苏黎世大学医院Sebatian Christ团队研究的主要目标是在同一患者群体中验证三种BMV预后评分——cBMV、iBMV和vBMV——以评估它们作为OS预测因素的潜力。分析基于一个大型BM数据库，涵盖了在欧洲肿瘤放疗科接受治疗的、来源于体外实体器官恶性肿瘤的患者群体。次要目标是调查不同BMV概念之间的相关性，以评估过去的BMV评分是否可用于预测患者未来的BMV评分。文章发表在2023年9月的《Radiotherapy and Oncology》。

——摘自文章章节

脑转移瘤是成人最常见的恶性颅内肿瘤，约10-40%的实体器官恶性肿瘤患者在病程中会发展为脑转移。随着全身治疗的进步和灵敏度更高的影像检查技术，脑转移的发病率在近年有所增加。治疗脑转移瘤的主要非手术局部治疗选择包括全脑放疗（WBRT）和立体定向放疗（SRT）。文献广泛描述了WBRT和SRT在不同亚群体中的优缺点。WBRT可治疗隐性疾病，但与神经认知和生活质量的不良后果有关。而SRT虽能避免这些毒性，但存在更高的远处脑功能衰竭（DBF）风险，因此更频繁地需要重新治疗。针对这一背景，Farris等人提出了一种新的预后标记物，即脑转移速度（BMV），以帮助治疗决策和总体生存（OS）预测。BMV的原始形式或经典形式（cBMV）是通过将首次SRT后新出现的BM数量除以首次SRT和当前时期之间经过的总年数来计算的。Soike等人为了解决cBMV的局限性，提出了“初始”BMV（iBMV）。LeCompte等人则提出了基于体积的BMV（vBMV）概念，即通过将首次SRT后新BM的累积体积除以自首次SRT以来的总年数的计算方法获得。

苏黎世大学医院Sebatian Christ团队研究的主要目标是在同一患者群体中验证三种BMV预后评分——cBMV、iBMV和vBMV——以评估它们作为OS预测因素的潜力。分析基于一个大型BM数据库，涵盖了在欧洲肿瘤放疗科接受治疗的、来源于体外实体器官恶性肿瘤的患者群体。次要目标是调查不同BMV概念之间的相关性，以评估过去的BMV评分是否可用于预测患者未来的BMV评分。文章发表在2023年9月的《Radiotherapy and Oncology》。

本研究旨在验证三种BMV评分（经典BMV、初始BMV、基于体积BMV）在预测脑转移瘤（BMs）患者整体生存（OS）方面的有效性。研究对象为2014年至2018年间在苏黎世大学医院肿瘤放疗科接受颅内SRT的患者。研究从电子医疗记录、影像存储库和肿瘤信息系统中手动和/或半自动提取临床、影像和放疗数据。患者在SRT后的首次脑部扫描大约在8至12周内完成，之后在治疗后的第一年每三个月进行一次。根据肿瘤病理结果以及医生和患者的偏好，第二年后的随访间隔扩展到三至六个月。脑部扫描由两名独立的影像科医生审核，并遵循国际临床最佳实践；在特定案例或参加临床试验的患者中，采用RANO小组提出的用于BMs治疗反应评估的国际标准。

BMV评分的定义基于Farris等人和其他作者的研究。进行了描述性统计分析，所有适用的患者均按原始定义计算了三种BMV评分，并随后根据各自BMV评分方法学划分为不同的风险亚组。Kaplan-Meier估计器和对数秩检验用于评估风险组间OS的差异。存活至数据收集期末的患者在最后一次随访时被视为截断。Cox回归分析用于识别潜在的OS预测因子。根据文献和作者的临床经验选择了共变量，包括年龄、性别、组织学、Karnofsky表现评分（KPS）、原发肿瘤状态、体外疾病状态、初始BM数量、BM累积体积、首次BM时间、递归分区分析（RPA）、疾病特异性分级预后评估（Ds-GPA）和选定的BMV评分。此外，为了评估BMV评分对未来疾病过程中BMV的预测潜力，采用了线性和逻辑回归建模。只有当能够计算两个BMV评分的足够数据时，患者才被纳入此分析。

研究中，共筛选了512名接受SRT的患者，其中384名（75.0%）符合研究标准。在这些患者中，55名患者（14.3%）有同步发生的BMs，因此不符合任何BMV评分的资格。剩余的333名（86.7%）患者中，187名（56.2%）、284名（85.2%）和104名（31.2%）分别适用于计算cBMV、iBMV和vBMV评分。研究发现，cBMV1作为连续变量对OS有显著影响。在风险分层后，三个风险组（低风险、中等风险和高风险）之间的OS差异具有统计学意义。在低风险、中等风险和高风险组中，中位OS分别为20.6、9.4和4.5个月。对于86名出现第二次DBF的患者，cBMV2作为连续变量对OS也具有显著影响。作为分类变量，低、中、高风险组的中位OS分别为20.0、8.0和3.5个月。对于39名患者的cBMV3，无论作为连续变量还是分类变量，均未显示统计学意义。仅有16名患者出现四次或更多次DBF，患者数量不足以进行有意义的统计分析。

在iBMV组的100名患者中，iBMV作为连续变量并不是OS的显著预测因子。但当按照二元预测因子进行分层时，两个风险组之间的OS差异具有统计学意义。低风险组（iBMV <2）和高风险组（iBMV ≥2）的中位OS分别为19.0和9.7个月。

在这组病例中，vBMV既不是作为连续变量的OS的显著预测因子，也不是作为二元变量的显著预测因子。

在多变量分析（MVA）中，计算自首次BM发生时间的OS时，四个变量与OS显著相关。黑色素瘤组织类型与相对较好的OS相关，而体外疾病的存在、更高的RPA评分和高风险组iBMV评分与较差的OS显著相关。在计算自首次DBF时间与OS的多变量分析中，更高的KPS与较好的OS显著相关。此外，属于中风险组或高风险组的cBMV1评分患者与较差的OS显著相关。

此外，cBMV1对iBMV的预测力在138名患者中作为连续变量不显著，但在高风险cBMV1组的患者中，iBMV是显著的预测因子。在排除了cBMV1非常高的56名患者后，iBMV作为连续变量也具有统计学意义。在将cBMV2对iBMV进行回归分析时，iBMV在65名评估的患者中作为连续变量和二元变量均是显著的预测因子。最后，cBMV1对cBMV2同样具有预测能力，无论是将cBMV1作为连续变量还是将其作为高风险组患者的分类变量均有统计学意义。

总之，这项研究验证了iBMV和cBMV作为在不同时间点上的BMs患者疾病轨迹中可靠的OS预测因子。虽然这项研究是第一个尝试验证vBMV的研究，但这一指标未显示出与OS的显著关联。通过展示BMV评分不仅能可靠地预测结果，而且还能预测患者疾病过程后期的BMV评分，证明了这些指标的在脑转移瘤患者临床实践应用中的潜力。