亮点
– 在一项多中心队列研究中，3,980名口腔鳞状细胞癌（OCSCC）患者中有39%在手术后接受了辅助治疗（AT），61%仅接受了手术。
– 独立与接受AT相关的术前因素包括：年龄较轻（<65岁比≥65岁更可能）、合并症负担较高（CCI ≥4）、既往头颈部癌症病史（可能性较低）、特定亚部位（上颌牙槽、下颌后三角区）、肿瘤较大、临床T和N分期较高、活检分级较差。
– 在接受AT的患者中，活检分级较差和淋巴结分期较晚预示使用放化疗而非单纯放疗。使用术前数据建立的预测模型达到了0.84的AUC。
背景：疾病背景和未满足的需求
原发性外科切除仍然是可切除口腔鳞状细胞癌（OCSCC）的主要治疗方法。关于辅助治疗（单独放疗或同步放化疗）的决策通常由手术后识别出的病理特征驱动——尤其是阳性手术切缘和淋巴结外侵犯（ENE）——这些特征表明高风险疾病，从术后同步顺铂为基础的放化疗中受益。然而，术后的病理结果在初始治疗计划时不可用。能够在术前识别可能需要AT的患者可以改善多学科规划、加快对放射肿瘤学和内科肿瘤学的转诊、减少辅助治疗的延误、增强患者咨询，并告知有关预期毒性和生活质量权衡的信息。
研究设计和方法
Dayan及其同事（加拿大头颈协作研究倡议）的研究是一项回顾性队列分析，对象是2005年1月至2019年12月期间在加拿大九个学术中心接受原发性手术的连续口腔癌患者。提取了人口统计学变量（年龄、性别、吸烟史、Charlson合并症指数[CCI]）、术前可用的肿瘤特征（临床T和N分期、活检分级和肿瘤尺寸）、既往头颈部癌症病史以及最终是否接受了辅助治疗（无、术后放疗[RT]或术后同步放化疗[CRT]）。研究人员检查了术前变量与以下方面的关联：(1) 接受AT与单独手术；(2) AT的类型（RT vs CRT）；(3) 具有强烈病理指征但未接受AT的患者的预测因素。使用多变量逻辑回归模型，并通过受试者工作特征曲线（AUC）下的面积评估AT接收的预测模型。数据分析于2024年3月完成。
主要发现
总体队列和结果
队列包括3,980名接受OCSCC手术的患者。平均年龄为63岁（标准差13）；38%为女性。总体而言，2,438名患者（61%）仅接受了手术，1,542名（39%）接受了辅助治疗。具有强烈病理指征（如阳性切缘或淋巴结外扩散）的患者有1,907名（48%）。
接受辅助治疗的术前预测因素
在多变量分析中，以下术前变量独立与术后接受AT的几率相关：
- 年龄≥65岁：与较低的接受AT的几率相关（OR 0.50；95% CI, 0.38–0.64）。换句话说，老年患者不太可能接受术后RT/CRT。
- Charlson合并症指数≥4：较高的接受AT的几率（OR 1.83；95% CI, 1.26–2.65），这表明当肿瘤特征令人担忧时，临床医生可能更倾向于对合并症患者进行额外治疗。
- 既往头颈部癌症病史：较低的接受AT的几率（OR 0.40；95% CI, 0.26–0.62），这可能反映了既往治疗暴露、既往放疗或不同的风险-收益考虑。
- 肿瘤亚部位：上颌牙槽（OR 2.16；95% CI, 1.11–4.22）和下颌后三角区（OR 1.85；95% CI, 1.04–3.29）与较高的接受AT的几率相关，这与这些亚部位的局部侵袭性行为或高风险病理特征的可能性更大一致。
- 肿瘤尺寸（每增加1厘米）：OR 1.35（95% CI, 1.22–1.50），表明较大的肿瘤更可能需要辅助治疗。
- 临床T和N分期增加：较高的术前分期预示较高的接受AT的可能性。
- 活检分级：术前活检分级较差的肿瘤接受AT的几率较高（OR 1.89；95% CI, 1.25–2.84），与分化良好或中等分化的肿瘤相比。
放化疗与单纯放疗的预测因素
在接受任何AT的患者中，术前分级较差（OR 2.40；95% CI, 1.34–4.30）和更晚期的淋巴结分期与接受放化疗（CRT）而非单纯放疗（RT）相关。这表明，术前预示侵袭性生物学和淋巴结疾病的指标可能预示需要加强辅助治疗。
具有强烈病理指征但未接受AT的患者
即使在具有强烈术后病理指征的患者中，某些术前因素也与未接受推荐的辅助治疗相关：年龄较大、合并症负担较高、活检分级较高、分期较晚和肿瘤尺寸较大。这些关联突显了复杂的临床决策，其中实际年龄、虚弱、现有合并症和感知的手术风险可能导致省略指南推荐的术后治疗。
模型性能
使用术前变量开发的预测模型在预测AT接收方面表现出良好的区分度，AUC为0.84（95% CI, 0.82–0.86）。
临床解读和意义
研究结果表明，一组易于获得的术前临床和肿瘤特征可以有意义地预测哪些患者可能需要术后辅助治疗，甚至哪些患者可能需要CRT而非单独RT。关键的实际意义包括：
- 早期多学科协调：肿瘤较大、临床T/N分期较高、下颌后三角区或上颌牙槽亚部位、活检分级较差的患者可以更早地被分流至放射肿瘤学和内科肿瘤学咨询，以简化辅助治疗计划并最大限度地减少手术与AT之间的延迟。
- 术前咨询和知情同意：外科医生可以提供更准确的术前咨询，关于辅助治疗的可能性及其预期毒性，有助于共同决策。
- 资源分配和调度：预测识别可能接受AT的患者可以帮助放疗科预测需求、预留模拟时间，并安排及时开始辅助治疗，这与头颈部癌症的肿瘤学结果相关。
- 围手术期优化：对于预测需要AT的患者，早期老年医学或合并症管理及预康复可能提高对辅助治疗的耐受性和完成率。
当前证据和指南的背景
当代指南（如NCCN）建议，对于具有高风险病理特征（如阳性切缘或淋巴结外扩散）的患者，推荐术后同步放化疗。里程碑式的随机试验表明，在高风险患者中，顺铂加入术后放疗可以改善局部区域控制和无病生存，从而确立了该情况下CRT的标准。本研究补充了这些指南，通过识别术前预测因素来预见哪些患者最终将根据那些术后标准进行治疗。
优势和局限性
研究的优势包括大型多中心队列、现代研究时期以及稳健的多变量建模和高性能预测模型。
需要考虑的关键局限性包括：
- 回顾性观察设计：易受选择偏倚、未测量的混杂因素和中心间及时间上的实践差异影响。
- 决策的异质性：省略辅助治疗的选择可能取决于行政或图表审查数据中未完全捕捉到的细微临床因素（患者偏好、虚弱、既往放疗范围、功能状态、社会决定因素和多学科评估）。
- 病理驱动的决策仍然主要：尽管术前预测因素很有帮助，但最终决策必然取决于术后病理发现（切缘、淋巴结外扩散、神经周围侵犯），这些无法仅从临床数据中完美预测。
- 普适性：加拿大学术中心的实践模式可能不完全反映其他卫生系统、社区环境或资源约束不同的地区。
专家评论和研究优先事项
从临床角度来看，这项工作强调了作为全面头颈部肿瘤学路径一部分的术前风险分层的重要性。多学科肿瘤委员会应将术前预测因素整合到调度和分流决策中，以最小化辅助治疗的时间——这是头颈部癌症已知的结果决定因素。未来前瞻性努力应在外部队列中验证预测模型，评估与高级成像和分子标志物（如口咽部疾病中的HPV状态——与口腔腔较少相关）的整合，并确定术前预测后快速多学科干预是否实际上减少了辅助治疗的时间并改善了生存或功能结果。
结论
Dayan等人证明，常用的术前临床和肿瘤特征可以预测口腔鳞状细胞癌手术后辅助治疗的可能性和强度。具有强区分性能（AUC 0.84）的预测模型表明，这些变量可以在常规术前工作流程中使用，以指导咨询、加快多学科转诊、优化资源配置，并可能减少辅助治疗的延迟。需要前瞻性验证和实施研究，以确定使用此类模型是否能改善护理的及时性和肿瘤学结果。
资助和临床试验注册
主要文章报告的资金和披露如《JAMA耳鼻喉科-头颈外科》出版物所列。这是一项研究者发起的多中心回顾性队列研究；回顾性观察分析无需在clinicaltrials.gov注册。
选定参考文献
1. Dayan GS, Bahig H, Colivas J, et al. Preoperative Clinical and Tumor Factors Associated With Adjuvant Therapy for Oral Cavity Cancer. JAMA Otolaryngol Head Neck Surg. 2025;151(5):466–475. doi:10.1001/jamaoto.2024.5250.
2. National Comprehensive Cancer Network. NCCN Clinical Practice Guidelines in Oncology: Head and Neck Cancers. 版本为撰写时的最新版本（2024）。
3. Cooper JS, Pajak TF, Forastiere AA, et al. Postoperative concurrent radiotherapy and chemotherapy for high-risk squamous-cell carcinoma of the head and neck. N Engl J Med. 2004;350(19):1937–1944.
4. Bernier J, Cooper JS, Pajak TF, et al. Defining risk levels in locally advanced head and neck cancers: a comparative analysis of concurrent postoperative radiation and chemotherapy trials of the EORTC and RTOG. Head Neck. 2005;27(10):843–850.
5. Amin MB, Edge SB, Greene FL, et al., editors. AJCC Cancer Staging Manual. 8th ed. Springer; 2017.