基于超声标准化描述联合多元分析建立预测子宫内膜良恶性病变模型

张雅娜，和 平，王晶晶，夏太慧，吴青青

(首都医科大学附属北京妇产医院超声科，北京 100026)

子宫内膜癌是妇科三大常见恶性肿瘤之一，在我国发病率约为60/10万，并呈上升趋势，死亡率约20/10万[1]。流行病学调查[2]表明，子宫内膜癌的发生与内外源性雌激素、肥胖、月经史、生育史、糖尿病或高血压史等多种临床因素相关。超声可观察子宫内膜的形态结构及血流特征等信息。结合临床及超声特征建立预测子宫内膜癌个体发病风险模型，并整合诊断过程中的多种信息，可为临床个性化诊疗提供更多参考。本研究筛选有助于鉴别子宫内膜良恶性病变的临床及超声指标，建立预测子宫内膜癌患病风险的回归模型。

1 资料与方法

1.1 研究对象 回顾性分析2018年1月—2020年7月261例于首都医科大学附属北京妇产医院接受经阴道超声检查的子宫内膜病变患者，年龄46～75岁，平均(59.2±6.0)岁；绝经年限1～30年，平均(8.0±6.2)年。纳入标准：①绝经后女性；②经阴道超声提示子宫内膜厚度(endometrial thickness， ET)≥5 mm；③临床资料完整；④经术后病理诊断明确；⑤术前3个月内接受超声检查。排除标准：①仅经外院宫腔镜下活检或内膜分段诊刮获得病理诊断；②超声图像质量差；③宫内置环；④接受激素替代治疗。其中良性病变157例(良性组)，包括黏膜下肌瘤10例、内膜息肉82例、子宫内膜炎3例，子宫内膜增生62例；恶性病变104例(恶性组)，包括子宫内膜癌103例、子宫内膜非典型性增生1例。组内按2∶1比例分为建模亚组和验证亚组，良性组内建模亚组105例、验证亚组52例，恶性组内建模亚组69例、验证亚组35例。

1.2 仪器与方法 采用Samsung WS80A、GE Voluson E8或GE Voluson E10超声诊断仪，经阴道超声探头，频率3～12 MHz。嘱患者排空膀胱后取截石位，由2名具有5年以上工作经验的超声科医师分别扫查子宫及双侧附件，重点观察子宫内膜；依照国际子宫内膜肿瘤研究(international endometrial tumor analysis， IETA)小组规定术语、定义及测量标准[3]，分别评价ET、回声、是否伴有囊性结构、内膜线是否光整、内膜-肌层交界是否完整及血流特征(图1～3)，意见不一致时经协商达成共识。

图1 患者女，69岁，子宫内膜增生 A.二维超声声像图示子宫内膜增厚(白箭)，其内见多个大小不等的囊腔(黄箭)，内膜线显示不清，内膜-肌层交界光整(蓝箭)； B.CDFI示内膜血流信号

图2 患者女，61岁，子宫内膜息肉 A.二维超声声像图示宫腔内不均匀回声团(红箭)内伴小囊(黄箭)，宫腔积液(绿箭)； B.CDFI示起源于内膜肌层交界的单支血流信号

图3 患者女，52岁，子宫内膜癌 A.CDFI显示子宫内膜肌层交界处多起源、多支血流信号； B.血管存在规则分支

1.3 临床信息 记录患者年龄、体质量指数(body mass index， BMI)、初潮年龄、绝经年龄、孕次、产次、疾病史及确诊前是否有阴道出血症状等信息。

1.4 统计学分析 采用SPSS 26.0统计分析软件。计数资料以频数和百分率表示，组间比较采用χ2检验；符合正态分布且方差齐的计量资料以±s表示，组间比较采用独立样本t检验。筛选具有统计学意义的单变量指标，参照文献[4]，分别以>8 mm及>24 kg/m2作为ET及BMI的截断值，将其转化为二分类变量，并进行后续分析。利用建模亚组数据进行Logistic回归分析，观测指标呈阳性时赋值为1，反之赋值为0，建立诊断模型，并以受试者工作特征(receiver operating characteristic， ROC)曲线下面积(area under the curve， AUC)评价模型的诊断效能，以Hosmer-Lemeshow拟合优度检验评价模型的校准能力。将验证亚组数据代入模型，对模型进行验证。P<0.05为差异有统计学意义。

2 结果

2.1 单因素分析 2组患病年龄、绝经年限、BMI、BMI>24 kg/m2、高血压史、绝经后阴道出血症状间差异均有统计学意义(P均<0.05)。2组超声征象中，ET、ET>8 mm、内膜回声不均且不伴小囊、内膜线不规则或显示不清、内膜-肌层交界中断、CDFI显示存在起源于内膜-肌层交界多支血流信号差异均有统计学意义(P均<0.05)，见表1。

表1 子宫内膜病变各预测指标单因素分析结果

2.2 回归模型及ROC曲线分析 最终纳入BMI>24 kg/m2、阴道出血症状、ET>8 mm、内膜-肌层交界中断及存在多支血管5个变量。采用Logistic回归分析建模亚组，得到预测子宫内膜癌风险回归公式：Logit(P)=-4.856+3.177×X1+1.135×X2+1.925×X3+0.8585×X4+1.088×X5[X1：阴道出血症状(无0，有1)；X2：BMI>24 kg/m2(否0，是1)；X3：子宫内膜厚度>8 mm(否0，是1)；X4：子宫内膜-肌层交界(完整0，中断1)；X5：多支血管(无0，有1)]，见表2。回归模型的AUC为0.905，以0.33为最佳截断值，其鉴别良恶性病变的准确率、敏感度、特异度、阳性预测值、阴性预测值及约登指数分别为82.18%、92.80%、75.20%、71.11%、94.05%及68.00%，见图4。

表2 二分类Logistic回归模型分析结果

图4 Logistic回归模型预测子宫内膜癌的ROC曲线图

2.3 模型评价Hosmer-Lemeshow拟合优度检验χ2=6.303，P=0.613>0.05，表明该预测模型拟合优度较高，校准能力较好。

2.4 模型验证P>0.33预示内膜病变为恶性，≤0.33预示为良性。根据建立的模型计算验证组各例发病风险，并与病理结果相对照，正确预测恶性33例、良性39例，准确率82.76%，敏感度94.29%，特异度75.00%，误诊率25.00%，阳性预测值71.74%，阴性预测值95.12%，提示模型具有较高诊断效能。

3 讨论

子宫内膜癌发病率较高，目前尚无统一筛查标准。绝经后阴道出血患者中，子宫内膜癌发病风险不足10%；如经阴道超声显示子宫内膜厚度≤4 mm，则恶性风险降至1%左右，以此判断是否需要进行宫腔镜等有创性检查敏感度较高，但特异度较差[5]。宫腔镜及诊断性刮宫等均为有创性检查，而绝经后女性多合并其他基础疾病，部分患者难以承受手术风险[6]。

本研究通过观察261例绝经后子宫内膜厚度≥5 mm内膜病变患者临床特征及经阴道超声声像图特征建立的子宫内膜癌风险预测模型的AUC为0.905，鉴别诊断内膜良恶性病变的效能较高，对建模亚组和验证亚组的敏感度分别为92.80%和94.29%，特异度分别为75.20%和75.00%，相比仅依靠子宫内膜厚度>4 mm鉴别良恶性病变，在未过多降低敏感度的同时提高了诊断特异度[5]。既往相关研究[6-13]均以绝经后阴道出血患者作为研究对象。本研究将是否出现阴道出血症状作为预测指标之一，使模型适用范围更广。目前针对国内人群开发的模型相对较少。相比既往研究[14]，本研究纳入分析的临床指标相对较多，并参照IETA定义及标准对内膜形态及血流进行超声评价；实际操作过程中发现评价血流特征时主观性过强，观察者之间重复性差，故对内膜血流特征加以整合，主要观察内膜是否存在多支血流信号，而不区分单起源或多起源，伴或不伴分支以及分支是否杂乱。由于国内雌激素替代治疗尚未普及，未将接受激素治疗者列入观察范围。

综上，根据临床及超声特征建立的预测绝经后女性子宫内膜癌发病风险的回归模型可为个性化诊疗提供帮助。本研究的局限性：评价内膜形态及血流均依据静态图像，无法对内膜进行全面评价，评价对于内膜-肌层交界完整性及血流特征时可能存在偏差；样本量相对较少，需前瞻性大样本数据进一步观察。