研究目的:1.单中心瘢痕疙瘩住院患者接受手术及放疗后复发的临床预测模型及nomogram建立。2.基于机器学习方法建立瘢痕疙瘩患者的三种复发预测模型并进行评估及比较。3.研究不同严重程度的瘢痕疙瘩炎性相关差异表达基因并进行注释和挖掘hub基因。4.基于复发相关因素分析的瘢痕疙瘩表皮下血管网皮瓣的设计改进,探索该皮瓣的最Resultados oncológicos佳长宽比。研究方法:1.搜集2015-2019年度北京协和医院的瘢痕疙瘩住院患者的电子病历信息,对患者进行随访,以2年内是否复发为结局终点。排除失访者及缺失数据后,以胸部瘢痕疙瘩患者数据集为训练集,建立逻辑回归模型和nomogram,并在非胸部瘢痕疙瘩患者数据集中进行验证。2.纳入301例接受手术及术后放疗的瘢痕疙瘩患者,其中70%作为训练集,30%作为验证集。在训练集中建立三种复发预测模型:逻辑回归模型、决策树模型、随机森林模型。在测试集中对三种模型进行评估和比较,包括准确度、灵敏度、特意度、召回率、精确度、和kappa系数,并计算三种模型ROC曲线下面积(AUC)。3.根据瘢痕疙瘩增生活动度评分,选择6例重度瘢痕疙瘩标本(KAAS≥7)和6例轻度瘢痕疙瘩标本(KAAS<4),使用免疫应答研究检测试剂盒进行高通量测序,对测序数据进行生物信息学分析,比较2组间的差异表达基因(DEGs),挖掘hub基因。对差异表达基因进行基因本体论(GO)注释和KEGG通路富集分析,进一步确定差异基因的主要功能和相关通路。4.设计前瞻性临床研究,精确记录瘢痕疙瘩表皮下血管网皮瓣的长度和宽度,血流灌注情况,并对患者进行随访,根据临床数据进行统计学分析,找出该种特殊皮瓣合适的长宽比。研究结果:1.瘢痕疙瘩增生活动度评分(KAAS)和术后是否出现并发症建立逻辑回归预测模型和nomogramLorlatinib说明书,该模型在胸部瘢痕疙瘩训练集的AUC=0.871,在非胸部瘢痕疙瘩的测试集AUC=0.802。具有良好的预测效用。2.基于机器学习方法建立了三种瘢痕疙瘩复发预测模型,瘢痕疙瘩增生活动度,血压水平,术后是否出现并发症以及炎性细胞比例等因素在其中参与重要作用,在不同维度比较三种模型,准确度:决策树>随机森林>逻辑回归;精确度:决策树>随机森林>逻辑回归;AUC:逻辑回归>随机森林>决策树。3.共发现123个差异表达基因,45个上调基因,78个下调基因,CCR7在重度组表达水平显著高于轻度组(P<0.05),ROC曲线提示CCR7的表达水平具有良好的辨别重度和轻度组的能力,AUC=0.833。GO富集的生物过程类别包括T细胞激活调控、白细胞激活的正调控等过程,分子功能主要包括细胞因子受体结合、酰胺结合、免疫受体激活,细胞组分分析提示主要位于细胞质膜的外侧、内吞膜泡部位。KEGG pathway富集分析在细胞因子-细胞因子受体相互作用信号通路富集最多,其次在细胞粘附分子通路。4.手术后第一天和拆线当天的平均血流灌注量分别为120.4013和168.6900(p=0.02249);2例皮瓣出现部分坏死(5.714%)。FG-4592体内ROC曲线分析显示,当长宽比<1.05时,皮瓣质量良好(AUC=0.724),提示该种皮瓣的有效安全长宽比为1.05。随访11-13个月,观察到1名患者出现部分切口瘢痕增生,但没有观察到瘢痕疙瘩复发。研究结论:1.瘢痕疙瘩增生活动度评分表可用于预测复发,本研究建立了预测瘢痕疙瘩手术及辅助放疗后2年复发的列线图。2.基于机器学习方法建立了三种瘢痕疙瘩复发预测模型,发现瘢痕疙瘩增生活动度,血压水平,术后是否出现并发症以及炎性细胞比例等因素在其中参与重要作用,在不同维度比较了三种模型,预测效能方面(AUC),逻辑回归模型效能最佳。3.CCR7的表达水平提示了瘢痕疙瘩的严重程度,调节该基因可能有助于预防、缓解瘢痕疙瘩或者改善瘢痕疙瘩治疗的效果。瘢痕疙瘩的严重程度和免疫调节通路密切相关。4.保留瘢痕疙瘩表皮下血管网皮瓣方式可以提供足够的血流灌注和充足的皮肤量覆盖缺损,对于这种特殊的皮瓣设计,推荐的皮瓣设计长宽比不应超过1,联合高压氧治疗可以改善皮瓣的血运,减少术后并发症的发生。