复合性淋巴瘤

复合性淋巴瘤（Composite lymphoma，CL）是一种罕见的现象，其特征为在同一解剖部位同时存在两种不同的淋巴瘤亚型，例如霍奇金淋巴瘤（HL）合并弥漫性大B细胞淋巴瘤（DLBCL），其具有独特挑战。这些病例通常表现出非典型特征，强调了准确诊断和适当治疗策略的重要性。此外，与单纯的HL或DLBCL相比，合并HL和DLBCL的CL病例可能表现出不同的临床行为和治疗反应。全面了解复合HL和DLBCL的流行病学和临床特征对于优化患者管理和治疗结局至关重要。

因此国内学者利用SEER数据库，使用机器学习开展了一项迄今为止最大规模的、旨在全面探讨复合性HL和DLBCL患者的流行病学和临床结局的研究，近日发表于《The Oncologist》，通讯作者为四川大学华西医院牛挺教授和向兵教授。

研究结果

人口学特征：

CL和DLBCL患者以老年人为主，HL患者多集中在44岁以下（56.5%）。

CL诊断病例近年显著增加（2010年前病例稀少）。

发病率：

复合淋巴瘤：发病率随年龄增长显著上升，85岁以上人群达峰值（3.29例/百万）。

霍奇金淋巴瘤：呈双峰分布，20-24岁（42.05例/百万）和75-79岁（43.20例/百万）为高峰。

弥漫大B细胞淋巴瘤：发病率最高且随年龄增长持续上升，80-84岁达454.15例/百万人。

性别差异：男性发病率显著高于女性（CL: 男0.68 vs. 女0.40例/百万；DLBCL: 男86.18 vs. 女57.56例/百万）。

种族差异：白人发病率最高，美洲原住民最低（CL: 白人0.56 vs. 原住民0.19例/百万）。

临床预后与生存分析

预后因素：

短期生存（1年）：原发肿瘤部位、婚姻状态、化疗、性别影响显著。

长期生存（5年、10年）：Ann Arbor分期起主要作用，B症状和放疗对10年生存率影响较大。

社会因素：已婚患者生存优势明显（HR=1.33），高收入人群死亡风险更低（HR=0.59）。

治疗手段：化疗（HR=0.62）和放疗（HR=0.54）显著降低死亡率，手术无显著影响。

机器学习模型：

采用XGBoost、随机森林等6种算法构建预后模型，AUC值达0.899-0.955，预测效能优异。

列线图（Nomogram）整合年龄、种族、治疗方式等变量，可预测1年、5年、10年生存率，校准曲线显示预测与实际生存高度一致。

亚型比较：

生存率：HL患者总生存率最高，CL次之，DLBCL最低。

长期趋势：CL短期生存低于DLBCL，但长期生存更优（HR=0.81）；CL与HL生存率无显著差异。

死亡原因差异：CL和DLBCL患者主要死于“非霍奇金淋巴瘤”（ DLBCL: 58.7%，CL: 52.9%），HL患者多死于“霍奇金淋巴瘤”（37%）。

研究意义

作者首次基于大样本（SEER数据库）全面分析CL的流行病学特征及预后，并开发机器学习模型辅助临床决策，有助于推动个体化治疗。

该研究为复合霍奇金淋巴瘤与弥漫大B细胞淋巴瘤的诊疗提供了重要依据，强调了多模态治疗（化疗+放疗）和社会支持对预后的积极影响。机器学习模型的临床应用有望优化风险分层，改善这一罕见淋巴瘤亚型患者的生存结局。

参考文献

Oncologist . 2025 Apr 4;30(4):oyae221. doi: 10.1093/oncolo/oyae221.

Tags： 牛挺/向兵教授等使用机器学习分析复合性HL和DLBCL的流行病学特征和临床结局