开发并验证一种用于预测导管内乳头状瘤恶性风险的诺模图：一项回顾性研究

《Translational Oncology》：Development and validation of a nomogram for predicting the risk of malignancy in intraductal papillary neoplasms: a retrospective study

年龄≥50年、血性分泌物、可触及肿瘤等10项独立危险因素被纳入IPNs恶性风险预测nomogram，经训练集和验证集验证显示C-index分别为0.871和0.874，AUC达0.871-0.874，临床决策曲线分析证实其分层风险指导价值。

　　### 乳腺导管内乳头状瘤（IPNs）恶性风险预测模型的建立与验证

乳腺癌作为全球女性中发病率最高的恶性肿瘤之一，其发病情况和治疗需求正日益受到医学界的关注。根据2020年的全球癌症统计数据，乳腺癌的发病率达到了226万例，且每年导致约68万例死亡，成为威胁女性健康的主要疾病之一。因此，早期诊断和治疗乳腺癌显得尤为重要。然而，在乳腺癌的多种亚型中，导管内乳头状瘤（Intraductal Papillary Neoplasms, IPNs）因其具有潜在的恶性转化风险，而成为临床医生关注的重点对象。IPNs主要由乳头状结构组成，这些结构具有纤维血管核心，表面覆盖着上皮细胞，有时还伴有肌上皮层。根据肿瘤上皮细胞的性质，IPNs可以分为良性、非典型或癌变三种类型。由于其病变范围广泛，IPNs可能影响不同年龄段的女性，尤其是30到50岁之间的人群，常表现为乳头溢液或局部肿块等症状。

在临床实践中，IPNs被归类为具有不确定恶性潜能的乳腺病变（B3分类），其恶性概率存在较大差异。特别是当IPNs与非典型导管增生相关时，其恶性风险可高达30%至70%。为了防止漏诊或误诊，避免对患者造成不必要的焦虑和医疗负担，多数专家建议对所有IPNs患者采取手术治疗，以确保肿瘤的完全切除。然而，随着精准医学的发展，个性化治疗的理念逐渐普及，旨在减少过度治疗，同时保护患者免受不必要的手术干预。因此，一些研究者开始探索是否可以对IPNs患者进行风险分层，以便对高风险患者采取及时的治疗干预，而对低风险患者则进行定期随访，从而在保障治疗效果的同时优化医疗资源的使用。

目前，IPNs的诊断主要依赖于影像学检查，如超声、乳腺X线摄影（乳腺钼靶）和导管镜检查等。这些方法的敏感性范围较广，从57.1%到94%不等。然而，影像学检查也存在一定的局限性，例如主观性强、容易误诊、成本效益较低或无法实现定性诊断。因此，仅依靠影像学检查难以准确评估IPNs的恶性风险，甚至可能导致对高风险患者的误判或对低风险患者的过度干预。此外，虽然穿刺活检（如核心针活检和真空辅助活检）在IPNs的诊断中具有重要价值，但由于病变的异质性，即使穿刺活检结果准确，也可能遗漏高恶性区域，造成“采样误差”，导致误诊或低估恶性风险。

鉴于上述问题，构建一个有效的预测模型，能够准确评估IPNs的恶性风险，对于改善临床决策具有重要意义。本研究旨在开发并验证一个简单、准确的预测模型，以帮助临床医生评估IPNs患者的恶性概率。通过回顾性分析来自哈尔滨医科大学肿瘤医院的6646例IPNs患者的数据，结合多因素Logistic回归分析，我们确定了10个独立的预测因素，并基于这些因素构建了一个预测模型。该模型在训练集和验证集中均表现出较高的预测能力，为IPNs的恶性风险评估提供了新的工具。

### 模型构建与验证

在本研究中，我们首先通过多因素Logistic回归分析确定了影响IPNs恶性风险的独立预测因素，包括年龄≥50岁、乳头血性溢液、可触及肿块、绝经状态、多发性肿瘤、肿瘤边界不清、肿瘤内存在血流信号、肿瘤大小≥15 mm、肿瘤距离乳头≥1 cm以及肿瘤钙化等。这些因素均被证明与IPNs的恶性风险存在显著关联。随后，我们基于这些独立预测因素构建了一个名为“nomogram”的预测模型，并进行了外部验证。

模型的构建过程中，我们使用了训练集和验证集数据，分别计算了模型的C指数（C-index）和ROC曲线下的面积（AUC）。在训练集中，模型的C指数为0.871（95% CI: 0.857–0.884），而在验证集中，C指数为0.874（95% CI: 0.858–0.890）。这两个指标均表明模型具有较高的预测准确性。此外，校准曲线进一步验证了模型的预测值与实际观察值之间的高度一致性，说明模型在临床实践中具有良好的适用性。

为了进一步评估模型的临床价值，我们采用了临床决策曲线分析（Clinical Decision Curve Analysis, DCA）和临床影响曲线（Clinical Impact Curve, CIC）等方法。这些分析结果显示，该模型在广泛的阈值范围内均能提供更高的标准化净临床获益，相较于“所有患者均接受治疗”或“所有患者均不接受治疗”的策略，具有更优的临床应用前景。因此，该模型不仅能够帮助临床医生更准确地评估IPNs的恶性风险，还能为个体化治疗决策提供依据。

### 模型的实际应用

在实际应用中，该模型可以为临床医生提供直观的评估工具。例如，一名73岁的女性患者在2023年于哈尔滨医科大学肿瘤医院被诊断为IPNs，其临床影像学信息被输入模型进行预测。根据模型计算，该患者的恶性概率约为91%。随后，患者接受了手术治疗，术后病理检查证实为导管内乳头状癌。这一案例表明，该模型在实际临床中具有良好的应用效果，能够有效识别高风险患者，从而指导临床医生做出更加精准的治疗决策。

此外，该模型还可以用于对低风险患者的管理。根据研究结果，如果IPNs患者的恶性概率低于10%，则可以选择定期随访而非手术治疗。这不仅有助于减少不必要的手术干预，还能降低患者的医疗负担，提高生活质量。因此，该模型的建立和应用为精准医学的发展提供了重要的支持。

### 模型的优势与意义

本研究构建的预测模型具有以下几个显著优势。首先，它能够整合多个临床和影像学特征，提供一个全面的评估体系，帮助医生更准确地判断IPNs的恶性风险。其次，该模型经过严格的训练和验证，具有较高的预测准确性和临床适用性。第三，该模型的构建过程符合国际医学研究的标准，确保了数据的可靠性和结果的科学性。

通过本研究，我们不仅明确了影响IPNs恶性风险的独立预测因素，还构建了一个具有广泛临床应用前景的预测模型。这一模型的建立，有助于实现对IPNs患者的精准分层管理，优化医疗资源的使用，同时提高患者的治疗效果和生活质量。未来，我们计划进一步开展前瞻性研究，以验证该模型的可靠性，并扩大其在临床中的应用范围。

### 模型的局限性

尽管本研究取得了一定的成果，但该模型仍存在一些局限性。首先，由于研究是回顾性的，因此无法建立因果关系，只能反映相关性。其次，本研究未对非恶性IPNs患者进行术后随访分析，这可能影响模型的全面性。最后，本研究仅在单中心进行，未来需要更大规模的多中心研究来进一步验证该模型的普适性和可靠性。

综上所述，本研究构建的IPNs恶性风险预测模型具有重要的临床价值。它不仅能够帮助医生更准确地评估患者的恶性风险，还能为个体化治疗提供科学依据。随着精准医学的发展，这种基于多因素分析的预测模型将在未来的临床实践中发挥越来越重要的作用，为乳腺癌的早期诊断和治疗提供新的思路和方法。