 45(60.0) |
| KPS评分 | |
| < 80分 | 19(25.3) |
| ≥80分 | 56(74.7) |
| 治疗方法 | |
| 手术 | 45(60.0) |
| 手术+辅助治疗 | 30(40.0) |
| Ki-67 | |
| 低表达 | 32(42.7) |
| 高表达 | 43(57.3) |
| 年龄 | |
| < 45岁 | 7(9.3) |
| 45~60岁 | 47(62.7) |
| > 60岁 | 21(28.0) |
| 肿瘤部位 | |
| 头颈部 | 7(9.3) |
| 躯干 | 7(9.3) |
| 四肢 | 61(81.4) |
| 病理类型 | |
| 结节型 | 14(18.7) |
| 浅表扩散型 | 9(12.0) |
| 肢端雀斑痣样 | 52(69.3) |
| Clark病理分级 | |
| Ⅰ级 | 6(8.0) |
| Ⅱ级 | 13(17.3) |
| Ⅲ级 | 23(30.7) |
| Ⅳ级 | 24(32.0) |
| Ⅴ级 | 9(12.0) |
各因素按表 2进行赋值。Cox单因素分析结果显示,淋巴结转移情况、肿瘤最大径、KPS评分、治疗方法、Ki-67、年龄、肿瘤部位、病理类型及Clark病理分级为CMM患者的预后因素(均P < 0.05,表 3)。
| 因素 | 赋值 |
| 性别 | 男性=0,女性=1 |
| 淋巴结转移 | 无=0,有=1 |
| 肿瘤最大径 | < 2 cm =0,≥2 cm =1 |
| KPS评分 | < 80分=0,≥80分=1 |
| 治疗方法 | 手术=0,手术+辅助治疗=1 |
| Ki-67 | 低表达=0,高表达=1 |
| 年龄 | < 45岁=0,45~60岁=1,> 60岁=2 |
| 肿瘤部位 | 头颈部=0,躯干=1,四肢=2 |
| 病理类型 | 结节型=0,浅表扩散型=1,肢端雀斑痣样=2 |
| Clark病理分级 | Ⅰ级=0,Ⅱ级=1,Ⅲ级=2,Ⅳ级=3,Ⅴ级=4 |
| 变量 | β | S.E | Wald | P值 | HR值 | 95%CI |
| 女性 | 0.341 | 0.179 | 3.629 | 0.055 | 1.406 | 0.990~1.997 |
| 淋巴结转移 | 0.413 | 0.191 | 4.676 | 0.040 | 1.511 | 1.039~2.198 |
| 肿瘤最大径≥2 cm | 0.369 | 0.162 | 5.188 | 0.008 | 1.446 | 1.053~1.987 |
| KPS评分≥80分 | -0.383 | 0.175 | 4.790 | 0.025 | 0.682 | 0.484~0.961 |
| 手术+辅助治疗 | -0.367 | 0.169 | 4.716 | 0.030 | 0.693 | 0.497~0.965 |
| Ki-67高表达 | 0.429 | 0.199 | 4.647 | 0.037 | 1.536 | 1.040~2.268 |
| 年龄45~60岁 | 0.273 | 0.162 | 2.840 | 0.173 | 1.314 | 0.956~1.805 |
| 年龄 > 60岁 | 0.364 | 0.180 | 4.089 | 0.045 | 1.439 | 1.011~2.048 |
| 肿瘤部位为躯干 | 0.309 | 0.179 | 2.980 | 0.100 | 1.362 | 0.959~1.934 |
| 肿瘤部位为四肢 | 0.403 | 0.185 | 4.745 | 0.027 | 0.668 | 0.465~0.960 |
| 病理类型为浅表扩散型 | -0.394 | 0.196 | 4.041 | 0.048 | 0.674 | 0.459~0.990 |
| 病理类型为肢端雀斑痣样 | 0.321 | 0.176 | 3.326 | 0.067 | 1.379 | 0.976~1.946 |
| Clark病理Ⅱ级 | 0.314 | 0.184 | 2.912 | 0.124 | 1.369 | 0.954~1.963 |
| Clark病理Ⅲ级 | 0.335 | 0.192 | 3.044 | 0.086 | 1.398 | 0.960~2.037 |
| Clark病理Ⅳ级 | 0.322 | 0.188 | 2.934 | 0.106 | 1.380 | 0.955~1.995 |
| Clark病理Ⅴ级 | 0.419 | 0.175 | 5.733 | 0.004 | 1.520 | 1.079~2.143 |
将Cox单因素分析中差异具有统计学意义(P < 0.05)的因素纳入多因素Cox分析结果显示,淋巴结转移、年龄 > 60岁及Clark病理Ⅴ级为CMM患者的预后危险因素,病理类型为浅表扩散型为保护因素(均P < 0.05,表 4)。
| 变量 | β | S.E | Wald | P值 | HR值 | 95%CI |
| 淋巴结转移 | 0.402 | 0.176 | 5.217 | 0.006 | 1.495 | 1.059~2.111 |
| 肿瘤最大径≥2 cm | 0.326 | 0.194 | 2.824 | 0.104 | 1.385 | 0.947~2.026 |
| KPS评分≥80分 | -0.339 | 0.181 | 3.508 | 0.060 | 0.712 | 0.500~1.016 |
| 手术+辅助治疗 | -0.313 | 0.169 | 3.430 | 0.072 | 0.731 | 0.525~1.018 |
| Ki-67高表达 | 0.298 | 0.175 | 2.900 | 0.093 | 1.347 | 0.956~1.898 |
| 年龄 > 60岁 | 0.386 | 0.163 | 5.608 | < 0.01 | 1.471 | 1.069~2.025 |
| 肿瘤部位为四肢 | -0.287 | 0.188 | 2.330 | 0.116 | 0.751 | 0.519~1.085 |
| 病理类型为浅表扩散型 | 0.392 | 0.169 | 5.380 | 0.005 | 0.676 | 0.485~0.941 |
| Clark病理Ⅴ级 | 0.403 | 0.172 | 5.490 | 0.005 | 1.496 | 1.068~2.096 |
CMM为临床常见的皮肤恶性肿瘤,具有侵袭性强以及远处转移率和病死率高的特点,CMM死亡率居皮肤恶性肿瘤死亡率首位。手术治疗为CMM的主要疗法,原发病灶的根治性切除可使早期患者达到治愈的效果[10]。本次纳入的75例CMM患者中位生存时间为29个月,1年和2年生存率分别为86.7%(65/75)和57.3%(43/75),与相关研究结果一致[11],这可能主要与本研究所纳入的患者多为中晚期患者有关。早诊断和早治疗对于CMM患者的治疗具有重要的意义,同时也对临床一线医师提出更高要求。不同人群CMM患者的临床病理特征与预后的关系有所不同,虽然国内关于CMM患者预后因素的研究已有相关报道[12-13],但关于发病部位和病理类型等参数对患者预后的影响目前尚存在一定的争议。本研究旨在通过多因素Cox回归分析综合判断各因素对CMM患者预后的影响。
本研究多因素Cox回归分析结果显示,淋巴结转移、年龄 > 60岁及Clark病理Ⅴ级为CMM患者的预后危险因素,病理类型为浅表扩散型为保护因素(均P < 0.05)。Clark病理分级是根据肿瘤浸润深度为标准的分级方法,该分期级别越高意味着浸润深度越深,肿瘤出现扩散和转移的风险也越大,因而患者的预后较差,但仍需进一步研究以证实该研究的观点[14-15]。淋巴结转移为多种恶性肿瘤预后的危险因素。本研究显示,淋巴结转移也是CMM患者的预后危险因素。前哨淋巴结活检是淋巴结转移重要的确认方法,但此方法有一定的创伤性,仅在高度怀疑淋巴结转移时才使用[16]。目前临床上常用影像学及病理检查以确认淋巴结有无受侵犯,同时PET-CT全身扫描也常用于评估CMM患者是否出现转移,患者淋巴结转移一经确认需尽早清除以提高患者的生存率。在年龄方面,随着患者年龄增加,机体功能出现逐渐的衰退,抗病能力及代偿功能均迅速下降,对于手术和放化疗等疗法的耐受能力都较差;另外老年恶性肿瘤患者病情进展较年纪较小者更快,因此老年CMM患者死亡率更高。再者有研究者认为随着年龄的老化,患者越发觉得缺乏足够的体力及精力,使其价值感下降,悲观的情绪及较低的生理功能在面对恶性疾病时可能导致患者出现消极抗病,这也可能是老年患者生存期更短的原因[17]。在病理类型方面,本研究中肢端雀斑痣样CMM占比较高且此类患者预后多较差,与国外的研究结果不一致[18],可能与国外研究人群为白种人有关。肢端雀斑痣样CMM多发生于肢端及黏膜,在亚洲人群中高发,此类患者容易出现淋巴结转移及血行转移,因而此类患者预后较差。浅表扩散型为CMM中预后较好的类型,此类患者肿瘤多见于躯干及小腿,也可在间断性日光照射部位出现,浅表扩散型CMM早期主要以扁平的黑色斑点为表现,之后逐渐发展为蓝黑色的结节,此类患者出现转移较晚,因而患者多预后良好[19]。
综上所述,CMM患者临床预后较差,其预后主要受淋巴结转移情况、年龄、病理类型及Clark病理分级的影响。早期CMM的临床表现可归纳为ABCDE法则,即非对称性(asymmetry,A)、边缘不规则(border irregularity,BI)、颜色改变(color variation,CV)、直径(diameter,D) > 5 mm及隆起(elevation,E);一旦出现上述表现应及时完整切除并进行病理学检查,手术时注意避免采取冷冻、激光和电灼等疗法。
| [1] |
Abdel-Rahman O. Prognostic impact of socioeconomic status among patients with malignant melanoma of the skin: a population-based study[J]. J Dermatolog Treat, 2020, 31(6): 571-575. DOI:10.1080/09546634.2019.1657223 |
| [2] |
高蕾, 孙世昌, 武明娟. 肛管直肠恶性黑色素瘤免疫检查点抑制剂治疗一例[J]. 实用肿瘤杂志, 2021, 36(2): 177-180. DOI:10.13267/j.cnki.syzlzz.2021.038 |
| [3] |
方填填, 李宁, 徐洁, 等. 阴茎包皮原发性恶性黑色素瘤一例[J]. 实用肿瘤杂志, 2021, 36(3): 270-271. DOI:10.13267/j.cnki.syzlzz.2021.056 |
| [4] |
Subtaweesin C, Woraharn W, Taokaew S, et al. Characteristics of curcumin-loaded bacterial cellulose films and anticancer properties against malignant melanoma skin cancer cells[J]. Appl Sci, 2018, 8(7): 1188. DOI:10.3390/app8071188 |
| [5] |
刘杰, 朱丽萍, 杨旭丽, 等. 2014年中国皮肤黑色素瘤发病与死亡分析[J]. 中国肿瘤, 2018, 27(4): 241-245. DOI:10.3969/j.issn.1674-4136.2018.04.009 |
| [6] |
Rajabi-Estarabadi A, Bittar JM, Zheng CW, et al. Optical coherence tomography imaging of melanoma skin cancer[J]. Lasers Med Sci, 2019, 34(2): 411-420. DOI:10.1007/s10103-018-2696-1 |
| [7] |
Phillips M, Marsden H, Jaffe W, et al. Assessment of accuracy of an artificial intelligence algorithm to detect melanoma in images of skin lesions[J]. JAMA Netw Open, 2019, 2(10): e1913436. DOI:10.1001/jamanetworkopen.2019.13436 |
| [8] |
Winkler JK, Fink C, Toberer F, et al. Association between surgical skin markings in dermoscopic images and diagnostic performance of a deep learning convolutional neural network for melanoma recognition[J]. JAMA Dermatol, 2019, 155(10): 1135-1141. DOI:10.1001/jamadermatol.2019.1735 |
| [9] |
Singh MK, Singh L, Pushker N, et al. Constitutive expression of c-REL in uveal melanoma patients: correlation with clinicopathological parameters and patient outcome[J]. Clin Transl Oncol, 2020, 22(7): 1193-1204. DOI:10.1007/s12094-019-02247-z |
| [10] |
Sreelatha T, Subramanyam MV, Prasad MNG. Early detection of skin cancer using melanoma segmentation technique[J]. J Med Syst, 2019, 43(7): 190. DOI:10.1007/s10916-019-1334-1 |
| [11] |
Shi P, Xu Z, Lei X, et al. Desmoplastic melanoma: demographic and clinicopathological features and disease-specific prognostic factors[J]. Oncol Lett, 2019, 17(6): 5619-5627. |
| [12] |
郎中亮, 王明刚. 中国人群恶性黑色素瘤的临床特征研究进展[J]. 安徽医学, 2018, 39(1): 120-122. |
| [13] |
张璇. 原发性皮肤恶性黑色素瘤的特征及预后影响因素分析[J]. 解放军预防医学杂志, 2017, 35(7): 790-792. |
| [14] |
Bakheet S. An SVM framework for malignant melanoma detection based on optimized HOG features[J]. Computation, 2017, 5(4): 4. DOI:10.3390/computation5010004 |
| [15] |
Reginelli A, Belfiore MP, Russo A, et al. A preliminary study for quantitative assessment with HFUS (high-frequency ultrasound) of nodular skin melanoma Breslow thickness in adults before surgery: interdisciplinary team experience[J]. Curr Radiopharm, 2020, 13(1): 48-55. |
| [16] |
Nardone B, Majewski S, Kim AS, et al. Melanoma and non-melanoma skin cancer associated with angiotensin-converting-enzyme inhibitors, angiotensin-receptor blockers and thiazides: a matched cohort study[J]. Drug Saf, 2017, 40(3): 249-255. |
| [17] |
Tsuyama S, Kohsaka S, Hayashi T, et al. Comprehensive clinicopathological and molecular analysis of primary malignant melanoma of the oesophagus[J]. Histopathology, 2021, 78(2): 240-251. |
| [18] |
Bakos RM, Blumetti TP, Roldán-Marín R, et al. Noninvasive imaging tools in the diagnosis and treatment of skin cancers[J]. Am J Clin Dermatol, 2018, 19(1_suppl): 3-14. |
| [19] |
Lai V, Cranwell W, Sinclair R. Epidemiology of skin cancer in the mature patient[J]. Clin Dermatol, 2018, 36(2): 167-176. |
2022, Vol. 37


