超声甲状腺结节恶性风险系数预测公式的推导及应用

2018-07-21 02:39张高松
中国临床医学影像杂志 2018年1期
关键词:赋值囊性征象

张高松

(安徽省六安市中医院彩超室,安徽 六安 237006)

甲状腺结节的恶性风险系数评估对患者是否立即需要手术或穿刺甚至手术方式的选择有重要参考意义,因而以较为易行、准确、客观和可量化的方式评估出结节的恶性风险系数是一项实用的临床技能之一。

1 资料与方法

1.1 临床资料

为保证数据可靠性,仅使用一型机器,即Philips HD1-1,探头为带二次谐波成像的5~12MHz变频探头。收集2013年5月—2016年2月在六安市中医院外科系统所有做甲状腺结节穿刺或切除术并能随访到可靠病理报告的患者305例(女260例,男45例),年龄 13~83岁(平均年龄 51岁),共 417个结节(良性结节361个,恶性结节56个)。

1.2 实验方法

1.2.1 Logistic回归模型的建立、假设检验及Hosmer-Lemeshow拟合优度检验

借鉴相关文献[1-10]和预实验结果,选定下述11个超声征象作为本次实验的回归自变量:血流信号(bloodstream)、边界(border)、微钙化(calcification)、声晕(circle)、后方回声衰减(decay)、生长区域(domain)、回声强度(echo)、边缘(edge)、结构(framework)、RI、A/T。为方便表格记录和实际工作应用,我们按首字母排序(bbccddeefra)记录各超声征象。所有实验病例的拟穿刺结节或需切除后病理切片检查的结节在做术前超声检查时,按照统一的标准,完整记录上述11个超声征象信息并制成表格,然后建立二分类Logistic回归模型。以结节的病理结果的良恶性作为因变量,良性则Logistic回归赋值0,恶性赋值1。判断病理报告的良恶性标准如下:明确诊断的恶性的肿瘤,如乳头状癌、髓样癌等视为恶性;明确诊断的良性的肿瘤,如囊肿、腺瘤等视为良性;病理虽明确但恶性度尚有变化,如滤泡状肿瘤、许特莱氏细胞腺瘤等,因其恶性可能较大(20%~30%)[1],为了谨慎起见,我们仍将其视为恶性;另有极少数(3例,占总病例数1%,对本次实验结果的影响较小,故可忽略不计)病理未能给出明确的性质,我们给予舍弃。以结节是否具有实验选定的超声特征作为自变量,赋值法则及判断标准如下:血流信号(b),如果结节内部实质的血流信号丰富度大于正常甲状腺组织血流信号丰富度则赋值1,否则赋值0[2];边界(b),如果不清晰段长度之和大于清晰段长度之和则赋值1,小于或等于则赋值0[2];钙化(c),结节内出现钙化且最大径小于或等于2mm则赋值1,否则赋值0[3];声晕(c),结节周边出现厚度不均匀的声晕则记录1,无声晕或声晕厚度均匀则赋值0[2];回声衰减(d),结节后方回声衰减则记录1,后方回声增强或无明显区别则赋值0[3];生长区域(d),两种情况下赋值1:一是单结节病例,二是多发结节病例但所有结节仅分布于一侧叶的上半部分或下半部分或仅分布在峡部,非上述两种情况则赋值 0[4];回声(e),结节内实质部分回声低于正常甲状腺组织则赋值1,实质部分回声等于或高于正常甲状腺组织或基本上均为囊性成分则赋值0[4];边缘(e),结节边缘出现锐角或微分叶则赋值 1,否则赋值 0[3];结构(f),实性结节赋值1,囊性结节赋值0[4],如囊实性结节则分别测量最大实性截面的实性部分区域最大面积和最大囊性截面的囊性部分区域最大面积,如果实性面积大于囊性面积则赋值 1,否则赋值 0[5];RI(r),实质内动脉频谱 RI>0.7 或 RI<0.4 则赋值 1, 否则赋值 0[6];A/T(a),A/T≥1 则赋值 1,否则赋值 0[7]。所有结节超声特征均按上述方法评估赋值并整理成表格并导入SPSS 16.0软件,采用二分类Logistic回归分析并得出回归常数项、各偏回归系数及Wald检验结果,见表1。取P<0.05项的偏回归系数和回归常数项带入公式 P=en(1+en),n=β0+β1x1+......+βpxp,即可得到单结节恶性风险预测公式。对上述模型行Hosmer-Lemeshow拟合优度检验[9],得出 Hosmer-Lemeshow模型拟合指数:DF=8,P=0.35>0.05,可以认为该回归模型的拟合优度良好。

表1 Logistic回归分析结果:回归常数项、各偏回归系数及Wald检验结果

1.2.2 超声甲状腺结节恶性风险系数预测公式的应用

此公式有两种使用方法:最科学的使用方法是编一个小程序,人工选择各超声征象的有无,计算机自动计算出风险系数。如果将程序内置超声机器中,将会十分便捷。其次是手工计算,也不复杂。举例说明,假设有两个甲状腺结节,共同特征是:血流信号>正常甲状腺,边界清晰,未见钙化,声晕厚薄不均,后方未见明显衰减,单发结节,实性部分回声低于正常甲状腺,边缘可见微分叶,囊性结构为主,但结节一的RI=0.73,A/T=1.1,而结节二的RI=0.65,A/T=0.59。那么结节一的自变量回归参数赋值为10010111011,带入公式得P=en(1+en),其中n=-13.692+2.301×1+2.067×0+4.738×0+2.292×1+2.508×0+1.907×1+1.640×1+2.719×1+5.075×0+2.241×1+1.899×1,经计算P=0.787。结节二的自变量回归参数赋值为 10010111000,带入公式得 P=en(1+en),其中 n=-13.692+2.301×1+2.067×0+4.738×0+2.292×1+2.508×0+1.907×1+1.640×1+2.719×1+5.075×0+2.241×0+1.899×0,经计算 P=0.056。

1.2.3 绘制ROC曲线,确定截断点(cut-off值)

计算出每个实验病例结节的恶性风险系数,并根据病理报告判定结节性质,恶性赋值1,良性赋值0,采用SPSS 16.0得出ROC曲线(图1)和不同截断点(cut-off值)时的灵敏度和1-特异度表格,当截断点(cut-off值)取0.192时,灵敏度与特异度之和最大,曲线下面积为0.995,故可将19.2%作为临床初步判断结节性质的临界值。

图1 以模型判断甲状腺结节恶性风险绘制的ROC曲线。Figure 1.ROC curve drawn by the model to predict the malignant risk of thyroid nodules.

1.2.4 临床应用评估

将甲状腺结节恶性风险系数预测公式和临界值应用于临床:2016年3—5月所有在我院拟施甲状腺结节切除术的患者在进行术前超声检查时,均按本次实验的赋值规则对甲状腺结节进行赋值并记录分析,且计算出结节的恶性风险系数并随访病理结果(多发甲状腺结节患者计算多结节综合恶性风险系数,具体方法是先计算出单个结节的恶性风险系数,再按公式 P综合=1-(1-P1)(1-P2)…(1-Pn)计算出该患者的综合恶性风险系数)。以P或P综合0.192预测该例患者为恶性病例,如最终病理报告为恶性结节(或多发结节患者有一个或以上结节为恶性结节),记真阳性,否则记假阳性;以P或P综合<0.192为预测该例患者为良性病例,如最终病理报告为良性结节(多发结节均需良性),记真阴性,否则记假阴性。最终完整收集64例病例(其中恶性12例,良性52例),超声预测真阳性11例,真阴性46例,假阳性6例,假阴性1例,经计算正确率89.1%;灵敏度91.7%;特异度88.5%;Youden指数80.2%;阳性预测值64.5%(出于临床谨慎考虑,可以接受);阴性预测值97.8%;阳性似然比为7.97;阴性似然比为0.09。由上述统计学分析可以得出:甲状腺结节恶性风险系数预测公式能较为准确、客观、易行且可量化的甲状腺结节恶性风险系数。

2 结果

采用SPSS 16.0软件,依次有序建立二分类Logistic回归模型分析得出回归常数项和偏回归系数并用Wald检验后,取P<0.05自变量偏回归系数和回归常数项[10]:β0=-13.692,β1=2.301,β2=2.067,β3=4.738,β4=2.292,β5=2.508,β6=1.907,β7=1.640,β8=2.719,β9=5.075,β10=2.241,β11=1.899,得出结节恶性风险预测公式 P=en(1+en),其中 n=-13.692+2.301X1+2.067X2+4.738X3+2.292X4+2.508X5+1.907X6+1.640X7+2.719X8+5.075X9+2.241X10+1.899X11。

3 讨论

尽管不少超声征象可帮助医生判断甲状腺结节的良恶性,但是这些超声征象出现的频率不同,且不同医生对部分主观性较强的超声征象阳性认定标准也有所不同,因而缺乏相对的客观性,且难以将恶性风险程度量化。本次实验选定的11个超声征象均是与甲状腺结节良恶性相关的超声征象,而且采用二分类赋值,标准直观,覆盖面广,因而既能较为全面利用结节的超声信息,又能客观的定性超声征象特征且可重复性强。只要依次将选定的超声征象记录下来,即可带入公式计算出该结节风险系数。用一个客观的数字来量化结节的恶性风险有如下3个临床实用意义:①不会因诊断医生的不同带而来较大差别的诊断,因为判断标准简洁客观;②为患者选择就医方式提供了一个直观的参照,因为不同患者对能引起其重视的最低恶性风险阈值是不同的,用直观的数字描述有利于和患者进行沟通。③为医生选择治疗方案提供了一个有力的参考依据。但至少也有以下两点不足:①样本的量还是不够大。更大的样本量会让理论预测值更接近实际,本实验只是一次尝试性探索。②如能将二分类细化成多分类或者考虑超声造影及弹性成像等新技术,或许会使预测值更精确,但略复杂,需计算机辅助程序才能实现其实用性。

猜你喜欢
赋值囊性征象
产前超声间接征象在部分型胼胝体发育不全诊断中的价值
Lung-RADS分级和CT征象诊断孤立性肺结节的价值
常规超声联合超声造影诊断部分囊性甲状腺结节良恶性的价值分析
血清肿瘤标记物CA125、HE4与多层螺旋CT征象联合对卵巢癌的诊断价值
蝶鞍分区联合影像征象对鞍区占位性病变的诊断价值
胎儿腹腔囊性占位的产前诊断及产后随访
强赋值幺半群上的加权Mealy机与加权Moore机的关系*
算法框图问题中的易错点
利用赋值法解决抽象函数相关问题オ
腺样囊性癌细胞雪旺细胞化在嗜神经侵袭中的作用