基于临床及超声图像的危险因素评分法对乳腺癌的预测

作     者：王欣月 

作者单位：华北理工大学 

学位级别：硕士

导师姓名：张树华

授予年度：2019年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1002[医学-临床医学] 08[工学] 100214[医学-肿瘤学] 10[医学] 

主      题：乳腺癌 超声图像 预测模型 危险因素评分法 BI-RADS分级 

摘      要：目的探讨基于临床及常规超声图像特征的危险因素评分法建立的乳腺癌预测模型的应用价值。寻找乳腺良、恶性肿瘤的超声及临床参数积分临界值。优化BI-RADS分级,提高乳腺癌诊断准确率,减少不必要的穿刺活检或手术。方法选取2014年1月1日-2018年11月30日期间于华北理工大学附属医院就诊的1092例女性乳腺肿瘤患者。其中经乳腺组织活检或术后病理证实的821例。采用(Breast Imaging Reporting and Data System,BI-RADS)2013第5版BI-RADS诊断标准对图像进行标准化描述,包括部位(左乳、右乳)、位置(象限)、形态(规则形、不规则形)、方位(平行于表面皮肤、不平行于表面皮肤)、边缘形态(模糊、成角、分叶、毛刺征)、边界(清晰、不清晰)、强回声晕、回声、内部回声模式(均匀、不均匀)、周围组织改变(Cooper韧带受累、皮肤增厚、回缩、水肿)、后方回声(增强、衰减、侧方声影)、是否有肿块内钙化(微钙化、粗大钙化)、腋窝淋巴结是否肿大,结合血流Adler半定量分级、血流分布模式(周边、内部、周边及内部)、流速及阻力指数。采用Excel2013建立数据库,SPSS 22.0进行统计学分析。以研究对象的原始资料为基础,对不同的变量进行编码,以病理结果为金标准,作为因变量,所有其他因素作为自变量,包括一般资料、危险因素、临床体征及常规超声图像特征等。计量资料的描述采用均数±标准差(x±s),计数资料采用构成比描述,分析各超声图像及临床参数良恶性组间差异,采用χ检验。将821例研究对象随机分为训练组和验证组,单因素分析差异有统计学意义的征象纳入训练组的二分类logistic回归分析模型,采用logistic回归逐步前进法(Forward LR法),寻找临床危险参数及超声恶性征象,以P0.05作为筛选危险因素的检验水准。应用10倍的回归系数β为其赋分,以乳腺肿瘤常规超声图像的恶性征象建立基础模型RS1。通过增加一项或多项参数构建新的模型RS2、RS3、RS4,并通过与基础模型RS1比较评估新模型的预测能力及准确性。以每位研究对象所得总分作为检验变量,患者的病理结局作为状态变量,绘制受试者工作曲线(ROC)评估预测模型的诊断效能,同时结合受试者工作特征曲线下面积(AUC),Youden指数最大时取得截断值,分析参数积分临界值及模型灵敏度、特异度,并用验证组分别进行外部检验,用一致性检验(Kappa值)进行评估,Kappa值最大为最佳模型。结果1基于不同参数分别建立危险因素评分模型RS:(1)超声参数建立基础模型RS1;(2)超声参数结合年龄建立模型RS2;(3)综合超声参数、年龄、临床体征建立模型RS3;(4)联合超声参数、年龄、危险因素及临床体征建立模型RS4。2四组评分模型与病理结果进行Kappa一致性检验,综合超声图像、触诊活动度及年龄建立危险因素评分模型RS3的Kappa值最高(Kappa=0.799)为最佳模型,其积分临界值为50.8分,曲线下面积0.962。RS3外部验证结果曲线下面积0.900、准确度90.1%、灵敏度89.1%、特异度90.9%、阳性预测值88.3%、阴性预测值91.5%、阳性似然比9.791、阴性似然比0.120。3 RS3与BI-RADS分级诊断结果比较显示RS3的预测乳腺癌准确度(90.1%)明显高于BI-RADS分级(75.1%),进一步与BI-RADS分级详细对比分析结果显示,超声诊断中判定为BI-RA DS3-5级的肿瘤,RS3对其预测也具有较高的符合率,符合率分别为94.8%、88.8%、75.9%、98.1%、100%,在主观影响较大的BI-RADS4级肿瘤中也有较高的符合率(4a级88.8%、4b级75.9%、4c级98.1%)。结论1综合常规超声图像特征、年龄及临床体征建立的危险因素评分RS3诊断效能最好,为预测乳腺癌最佳模型。2模型RS3的危险征象及危险因素预测乳腺癌恶性风险依次为年龄56、触诊活动度差、Cooper韧带受累、高回声晕、年龄51、年龄46、微钙化、边界不光整、触诊活动度可,其分值依次为31.9、30.4、25.8、25.7、23.4、19.9、18.8、16.9、15.2,判别乳腺肿瘤良恶性的临界值50.8。其中触诊活动度差、年龄56较超声恶性征象在预测乳腺肿瘤恶性风险方面贡献更大。3综合流行病学资料、常规超声图像特征及临床体征建立的乳腺癌危险因素评分模型不仅可以更好地识别BI-RADS评分为4a或疑为恶性程度较低的以良性病变为主的患者群体,弥补BI-RADS的低特异性,而且有助于优化BI-RADS分级在实际临床中的应用图3幅;表22个;参108篇。