国内外两大数学诊断模型在孤立性肺结节中的对比研究

来源:用户上传      作者:

　　【摘要】 目的：比较两种数学诊断模型对孤立性肺结节（SPN）的临床诊断价值。方法：对2014年1月-2019年12月笔者所在医院113例SPN患者的资料进行回顾性分析，采用北大模型（PKUPH）及Mayo模型中的公式对SPN恶性预测概率进行计算;绘制ROC曲线，计算两种模型的特异度、灵敏度及ROC曲线下面积（AUC）。结果：北大模型灵敏度为82.1%，特异度为88.9%，AUC为0.889。Mayo模型灵敏度为67.4%，特异度为88.9%，AUC为0.823。结论：北大模型对判断SPN良恶性具有较高的准确性。
　　 【关键词】 孤立性肺结节 数学诊断模型 对比研究
　　 doi：10.14033/j.cnki.cfmr.2020.13.067 文献标识码 B 文章编号 1674-6805（2020）13-0-03
　　 Comparative Study of Two Major Mathematical Diagnosis Models in Solitary Pulmonary Nodules at Home and Abroad/KANG Jianhong， CHEN Ting， LI Zhijie， HE Tao. //Chinese and Foreign Medical Research， 2020， 18（13）： -164
　　 [Abstract] Objective： To compare the clinical diagnostic value of two mathematical diagnosis models for solitary pulmonary nodules. Method： The data of 113 SPN patients in our hospital from January 2014 to December 2019 were retrospectively analyzed， and the prediction probability of SPN malignancy was calculated by using PKUPH model and Mayo model. The ROC curve was plotted and the specificity， sensitivity and area under the curve （AUC） were calculated. Result： The sensitivity， specificity and AUC of PKUPH model were 82.1%， 88.9% and 0.889. The sensitivity， specificity and AUC of Mayo model were 67.4%， 88.9% and 0.823. Conclusion： The PKUPH model has a higher accuracy in judging the benign and malignant of SPN.
　　 [Key words] Solitary pulmonary nodule Mathematical diagnosis model Contrastive study
　　 First-author’s address： The Second Affiliated Hospital of Chengdu Medical College， Nuclear Industry 416 Hospital， Chengdu 610000， China
　　 孤立性肺結节（solitary pulmonary nodule，SPN）是指边界清楚、影像学不透明、直径在3 cm以内、周围完全被含气肺组织包绕的单发或多发的肺部结节，不伴肺不张、肺门肿大和胸腔积液[1]。SPN是一种常见的肺部影像学表现，也是当前国内外研究的热点、重点、难点。不同SPN患者的临床特点和影像学特征各不相同，采用定量数学模型可以判断结节的良恶性。根据相关公式可计算出肺结节的恶性概率。由于对SPN的关注度不断提高，国内外多家机构均设计了有自己特点的数学模型。但是，相关数学模型是否具有普遍适用性尚需临床数据验证。为解决这一问题，本文对国内外纳入病例数较多、影响较大、相对成熟的两大模型（Mayo模型、北大模型）进行对比研究，报道如下。
　　1 资料与方法
　　1.1 一般资料
　　 对2014年1月-2019年12月笔者所在医院113例SPN患者的资料进行回顾性分析。纳入标准：（1）CT影像检查显示为孤立性肺结节，经病理检查明确诊断;（2）病灶直径≤30 mm;（3）有完整的CT影像资料及其他临床资料;（4）吸烟史。男68例，女45例;年龄（63.17±9.10）岁;恶性95例（腺癌59例，鳞癌18例，小细胞癌8例，分型不明10例），良性18例（错构瘤5例，炎性假瘤12例，纤维组织囊肿1例）。良恶性患者的病史及CT征象见表1。
　　1.2 方法
　　 病理检查方法主要有纤维支气管镜、CT引导下肺穿刺活检及手术（楔形切除术及肺叶切除术）。
　　 将患者临床资料分别代入各模型中。北大模型：x=-4.496+（0.07×年龄）+（0.676×直径）+（0.736×毛刺）+（1.267×肿瘤家族史）-（1.615×钙化）-（1.408×边界）。Mayo模型：x=6.827 2+（0.039 1×年龄）+（0.791 7×吸烟史）+（1.338 8×恶性肿瘤史）+（0.127 4×直径）+（1.040 7×毛刺）+（0.783 8×上叶）。两种模型均通过P=ex/（1+ex）求出相应的孤立性肺结节恶性预测概率。 　　1.3 观察指标
　　 通过两种模型计算113例SPN恶性预测概率，以散点图表示。通过ROC曲线，计算两种模型的特异度、灵敏度及曲线下面积（AUC）。
　　1.4 统计学处理
　　 采用SPSS 17.0软件进行数据处理，计数资料以率（%）表示，采用字2检验;以灵敏度为纵坐标，以1-特异度为横坐标绘制ROC曲线，计算两种模型的特异度、灵敏度及AUC，P<0.05为差异有统计学意义。
　　2 结果
　　 将113例SPN患者临床资料分别代入北大模型和Mayo模型并计算P值，两种模型恶性预测概率散点图见图1。北大模型的灵敏度为82.1%，特异度为88.9%，AUC为0.889;Mayo模型的灵敏度为67.4%，特异度为88.9%，AUC为0.823，见表2、图2及表3。
　　3 讨论
　　 近年来，肺癌的发病率及死亡率均居所有恶性肿瘤之首，预后较差主要与早期发现及早期诊断困难、未能早期治疗相关。目前，SPN的临床处理与决策逐渐成为胸外科的一大热点与难点。SPN往往是偶然被发现，一旦被发现，可能需要大量检查或其他手段以明确诊断。由于CT的广泛应用，SPN的检出率明显增加，在肺癌筛查中的检出率约为20%，而检出的SPN的恶性概率约为40%[1]。美国癌症学会（ACS）曾报道，13名男性中就有1名患肺癌，16名女性中也会有1名患肺癌，其中20%～30%的患者表现为SPN[2]。由此可见，对SPN做出正确和及时的诊断极其重要。美国胸科医师学院（ACCP）曾提出Mayo Clinic模型估算法公式。2015年，中国抗癌协会提出了《肺部结节诊治中国专家共识》，其中也提到了Mayo诊断模型。
　　 由于有关SPN的研究持续升温，国内外多家机构均提出了自己的数学模型[3]。目前，在我国影响力较大的模型有北大模型和协和模型，国外有Brock模型等[4-5]。对于临床医师而言，选择适合本地区人群、特异度和敏感度均较高的数学诊断模型尤为必要[6-8]。本研究通过回顾性分析笔者所在科室收治的本地区113例患者临床资料，将相关数据代入各预测模型中，绘制ROC曲线后计算AUC。结果显示，北大模型及Mayo模型的AUC分别为0.889、0.823，均>0.7。说明两种模型预测能力均较好，但北大模型较Mayo模型更具优势。
　　 Mayo模型的诊断准确性相对较低的原因可能是模型建立时有12%的患者无明确病理诊断，而是通过2年随访无变化判定为良性[9]。此外，Mayo模型建立时间距今约30年，主要利用统计率高、空气污染严重、非吸烟肺癌患者较多等数据[10-13]。同时，由于某些关键因素如肉芽肿病及其他感染性疾病等，Mayo Clinic模型并不适用于亚洲人群[14-15]。而北大模型（PHUPH）总结了目前已知的国内外报道的最大一组单纯SPN病例，全部为中国人、由专人收集、入选标准一致、临床和影像学资料完备。因此，以北大模型计算的数据较以往的结果更客观、准确，且适用于我国，优于采用国外公式单纯套用国内人群的模型。
　　 影像学检查方法的不断进步将为SPN的确诊带来新的展望，但是利用SPN数学诊断模型预测结节的恶性概率仍是必不可少的手段，特别是对临床经验和辅助诊断设备相对欠缺的基层医师有重要帮助[16]。同时，作为一种基层医院常用的筛查手段，找到诊断准确性更高的数学诊断模型对肺癌的二级预防具有普遍而广泛的意义。本文也为寻找本地区人群SPN的独立危险因素进而建立适合本地区人群的数学诊断模型提供了研究基础。
　　参考文献
　　[1]林洁，郑祥武，殷薇薇，等.PET/CT数学预测模型对孤立性肺结节诊断价值的ROC曲线分析[J].医学影像学杂志，2014，24（12）：2113-2116.
　　[2]刘春全，崔永.肺结节评估四大指南比较分析[J].中国肺癌杂志，2017，20（7）：490-498.
　　[3] Zhang X，Yan H H，Lin J T，et al.Comparison of three mathematical prediction models in patients with a solitary pulmonary nodule[J].Chinese Journal of Cancer Research，2014，26（6）：647-652.
　　[4]田蓉，蘇鸣岗，田野，等.影响孤立性肺结节良恶性鉴别的因素分析及恶性可能性预测[J].四川大学学报：医学版，2012，43（3）：404-408.
　　[5]林洁，唐坤，殷薇薇，等.PET/CT及其数学预测模型对孤立性肺结节诊断价值的对比研究[J].温州医科大学学报，2015，45（5）：354-358.
　　[6] Shi Z T，Wang Y H，He X Q.Differential diagnosis of solitary pulmonary nodules with dual-source spiral computed tomography[J].Experimental and Therapeutic Medicine，2016，12（3 Pt.A）：1750-1754.
　　[7]李运，陈克终，隋锡朝，等.孤立性肺结节良恶性判断数学预测模型的建立[J].北京大学学报：医学版，2011，43（3）：450-454.
　　[8] Cruickshank A，Stieler G，Ameer F.Evaluation of the solitary pulmonary nodule[J].Internal Medicine Journal，2019，49（3）：306-315.
　　[9]仲崇浩，史宏灿，束余声，等.孤立性肺结节良恶性判断数学预测模型的建立及临床对比验证分析[J].实用临床医药杂志，2017，21（9）：82-85，93.
　　[10]喻微，叶波，续力云，等.预测恶性孤立性肺结节Logistic回归诊断模型的建立[J].温州医科大学学报，2017，47（9）：660-665.
　　[11] Tanner N T，Aggarwal J，Gould M K，et al.Management of pulmonary nodules by community pulmonologists a multicenter observational study[J].Chest，2015，148（6）：1405-1414.
　　[12] Reeves A P，Xie Y，Jirapatnakul A.Automated pulmonary nodule CT image characterization in lung cancer screening[J].International Journal of Computer Assisted Radiology and Surgery，2016，11（1）：73-88.
　　[13]李笑莹，刘芳，车海杰，等.肿瘤标志物预测孤立性肺结节恶性概率模型的建立与初步评价[J].山东大学学报：医学版，2017，55（4）：60-64.
　　[14]张晓辉，陈成，曾辉，等.孤立性肺结节恶性概率估算临床预测模型的建立[J].实用癌症杂志，2016，31（1）：59-62.
　　[15]杨娟，孙雪丽，赖国祥，等.孤立性肺结节良恶性判别数学模型的建立与验证[J].第二军医大学学报，2015，36（4）：407-412.
　　[16]罗俊敏，张敬宇.肿瘤标志物联合检测对肺癌的临床价值探讨[J].中国综合临床，2004，20（9）：810-811.
　　（收稿日期：2020-01-13） （本文编辑：李盈）
转载注明来源:https://www.xzbu.com/6/view-15273738.htm