首页 > 论文范文 > 医药卫生论文 > 肿瘤科论文 > 乳腺肿瘤论文 > 基于超声特征的致密型乳腺钼靶阴性病灶恶性风险预测模型

基于超声特征的致密型乳腺钼靶阴性病灶恶性风险预测模型

2025-06-28 61 上传者：管理员

摘要：目的：探讨致密型乳腺且钼靶提示阴性（BI-RADS1-3类）而超声提示可疑恶性（BI-RADS4类）病灶的恶性风险预测模型的构建和评估。方法：回顾性分析2019年1月至2023年12月在宁波市医疗中心李惠利医院就诊的627例致密型乳腺患者的临床资料，包括诊断年龄、肿块长径、形态、边缘、内部回声等。所有患者钼靶检查结果为BI-RADS1-3类，超声检查提示BI-RADS4类，且均经病理确诊。采用7:3的比例将患者随机分为训练集（438例）和测试集（189例）。使用LASSO回归进行特征筛选，构建Logistic回归预测模型，并通过ROC曲线、校准曲线和决策曲线分析评估模型性能。结果：在全部627例患者中，良性505例（80.5%），恶性122例（19.5%）。LASSO回归筛选出6个预测特征：诊断年龄、肿块长径、形态、边缘、钙化和血流。预测模型在测试集中表现优异，AUC为0.884(0.823～0.933)。采用最佳阈值（0.209）时，模型的灵敏度为0.730(95%CI=0.595～0.865)，特异度为0.809(95%CI=0.743～0.868)，阳性预测值和阴性预测值分别为0.483(95%CI=0.391～0.587)和0.926(95%CI=0.888～0.963)。校准曲线和决策曲线分析显示模型具有良好的校准度和临床实用性。结论：基于超声特征构建的预测模型可以有效评估致密型乳腺钼靶阴性病灶的恶性风险，具有一定的临床应用价值。

关键词：
乳腺肿块
发病率
致密型乳腺
超声检查
预测模型
加入收藏

乳腺癌是全球女性健康的重大威胁，其发病率与死亡率持续居高不下[1]。早期诊断与及时干预对改善患者预后至关重要[2]。乳腺X线摄影（钼靶）作为乳腺癌筛查的常规检查方法，显著降低了乳腺癌相关死亡率[3]。然而，致密型乳腺因其腺体和结缔组织含量高、X线衰减强等特点，降低了钼靶检查的敏感性，增加了漏诊风险[4]。研究表明，在致密型乳腺中，钼靶检查的敏感性仅为30%～60%，远低于其在脂肪型乳腺中的检出效能[5]。超声因其无辐射、实时、经济的优势，已成为致密型乳腺筛查的重要补充手段[6]。钼靶联合超声筛查显著提高了乳腺癌检出率[7]，但也带来了新的临床挑战：在致密型乳腺女性中，超声每确诊1例乳腺癌，需活检11.7～106.6例患者[8]，补充超声筛查的阳性预测值仅为5.2%～14.3%[8]，大量的假阴性增加了患者身心负担及医疗资源浪费[9]。目前研究主要聚焦于超声对乳腺癌检出率的提升[6-7]，而现有基于普通/高危人群构建的乳腺癌风险预测模型[10]难以精准评估钼靶阴性（BI-RADS1-3类）但超声可疑（BI-RADS4类）的致密型乳腺群体。本研究旨在针对这一特定人群构建基于常规超声特征的个体化恶性风险预测模型，为临床决策提供更精确支持。

1、对象和方法

1.1研究对象

采用单中心回顾性队列研究设计，选取2019年1月至2023年12月在宁波市医疗中心李惠利医院甲乳外科手术的患者627例。纳入标准：①女性；②术前钼靶检查为BI-RADS1-3类，且为致密型乳腺（BI-RADS分类C或D类）；③术前超声评估为BI-RADS4类（多发病灶仅纳入一个手术切除病灶）；④超声和钼靶原始图像完整可评估；⑤临床及病理资料完整。排除标准：①既往乳腺癌或其他恶性肿瘤病史；②合并急性乳腺炎、囊性增生等可能影响超声特征的良性疾病；③既往同侧乳腺手术史；④临床、影像或病理资料不完整。本研究方案经我院伦理委员会审核批准（KY2022PJ139）。

1.2方法

1.2.1检查方法

所有患者均先进行系统性病史采集和规范化体格检查。钼靶检查采用全数字化乳腺X线摄影系统（MAMMOMATinspiration），常规获取双侧乳腺头尾位和内外斜位图像。超声检查使用配备高频线阵探头的彩色多普勒超声诊断仪（MindrayResona7，PhilipsIU22、Q5，ToshibaAplio500），按标准化扫查方案进行全乳检查。两种检查均依据美国放射学会BI-RADS第5版标准进行分类评估[11]。所有活检的病理标本均按世界卫生组织乳腺肿瘤分类标准第5版[12]进行诊断，其中小叶原位癌不计入恶性肿瘤。为确保数据可靠性，超声与钼靶图像均由两位10年以上高年资医师重新进行独立评估，采用盲法（对影像和病理结果均不知情），评估内容包括肿块长径、形态、边缘特征、内部回声、纵横比、后方回声、钙化情况、血流信号、结构扭曲、导管改变等。钼靶评估内容包括乳腺密度分类和病灶特征。评估结果通过MicrosoftACCESS数据库进行记录和一致性分析。争议病例则由第三位高年资专家进行仲裁。

1.2.2模型的构建

数据按7:3随机分为训练集和测试集。对连续变量进行Z-score标准化，分类变量进行哑变量处理。采用最小绝对收缩和选择算子（leastabsoluteshrinkageandselectionoperator,LASSO）回归进行特征自动选择并避免多重共线性问题[13]。通过10折交叉验证确定最小误差一个标准误范围内的最大值作为最优正则化参数（λ）[14]，将筛选出的最终预测特征纳入Logistic回归模型，在训练集中拟合模型，并可视化为列线图。

1.2.3模型的评估

采用以下指标评估模型性能：①通过赤池信息准则（akaikeinformationcriterion,AIC）、贝叶斯信息准则（Bayesianinformationcriterion,BIC）和McFadden判定系数（McFadden’sR2）评估模型拟合优度；②利用均方根误差（rootmeansquareerror,RMSE）和平均绝对误差（meanabsoluteerror,MAE）量化训练集与测试集中的预测准确性；③使用ROC曲线及AUC评估模型区分能力；④采用校准曲线和HosmerLemeshow检验评估模型的校准度；⑤通过决策曲线分析（decisioncurveanalysis,DCA）评估不同风险阈值下模型的临床净获益。

1.3统计学处理方法

采用R软件[15]（版本4.2.2）分析数据。计量资料符合正态分布以±s表示，组间比较采用t检验；不符合正态分布以M（P25，P75）表示，比较采用Mann-WhitneyU检验；计数资料以例数（%）表示，组间比较采用χ2检验或Fisher确切概率法。P＜0.05为差异有统计学意义。模型预测效能指标的95%CI采用Bootstrap法（重复2000次）计算获得。

2、结果

2.1研究对象基线特征

从2019年1月至2023年12月接受乳腺肿块活检手术的6220例患者中，筛选出627例患者。其中良性505例（80.5%），恶性122例（19.5%），年龄（47.0±8.6）岁。良性和恶性患者的年龄、肿块生长方向、形态、边缘、内部回声、钙化、血流、肿块长径和BIRADS分类差异有统计学意义（均P＜0.05），见表1。

2.2预测模型的构建

训练集和测试集患者基线特征（包括年龄、肿块大小及各项超声特征）差异无统计学意义（P＞0.05），两组间各特征分布均衡。LASSO回归交叉验证曲线确定了最优正则化参数λ值[log（λ）=-3.37]，在此参数下，筛选出6个具有显著预测价值的变量：诊断年龄、肿块长径、形态、边缘、钙化类型和血流信号，见图1。基于这些关键变量在训练集数据中构建了Logistic回归模型，见表2。

2.3预测模型的性能评估

在训练集中，模型的AIC值为255.1，BIC值为308.2，显示良好的拟合优度。McFadden’sR2值达到0.468，反映模型具有较强解释能力。在测试集中，RMSE为0.323，MAE为0.185，与训练集（RMSE=0.282，MAE=0.16）相比，测试集预测误差仅轻微增加，表明模型未出现明显过拟合。在测试集中，模型的AUC为0.884（95%CI=0.823～0.933），展现出优异的区分能力。在最佳阈值（0.209）时，模型的灵敏度为0.730（95%CI=0.595～0.865），特异度为0.809（95%CI=0.743～0.868），阳性预测值为0.483（95%CI=0.391～0.587），阴性预测值为0.926（95%CI=0.888～0.963）。校准曲线分析及HosmerLemeshow检验（χ2=10.696，P=0.219）均显示模型具有良好的校准度。DCA提示模型在最佳阈值可获得显著的临床净获益。见图2。

2.4列线图的构建及使用

基于模型构建的列线图直观展示了各预测因素对恶性风险的贡献权重（图3）。模型最佳阈值概率0.209对应的列线图总分为159分。据此将乳腺肿块恶性风险分为两级：总分≥159分为高风险，＜159分为低风险。

表1乳腺肿块良性和恶性患者的基线特征比较

图1LASSO回归模型筛选具有显著预测价值的变量

表2预测模型中致密型乳腺钼靶阴性患者超声特征的Logistic回归分析结果

图2预测模型在测试集中的ROC曲线、校准度评估和决策曲线分析

图3乳腺肿块恶性风险预测列线图

3、讨论

本研究聚焦于致密型乳腺女性中钼靶检查良性（BI-RADS1-3类）但超声示可疑恶性（BI-RADS4类）的病灶，尽管本研究中此类病灶的恶性比例为19.5%，高于既往报道的5.2%～14.3%[8]，然而良性活检率仍高达80.5%。因此，开发有效的风险评估工具以减少不必要的侵入性检查具有重要临床意义。

本研究构建了一个基于常规超声特征的Logistic回归预测模型，可作为临床决策的量化风险评估工具。该模型在测试集中展现出较好的区分度（AUC=0.884）、校准度和临床实用性。本模型将阳性预测值提高到0.483的同时，仍保持了高达0.926的阴性预测值。因此，在模型评估为低风险的情况下，医师能更有信心与患者探讨替代立即活检的管理策略，如短期（6个月）密切影像学随访或转行其他无创检查（如乳腺MRI），以期在保障诊断安全的前提下，有效减少不必要的有创操作。必须强调，本研究开发的模型旨在作为一种辅助性的风险分层工具，对于模型预测为高风险的病灶，活检仍是必要的管理路径。

本模型构建基于常规超声特征，与依赖卷积神经网络[16]或弹性成像[10]技术的模型相比，本模型解释性强，易于临床理解和应用。与基于MRI模型[17]相比，本模型在成本效益和检查便捷性方面更具优势，更适合大规模筛查和基层医疗机构使用。

研究显示，6个特征与本研究人群的恶性风险相关：诊断年龄增长（乳腺癌公认的独立危险因素，风险与年龄正相关[18]）、肿块长径增大（提示肿瘤活跃或病程长[19]）、不规则形态/毛刺样边缘（反映浸润性生长[20]）、微钙化（与肿瘤坏死/分泌物钙化相关[21]）及内部血流丰富（提示肿瘤血管生成[22]），以上特征也是公认的乳腺癌风险相关因素。而四个传统鉴别特征（内部回声、后方回声、导管改变和生长方向）未显示独立的恶性预测价值。其机制可能涉及：①致密型乳腺高腺体密度增强声波衰减，降低了细微结构分辨力，尤其影响后方回声评估；②所有入组病例均为超声BI-RADS4类，其主要特征（如形态不规则）已表现出明显可疑征象，从而削弱了次要特征的贡献；③关于肿块生长方向，传统观点认为，恶性结节因浸润性生长方式更易呈现纵横比＞1，但部分良性结节（如纤维腺瘤）也可因腺体限制性生长而表现为纵横比＞1。这一特征虽在单因素分析中具有鉴别意义（P=0.002），但在多因素模型中差异无统计学意义。

本研究优势在于：①精准聚焦临床难点人群（致密型乳腺+钼靶阴性+超声4类），并且开发了直观的列线图工具便于临床应用；②采用严格盲法评估和专家仲裁机制保障影像质量；③运用了稳健的统计分析策略。然而，研究也存在一定局限性：①模型的灵敏度（73%）尚需提升；②单中心回顾性研究可能存在选择性偏倚；③超声主观性及特定适用人群可能影响推广，本研究模型适用于钼靶阴性但超声可疑的致密型乳腺人群，非致密型乳腺或钼靶阳性病例的适用性需待验证；④缺乏外部验证。

本研究构建的基于常规超声特征的预测模型，为致密型乳腺、钼靶阴性但超声可疑病灶这一特殊群体的恶性风险评估提供了一个有效的、个体化的工具，有助于优化诊疗流程，减轻患者的身心负担和医疗系统的经济成本。

参考文献:

[12]方三高,魏建国,陈真伟.WHO(2019)乳腺肿瘤分类[J].临床与实验病理学杂志,2020,36(6):755-756.

[17]赵悠帆,陈中伟,周洁洁,等.基于DCE-MRI影像组学和临床特征的列线图在乳腺MRIBI-RADS4类病灶中的诊断价值[J].温州医科大学学报,2021,51(5):375-380.

[21]张家庭,李泉水,李征毅,等.乳腺良恶性钙化的声像学特征分析[J].中华医学超声杂志(电子版),2007,4(4):234-236

基金资助:宁波市公益性科技计划项目(2022S038);

文章来源:蒋燕,周挺,彭媛媛,等.基于超声特征的致密型乳腺钼靶阴性病灶恶性风险预测模型[J].温州医科大学学报,2025,55(06):472-477.