Risk factors and time distribution of pelvic lymph node metastasis after neoadjuvant chemotherapy in different subtypes of prostate cancer

doi:10.3877/cma.j.issn.1674-3253.2025.06.007

Abstract

Abstract:

Objective

To explore the risk factors and time distribution of pelvic lymph node metastasis after neoadjuvant chemotherapy in different subtypes of prostate cancer.

Methods

162 prostate cancer patients who received neoadjuvant chemotherapy in our hospital from January 2017 to January 2020 were selected as the research subjects. According to the cancer gene atlas (TCGA) classifier, they were divided into four molecular subtypes: ERG, ETV1, ETV4, and FLI1, to explore the relationship between molecular typing and clinical characteristics, and analyze the time distribution pattern of pelvic lymph node metastasis after neoadjuvant chemotherapy for prostate cancer with different molecular subtypes. According to whether pelvic lymph node metastasis occurred during the follow-up period, patients were divided into a metastatic group (n=65) and a non metastatic group (n=97). The influencing factors of pelvic lymph node metastasis in patients were analyzed through univariate and multivariate logistic analysis, and a nomogram prediction model was constructed and validated.

Results

The differences in Gleason score, PSA, T stage, N stage, tumor grade, and pelvic lymph node metastasis among patients with different subtypes were statistically significant (P<0.05). Gleason score, PSA, tumor grade, and FLI1 type are independent risk factors for pelvic lymph node metastasis in prostate cancer patients after neoadjuvant chemotherapy (P<0.05). Using independent influencing factors to construct a nomogram prediction model, the model has good discrimination and accuracy. The risk time of total pelvic lymph node metastasis of prostate cancer after neoadjuvant chemotherapy showed a bimodal distribution, and the peak of metastasis was in the 12th month and 30th month after neoadjuvant chemotherapy respectively.

Conclusion

Molecular typing is a influencing factor for pelvic lymph node metastasis in prostate cancer after neoadjuvant chemotherapy, and there is a certain regularity in the time of pelvic lymph node metastasis in different molecular subtypes of prostate cancer after neoadjuvant chemotherapy.

Key words: Prostate cancer, Molecular subtypes, Neoadjuvant therapy, Lymph node metastasis, Prognostic model, Precision medicine

Chao Tian, Ruoxi Huang, Maolin Jiang, Chongwei Xie, Pengfei Diao, Suquan Zhong, Dong Chen, Hangtao Wang, Guiliu Chen, Yujian Chen, Guoliang Li. Risk factors and time distribution of pelvic lymph node metastasis after neoadjuvant chemotherapy in different subtypes of prostate cancer[J]. Chinese Journal of Endourology(Electronic Edition), 2025, 19(06): 727-735.

/ / Recommend

Add to citation manager EndNote|Ris|BibTeX

URL: https://zhqjmnmwkzz.cma-cmc.com.cn/EN/10.3877/cma.j.issn.1674-3253.2025.06.007

https://zhqjmnmwkzz.cma-cmc.com.cn/EN/Y2025/V19/I06/727

Figures/Tables 9

References 30

[1]	Sung H, Ferlay J, Siegel RL, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2021, 71(3): 209-249. DOI: 10.3322/caac.21660.
[2]	Kawase M, Kato D, Tobisawa Y, et al. Efficacy and safety of combination neoadjuvant chemo-hormonal therapy and robot-assisted radical prostatectomy for oligometastatic prostate cancer[J]. Int J Urol, 2024, 31(7): 826-828. DOI: 10.1111/iju.15448.
[3]	Zhou E, Zhang B, Zhu K, et al. A TMPRSS2-ERG gene signature predicts prognosis of patients with prostate adenocarcinoma[J]. Clin Transl Med, 2020, 10(8): e216. DOI: 10.1002/ctm2.216.
[4]	陈露, 董柏君, 董樑, 等. 前列腺癌新辅助治疗上海专家共识[J]. 上海医学, 2023, 46(10): 643-648. DOI: 10.19842/j.cnki.issn.0253-9934.2023.10.001.
[5]	Hiremath A, Shiradkar R, Fu P, et al. An integrated nomogram combining deep learning, Prostate Imaging-Reporting and Data System (PI-RADS) scoring, and clinical variables for identification of clinically significant prostate cancer on biparametric MRI: a retrospective multicentre study[J]. Lancet Digit Health, 2021, 3(7): e445-e454. DOI: 10.1016/S2589-7500(21)00082-0.
[6]	Wang H, Zhang J, Bao S, et al. Preoperative MRI-based radiomic machine-learning nomogram may accurately distinguish between benign and malignant soft-tissue lesions: a two-center study[J]. J Magn Reson Imaging, 2020, 52(3): 873-882. DOI: 10.1002/jmri.27111.
[7]	Watanabe R, Miura N, Kurata M, et al. Spatial gene expression analysis reveals characteristic gene expression patterns of de novo neuroendocrine prostate cancer coexisting with androgen receptor pathway prostate cancer[J]. Int J Mol Sci, 2023, 24(10): 8955. DOI: 10.3390/ijms24108955.
[8]	Hardiman G, Savage SJ, Hazard ES, et al. A systems approach to interrogate gene expression patterns in African American men presenting with clinically localized prostate cancer[J]. Cancers (Basel), 2021, 13(20): 5143. DOI: 10.3390/cancers13205143.
[9]	Meng J, Zhou Y, Lu X, et al. Immune response drives outcomes in prostate cancer: implications for immunotherapy[J]. Mol Oncol, 2021, 15(5): 1358-1375. DOI: 10.1002/1878-0261.12887.
[10]	Brunese L, Mercaldo F, Reginelli A, et al. Formal methods for prostate cancer Gleason score and treatment prediction using radiomic biomarkers[J]. Magn Reson Imaging, 2020, 66: 165-175. DOI: 10.1016/j.mri.2019.08.030.
[11]	Culp MB, Soerjomataram I, Efstathiou JA, et al. Recent global patterns in prostate cancer incidence and mortality rates[J]. Eur Urol, 2020, 77(1): 38-52. DOI: 10.1016/j.eururo.2019.08.005.
[12]	Ma YF, Li GD, Sun X, et al. Identification of FAM107A as a potential biomarker and therapeutic target for prostate carcinoma[J]. Am J Transl Res, 2021, 13(9): 10163-10177.
[13]	Huang X, Cai W, Yuan W, et al. Identification of key lncRNAs as prognostic prediction models for colorectal cancer based on LASSO[J]. Int J Clin Exp Pathol, 2020, 13(4): 675-684.
[14]	Jiang J, Bi Y, Liu XP, et al. To construct a CeRNA regulatory network as prognostic biomarkers for bladder cancer[J]. J Cell Mol Med, 2020, 24(9): 5375-5386. DOI: 10.1111/jcmm.15193.
[15]	Hamm CA, Beetz NL, Savic LJ, et al. Artificial intelligence and radiomics in MRI-based prostate diagnostics[J]. Radiologe, 2020, 60(1): 48-55. DOI: 10.1007/s00117-019-00613-0.
[16]	汪雄, 肖峻. 前列腺癌术前新辅助治疗的研究现状[J]. 现代泌尿外科杂志, 2022, 27(12): 1069-1073. DOI: 10.3969/j.issn.1009-8291.2022.12.018.
[17]	Ge Q, Xu H, Yue D, et al. Neoadjuvant chemohormonal therapy in prostate cancer before radical prostatectomy: a systematic review and meta-analysis[J]. Front Oncol, 2022, 12: 906370. DOI: 10.3389/fonc.2022.906370.
[18]	Song Z, Tang Z, Liu H, et al. A clinical-radiomics nomogram may provide a personalized 90-day functional outcome assessment for spontaneous intracerebral hemorrhage[J]. Eur Radiol, 2021, 31(7): 4949-4959. DOI: 10.1007/s00330-021-07828-7.
[19]	Xie H, Ma S, Wang X, et al. Noncontrast computer tomography-based radiomics model for predicting intracerebral hemorrhage expansion: preliminary findings and comparison with conventional radiological model[J]. Eur Radiol, 2020, 30(1): 87-98. DOI: 10.1007/s00330-019-06378-3.
[20]	刘想, 张耀峰, 孙兆男, 等. 基于T2加权成像的影像组学列线图模型预测前列腺癌盆腔淋巴结转移[J]. 中南大学学报(医学版), 2022, 47(8): 1025-1036. DOI: 10.11817/j.issn.1672-7347.2022.210692.
[21]	赖树盛, 郑石磊. 基于磁共振T2WI-FS的影像组学对前列腺癌盆腔淋巴结转移的诊断价值[J]. 中国医科大学学报, 2021, 50(3): 230-234. DOI: 10.12007/j.issn.0258-4646.2021.03.008.
[22]	Narayanan R. Therapeutic targeting of the androgen receptor (AR) and AR variants in prostate cancer[J]. Asian J Urol, 2020, 7(3): 271-283. DOI: 10.1016/j.ajur.2020.03.002.
[23]	Kim TJ, Lee YH, Koo KC. Current status and future perspectives of androgen receptor inhibition therapy for prostate cancer: a comprehensive review[J]. Biomolecules, 2021, 11(4): 492. DOI: 10.3390/biom11040492.
[24]	Chi C, Fan L, Dong B, et al. Efficacy of neoadjuvant chemohormonal therapy in oligometastatic hormone-sensitive prostate cancer: a prospective, three-arm, comparative propensity score match analysis[J]. Clin Genitourin Cancer, 2021, 19(4): e223-e234. DOI: 10.1016/j.clgc.2021.02.004.
[25]	Gómez Rivas J, Ortega Polledo LE, De La Parra Sánchez I, et al. Current status of neoadjuvant treatment before surgery in high-risk localized prostate cancer[J]. Cancers (Basel), 2024, 17(1): 99. DOI: 10.3390/cancers17010099.
[26]	Esteves L, Caramelo F, Roda D, et al. Identification of novel molecular and clinical biomarkers of survival in glioblastoma multiforme patients: a study based on the cancer genome atlas data[J]. BioMed Res Int, 2024, 2024(1): 5582424. DOI: 10.1155/2024/5582424.
[27]	Jeon S, Park C, Kim J, et al. Comparing variants related to chronic diseases from genome-wide association study (GWAS) and the cancer genome atlas (TCGA)[J]. BMC Med Genomics, 2023, 16(1): 332. DOI: 10.1186/s12920-023-01758-7.
[28]	Chen W, Qian W, Nie J, et al. A study of the prognostic value of long non-coding RNA CASC15 in human solid tumors utilizing The Cancer Genome Atlas (TCGA) datasets and a meta-analysis[J]. Clin Exp Med, 2023, 23(1): 65-78. DOI: 10.1007/s10238-021-00789-7.
[29]	Liu D, Augello MA, Grbesa I, et al. Tumor subtype defines distinct pathways of molecular and clinical progression in primary prostate cancer[J]. J Clin Invest, 2021, 131(10): e147878. DOI: 10.1172/JCI147878.
[30]	葛秦涛, 孟佳林, 梁朝朝. 前列腺癌组学分子分型、预后预测及个性化治疗的研究进展[J]. 中华男科学杂志, 2022, 28(9): 837-842. DOI: 10.13263/j.cnki.nja.2022.09.011.

指标	ERG型（n=35）	ETV1型（n=42）	ETV4型（n=47）	FLI1型（n=38）	χ²值	P值
年龄（岁）					0.134	0.987
< 70	18（51.43）	23（54.76）	25（53.19）	21（55.26）
≥70	17（48.57）	19（45.24）	22（46.81）	17（44.74）
BMI（kg/m²）					0.292	0.961
< 24	20（57.14）	22（52.38）	26（55.32）	22（57.89）
≥24	15（42.86）	20（47.62）	21（44.68）	16（42.11）
吸烟					0.148	0.986
是	19（54.29）	23（54.76）	24（51.06）	20（52.63）
否	16（45.71）	19（45.24）	23（48.94）	18（47.37）
饮酒					0.149	0.985
是	21（60.00）	24（57.14）	27（57.45）	23（60.53）
否	14（40.00）	18（42.86）	20（42.55）	15（39.47）
家族史					0.120	0.989
有	2（5.71）	2（4.76）	3（6.38）	2（5.26）
无	33（94.29）	40（95.24）	44（93.62）	36（94.74）
Gleason评分（分）					11.432	0.010
<5	11（31.43）	12（28.57）	12（25.53）	1（2.63）
5~7	18（51.43）	22（52.38）	24（51.06）	17（44.74）
≥8	6（17.14）	8（19.05）	11（23.40）	20（52.63）
PSA（ng/mL）					14.098	0.003
<10	11（31.43）	12（28.57）	12（25.53）	0（0）
10~19	14（40.00）	18（42.86）	21（44.68）	9（23.68）
≥20	10（28.57）	12（28.57）	14（29.79）	29（76.32）
肿瘤数量					0.550	0.908
单个	32（91.43）	38（90.48）	43（91.49）	36（94.74）
多个	3（8.67）	4（9.52）	4（8.51）	2（5.26）
肿瘤直径（cm）					0.228	0.973
< 3	22（62.86）	26（61.90）	29（61.70）	22（57.89）
≥3	13（37.14）	16（38.10）	18（38.30）	16（42.11）
T分期					8.354	0.039
T₁	9（25.71）	12（28.57）	13（27.66）	2（5.26）
T₂	24（68.57）	28（66.67）	31（65.96）	25（65.79）
T₃	2（5.71）	2（4.76）	3（6.38）	11（28.95）
N分期					9.003	0.029
N₀	19（54.29）	23（54.76）	27（57.45）	18（47.37）
N₁	8（22.86）	10（23.81）	12（25.53）	5（13.16）
N₂	5（14.29）	6（14.29）	4（8.51）	5（13.16）
N₃	3（8.57）	3（7.14）	4（8.51）	10（26.32）
肿瘤分级					30.000	<0.001
低分化	4（11.43）	5（11.90）	5（10.64）	20（52.63）
中分化	15（42.86）	19（45.24）	21（44.68）	13（34.21）
高分化	16（45.71）	18（42.86）	21（44.68）	5（13.16）
盆腔淋巴转移					61.641	<0.001
无	27（77.14）	32（76.19）	36（76.60）	2（5.26）
有	8（22.86）	10（23.81）	11（23.40）	36（94.74）
对化疗药物敏感性					0.086	0.993
敏感	24（68.57）	28（66.67）	32（68.09）	25（65.79）
不敏感	11（31.43）	14（33.33）	15（31.91）	13（34.21）

指标	ERG型（n=35）	ETV1型（n=42）	ETV4型（n=47）	FLI1型（n=38）	χ²值	P值
年龄（岁）					0.134	0.987
< 70	18（51.43）	23（54.76）	25（53.19）	21（55.26）
≥70	17（48.57）	19（45.24）	22（46.81）	17（44.74）
BMI（kg/m²）					0.292	0.961
< 24	20（57.14）	22（52.38）	26（55.32）	22（57.89）
≥24	15（42.86）	20（47.62）	21（44.68）	16（42.11）
吸烟					0.148	0.986
是	19（54.29）	23（54.76）	24（51.06）	20（52.63）
否	16（45.71）	19（45.24）	23（48.94）	18（47.37）
饮酒					0.149	0.985
是	21（60.00）	24（57.14）	27（57.45）	23（60.53）
否	14（40.00）	18（42.86）	20（42.55）	15（39.47）
家族史					0.120	0.989
有	2（5.71）	2（4.76）	3（6.38）	2（5.26）
无	33（94.29）	40（95.24）	44（93.62）	36（94.74）
Gleason评分（分）					11.432	0.010
<5	11（31.43）	12（28.57）	12（25.53）	1（2.63）
5~7	18（51.43）	22（52.38）	24（51.06）	17（44.74）
≥8	6（17.14）	8（19.05）	11（23.40）	20（52.63）
PSA（ng/mL）					14.098	0.003
<10	11（31.43）	12（28.57）	12（25.53）	0（0）
10~19	14（40.00）	18（42.86）	21（44.68）	9（23.68）
≥20	10（28.57）	12（28.57）	14（29.79）	29（76.32）
肿瘤数量					0.550	0.908
单个	32（91.43）	38（90.48）	43（91.49）	36（94.74）
多个	3（8.67）	4（9.52）	4（8.51）	2（5.26）
肿瘤直径（cm）					0.228	0.973
< 3	22（62.86）	26（61.90）	29（61.70）	22（57.89）
≥3	13（37.14）	16（38.10）	18（38.30）	16（42.11）
T分期					8.354	0.039
T₁	9（25.71）	12（28.57）	13（27.66）	2（5.26）
T₂	24（68.57）	28（66.67）	31（65.96）	25（65.79）
T₃	2（5.71）	2（4.76）	3（6.38）	11（28.95）
N分期					9.003	0.029
N₀	19（54.29）	23（54.76）	27（57.45）	18（47.37）
N₁	8（22.86）	10（23.81）	12（25.53）	5（13.16）
N₂	5（14.29）	6（14.29）	4（8.51）	5（13.16）
N₃	3（8.57）	3（7.14）	4（8.51）	10（26.32）
肿瘤分级					30.000	<0.001
低分化	4（11.43）	5（11.90）	5（10.64）	20（52.63）
中分化	15（42.86）	19（45.24）	21（44.68）	13（34.21）
高分化	16（45.71）	18（42.86）	21（44.68）	5（13.16）
盆腔淋巴转移					61.641	<0.001
无	27（77.14）	32（76.19）	36（76.60）	2（5.26）
有	8（22.86）	10（23.81）	11（23.40）	36（94.74）
对化疗药物敏感性					0.086	0.993
敏感	24（68.57）	28（66.67）	32（68.09）	25（65.79）
不敏感	11（31.43）	14（33.33）	15（31.91）	13（34.21）

组别	转移组（n=65）	未转移组（n=97）	统计值	P值
年龄[岁，(±s)]	67.97±5.35	68.16±5.47	t=0.219	0.827
BMI[kg/m²，(±s)]	24.10±1.12	23.84±1.23	t=1.366	0.174
Gleason评分[分，(±s)]	8.75±2.34	6.93±1.86	t=5.497	<0.001
PSA[ng/ml，(±s)]	13.62±2.58	9.78±2.35	t=9.800	<0.001
婚姻状况[例(%)]			χ²=0.059	0.809
已婚	64 (98.46)	95 (97.94)
未婚	1 (1.54）	2 (2.06)
吸烟[例(%)]			χ²=0.025	0.874
是	35 (53.85)	51 (52.58)
否	30 (46.15)	46 (47.42)
饮酒[例(%)]			χ²=0.001	0.970
是	38 (58.46)	57 (58.76)
否	27 (41.54)	40 (41.24)
高血压[例(%)]			χ²=0.001	0.975
是	33 (50.77)	49 (50.52)
否	32 (49.23)	48 (49.48)
糖尿病[例(%)]			χ²=0.001	0.978
是	28 (43.08)	42 (43.30)
否	37 (56.92)	55 (56.70)
家族史[例(%)]			χ²=0.074	0.786
有	4 (6.15)	5 (5.15)
无	61 (93.85)	92 (94.85)
分子分型[例(%)]			χ²=61.634	<0.001
ERG型	7 (10.77)	29 (29.90）
ETV1型	9 (13.85)	31 (31.96)
ETV4型	13 (20.00)	35 (36.08)
FLI1型	36 (55.38)	2 (2.06)
肿瘤数量[例(%)]			χ²=0.016	0.899
单个	60 (92.31)	89 (91.75)
多个	5 (7.69)	8 (8.25)
肿瘤直径（cm）			χ²=0.008	0.927
< 3	40 (61.54)	59 (60.82)
≥3	25 (38.46)	38 (39.18)
T分期[例(%)]			χ²=26.870	<0.001
T₁	1 (1.54)	35 (36.08)
T₂	46 (70.77)	62 (63.92)
T₃	18 (100.00)	0 (0)
N分期[例(%)]			χ²=29.542	<0.001
N₀	18 (27.69)	69 (71.13)
N₁	15 (23.08)	20 (20.62)
N₂	13 (20.00)	7 (7.22)
N₃	19 (29.23)	1 (1.03)
肿瘤分级[例(%)]			χ²=5.957	0.015
低分化	34 (52.31)	0 (0)
中分化	28 (43.08)	40 (41.24)
高分化	3 (4.62)	57 (58.76)
对化疗药物敏感性[例(%)]			χ²=0.063	0.802
敏感	43 (66.15)	66 (68.04)
不敏感	22 (33.85)	31 (31.96)

组别	转移组（n=65）	未转移组（n=97）	统计值	P值
年龄[岁，(±s)]	67.97±5.35	68.16±5.47	t=0.219	0.827
BMI[kg/m²，(±s)]	24.10±1.12	23.84±1.23	t=1.366	0.174
Gleason评分[分，(±s)]	8.75±2.34	6.93±1.86	t=5.497	<0.001
PSA[ng/ml，(±s)]	13.62±2.58	9.78±2.35	t=9.800	<0.001
婚姻状况[例(%)]			χ²=0.059	0.809
已婚	64 (98.46)	95 (97.94)
未婚	1 (1.54）	2 (2.06)
吸烟[例(%)]			χ²=0.025	0.874
是	35 (53.85)	51 (52.58)
否	30 (46.15)	46 (47.42)
饮酒[例(%)]			χ²=0.001	0.970
是	38 (58.46)	57 (58.76)
否	27 (41.54)	40 (41.24)
高血压[例(%)]			χ²=0.001	0.975
是	33 (50.77)	49 (50.52)
否	32 (49.23)	48 (49.48)
糖尿病[例(%)]			χ²=0.001	0.978
是	28 (43.08)	42 (43.30)
否	37 (56.92)	55 (56.70)
家族史[例(%)]			χ²=0.074	0.786
有	4 (6.15)	5 (5.15)
无	61 (93.85)	92 (94.85)
分子分型[例(%)]			χ²=61.634	<0.001
ERG型	7 (10.77)	29 (29.90）
ETV1型	9 (13.85)	31 (31.96)
ETV4型	13 (20.00)	35 (36.08)
FLI1型	36 (55.38)	2 (2.06)
肿瘤数量[例(%)]			χ²=0.016	0.899
单个	60 (92.31)	89 (91.75)
多个	5 (7.69)	8 (8.25)
肿瘤直径（cm）			χ²=0.008	0.927
< 3	40 (61.54)	59 (60.82)
≥3	25 (38.46)	38 (39.18)
T分期[例(%)]			χ²=26.870	<0.001
T₁	1 (1.54)	35 (36.08)
T₂	46 (70.77)	62 (63.92)
T₃	18 (100.00)	0 (0)
N分期[例(%)]			χ²=29.542	<0.001
N₀	18 (27.69)	69 (71.13)
N₁	15 (23.08)	20 (20.62)
N₂	13 (20.00)	7 (7.22)
N₃	19 (29.23)	1 (1.03)
肿瘤分级[例(%)]			χ²=5.957	0.015
低分化	34 (52.31)	0 (0)
中分化	28 (43.08)	40 (41.24)
高分化	3 (4.62)	57 (58.76)
对化疗药物敏感性[例(%)]			χ²=0.063	0.802
敏感	43 (66.15)	66 (68.04)
不敏感	22 (33.85)	31 (31.96)

变量	β	SE	Wald χ²	OR	95%CI	P值
Gleason评分	1.302	0.732	3.166	3.678	1.862~7.543	0.025
PSA	0.933	0.521	3.209	2.543	1.236~3.769	0.018
T分期	1.455	0.861	2.856	4.283	0.975~5.903	0.137
N分期	0.727	0.593	1.501	2.068	0.684~2.867	0.082
肿瘤分级	1.006	0.875	1.322	2.735	1.132~3.624	0.004
分子分型
ERG型	0.457	0.364	1.575	1.579	0.729~2.362	0.095
ETV1型	0.848	0.627	1.352	2.335	0.568~3.593	0.174
ETV4型	0.524	0.306	2.934	1.689	0.324~3.798	0.263
FLI1型	0.813	0.634	1.643	2.254	1.746~3.685	0.012

Please choose a citation manager

Content to export