利用基于超声的多变量模型和简化评分对腹膜后神经节神经瘤与施万瘤进行术前鉴别：开发及单中心内部验证

《Frontiers in Surgery》：Preoperative differentiation of retroperitoneal ganglioneuroma and schwannoma using an ultrasonography-based multivariable model and simplified score: development and single-center internal validation

本研究开发并内效验了基于标准化超声特征的多变量逻辑回归模型及简化评分系统，用于术前区分腹膜后神经母细胞瘤（GN）与雪旺瘤（SW）。通过LASSO回归筛选关键预测因子（盆腔外位置、无囊性坏死改变、低短长径比），构建包含年龄、性别和肿瘤长径的最终模型。结果显示模型AUC为0.930，评分系统AUC为0.917，R1阈值（敏感性≥0.95）和S1阈值（特异性≥0.50）分别达到高敏感排除和可靠诊断。决策曲线分析证实模型临床净收益优于常规策略。超声特征与病理机制（如SOX10表达、胚胎发育路径）高度相关，为床边快速诊断提供工具，但需多中心前瞻性验证。

　　这项研究聚焦于通过标准化的超声影像特征，开发并验证一个多元逻辑回归模型和一个简化的评分系统，用于术前区分腹膜后神经节瘤（GN）和神经鞘瘤（SW）。这两种良性肿瘤虽然在组织学上都是良性的，但它们在生物学行为、手术方式以及术后随访策略上存在显著差异。因此，准确的术前鉴别对于个体化手术方案的制定以及优化患者的长期预后至关重要。研究强调了利用超声影像进行诊断的临床价值，尤其是在需要快速判断、资源有限或无法使用其他高级影像技术的环境中。

在方法上，研究人员采用回顾性研究设计，收集了2016年12月至2024年11月期间接受腹膜后肿瘤手术切除的患者数据，并根据手术病理结果确认了GN或SW的诊断。研究过程中，首先使用最小绝对收缩和选择算子（LASSO）回归筛选出可能的预测变量，同时保留了年龄、性别和肿瘤长径（LD）等潜在的混杂因素。随后，构建了一个多元逻辑回归模型，并从中推导出一个包含六个变量的简化评分系统。该评分系统将每个预测变量赋予一个积分，总分范围为0至6分，旨在提高临床应用的可解释性和便捷性。

为了评估模型的性能，研究人员采用了分层五折交叉验证和Bootstrap重采样（2000次）的方法，分别计算了模型的区分度（AUC）、校准度（包括截距、斜率和Brier分数）以及临床效用（如决策曲线分析）。此外，还设定了两个任务导向的阈值：R1（排除阈值）和S1（标准诊断阈值）。R1设定为高灵敏度（≥0.95），以最大限度地减少假阴性结果；S1设定为高特异性（≥0.50），以在确保诊断准确性的前提下提高阳性预测值（PPV）和阴性预测值（NPV）。

研究结果显示，共纳入了74名患者，其中25人被诊断为GN（占33.8%），49人被诊断为SW（占66.2%）。经过乐观性校正后，多元逻辑回归模型的AUC达到了0.930，而简化评分系统的AUC为0.917。这些数值表明，两种工具在术前鉴别GN和SW方面均表现出优异的性能。模型的主要独立预测变量包括盆腔外腹膜位置（OR=0.067，P=0.029）、无囊性/坏死改变（OR=0.023，P=0.008）以及较低的短径/长径比（SD/LD，OR=0.00067，P=0.017）。长径（LD）的影响较为边缘，而年龄和性别则未显示出显著相关性。

在临床应用方面，R1和S1阈值的设定对实际操作具有重要意义。对于R1，模型的阈值为0.149，此时灵敏度达到0.960，特异性为0.837，阴性预测值（NPV）为0.976；而评分系统的阈值为0.206，此时灵敏度为1.000，特异性为0.592，NPV为1.000。这表明，评分系统在排除GN时具有更高的灵敏度，但在确认GN时特异性稍低。相比之下，S1的模型阈值为0.426，灵敏度为0.920，特异性为0.939，PPV为0.885，NPV为0.958；评分系统的S1阈值为0.594，灵敏度为0.760，特异性为0.918。这些结果支持了两种工具在不同临床场景下的应用潜力。

研究还探讨了评分系统的扩展分析，包括等权重评分和系数加权评分之间的比较。结果显示，两种评分方式的AUC差异较小（0.931 vs. 0.940），等权重评分因其简单性更适合床边快速使用。此外，评分系统还提供了一种将患者得分直接转化为GN发生概率的映射关系，例如，得分为3时，对应的概率为0.206；得分为4时，概率约为0.708；得分为5时，概率约为0.957。这种映射关系不仅有助于风险沟通，还能支持个体化的诊断决策。

从临床角度来看，这两种工具的使用可以显著提升术前评估的效率和准确性。在超声检查中，R1可以用于识别低风险病例，从而减少不必要的高级影像检查，节省医疗资源；而S1则适用于高风险病例，便于进一步进行MRI检查或制定术前计划。决策曲线分析（DCA）进一步验证了这两种工具在临床决策中的价值，表明它们在不同阈值概率范围内均优于“全部治疗”或“不治疗”的策略。

然而，研究也指出了其局限性。由于是单中心回顾性研究，样本量较小（N=74），其中GN仅占25例，事件每变量数（EPV）约为4，这可能引入选择偏差和谱系偏差。此外，部分预测变量如LD和性别具有较大的置信区间，提示需要更大的数据集来验证其稳定性。尽管采用了LASSO选择、Bootstrap乐观性校正和统一的系数收缩方法，但由于样本量有限，仍存在模型过拟合和统计精度不足的风险，因此需要谨慎解释结果，并通过多中心前瞻性研究进行外部验证。

为了提高模型的泛化能力，研究还提出了未来研究的方向。包括招募多中心、前瞻性队列，涵盖非手术病例；利用半自动或人工智能辅助提取超声影像特征；评估对比增强超声（CEUS）和分子数据的整合应用。这些策略有助于进一步提高模型的准确性和适用性，尤其是在处理复杂或形态学重叠的病例时。

从影像学特征与病理学机制的角度分析，GN和SW在形态学上存在明显差异。例如，SW通常包含 Antoni B 区域，这些区域具有明显的退行性变化（如囊性变、出血、黏液样变），在B型超声中可能表现为低回声的囊性区域，甚至伴有后方回声增强。而GN则具有更密集、成熟的间质结构，囊性改变较少见。这种病理学差异也体现在影像学特征上，如GN倾向于沿着交感神经链或神经轴纵向生长，形成较长的长径（LD）和较窄的短径（SD），从而导致较低的SD/LD比值；而SW则倾向于向周围扩展，形成较为圆润或椭圆形的横断面，这种形态学特征与GN的长条形形态形成对比。此外，盆腔外腹膜位置的GN较少见，而SW则更常出现在该区域，这一发现进一步支持了该位置作为SW的独立预测因子。

研究还强调了B型超声与对比增强超声（CEUS）在临床中的互补性。B型超声和CEUS通常在宏观表现上具有较高的一致性，如SW更常表现出囊性改变和不均匀增强。然而，CEUS在评估微血管灌注方面具有独特优势，能够提供更详细的血流信息。结合CEUS参数与标准化的超声特征，可以进一步提高模型的诊断精度，尤其是在形态学不典型或存在争议的病例中。未来的研究可以探索如何将CEUS数据与现有模型整合，以增强其在复杂病例中的应用价值。

从分子和胚胎学的角度来看，GN和SW的发病机制也存在差异。例如，SOX10 是神经嵴分化的一个标志物，在SW中广泛表达，反映了其稳定的施万细胞分化特征，同时与SW的退行性变化密切相关。GD2 则在未成熟神经母细胞瘤中高度表达，但在成熟的GN中则表达较低或缺失，这提示GD2可能在分子影像或靶向对比剂的应用中具有潜在价值。此外，GN的分布模式与神经嵴的迁移路径一致，常沿交感神经链“整块”扩展，这解释了其较低的SD/LD比值以及倾向于与大血管接触而非侵袭的特性。

这些分子和胚胎学特征与影像学表现之间的联系，为构建结合影像表型和组织生物标志物的多组学预测模型提供了理论基础。通过整合这些信息，可以进一步提升模型的可解释性和诊断精度，从而在临床实践中发挥更大的作用。

总体而言，这项研究为腹膜后GN和SW的术前鉴别提供了一个实用的工具。通过标准化的超声特征，研究人员成功构建了一个具有高区分度和良好校准性能的多元逻辑回归模型和简化评分系统。这些工具不仅在技术上可行，而且在临床实践中具有广泛的适用性，尤其是在需要快速判断和资源有限的环境中。然而，为了确保其在更广泛人群中的适用性，未来的研究应着重于多中心、前瞻性队列的外部验证，并探索与其他影像技术（如CT、MRI、CEUS）和分子数据的整合应用。通过不断优化和验证，这些工具有望成为临床决策的重要辅助手段，帮助医生更准确地评估患者的病情，制定个体化的治疗方案，并提高患者的长期预后。