基于径向超声内镜影像的周围型肺部病变诊断预测模型构建与验证

《Scientific Reports》：A predictive model for diagnosing peripheral pulmonary lesions using radial probe endobronchial ultrasound images

本研究针对周围型肺部病变(PPLs)诊断难题，通过回顾性分析189例接受径向探头支气管内超声引导鞘肺活检(RP-EBUS-GS-TBLB)的患者数据，构建了两种诊断成功率预测模型。研究发现病变CT形态、活检次数、超声影像特征（大小、边界、回声均匀性、探头位置）是独立预测因素，模型1（仅用EBUS影像特征）AUC达0.889，模型2（联合临床特征）AUC达0.917，两者无显著差异。该预测模型具有良好校准度和临床实用性，为优化肺部病变诊断策略提供了新工具。

　　

随着胸部计算机断层扫描(CT)的普及，需要早期诊断的周围型肺部病变(Peripheral Pulmonary Lesions, PPLs)的检出率显著增加。这些病变位于肺部外围，传统支气管镜检查难以到达，给临床诊断带来巨大挑战。就像在迷宫中寻找隐藏的宝藏，医生需要精准的导航工具才能成功获取病变组织进行病理诊断。

在这样的背景下，径向探头支气管内超声(Radial Probe Endobronchial Ultrasound, RP-EBUS)技术应运而生。这项技术通过可旋转的探头产生360度超声图像，使医生能够"看见"支气管壁外的病变情况。结合引导鞘(Guide Sheath, GS)技术，医生可以在超声实时引导下进行经支气管肺活检(Transbronchial Lung Biopsy, TBLB)，大大提高了诊断的精准度。然而，尽管RP-EBUS-GS-TBLB已成为PPLs的主要诊断方法之一，其诊断成功率仍有较大波动，临床亟需有效的预测工具来优化诊疗决策。

为了解决这一临床难题，中国人民解放军总医院第八医学中心呼吸与危重症医学科的张敏龙、杨翠萍、郭英华研究团队开展了一项创新性研究。他们在《Scientific Reports》上发表了题为"A predictive model for diagnosing peripheral pulmonary lesions using radial probe endobronchial ultrasound images"的研究论文，旨在开发一个能够预测RP-EBUS-TBLB在PPLs中诊断成功率的实用模型。

研究团队采用回顾性单中心队列研究设计，纳入了2022年1月至2024年10月期间在第八医学中心接受RP-EBUS-GS-TBLB的189例连续PPLs患者。通过严格的纳入排除标准筛选研究对象，最终140例患者诊断成功，49例诊断失败，总体诊断成功率达74.07%。

关键技术方法包括：使用LASSO(Least Absolute Shrinkage and Selection Operator)回归进行预测因子筛选，多元逻辑回归构建列线图(Nomogram)预测模型，采用自助法(Bootstrapping)进行内部验证，并通过受试者工作特征(ROC)曲线下面积(AUC)、校准曲线和决策曲线分析(DCA)评估模型性能。

研究结果首先通过基线特征分析揭示了诊断成功组与失败组之间的显著差异。如表1所示，两组在病变CT形态、胸膜距离、活检次数、病变大小、边界、形状、回声均匀性和RP-EBUS探头位置等8个因素上存在统计学显著差异。

通过LASSO回归分析从32个相关特征变量中筛选出6个具有非零系数的潜在预测因子：病变CT形态、活检次数、病变大小、边界、回声均匀性和RP-EBUS探头位置。基于这些预测因子，研究团队构建了两个预测模型：模型1仅使用EBUS影像特征（大小、边界、回声均匀性、RP-EBUS探头位置），模型2则联合了临床特征（病变CT形态、活检次数）和EBUS影像特征。

模型验证结果显示，模型1的AUC为0.901（95% CI, 0.858-0.944），内部验证AUC为0.889（95% CI, 0.826-0.943）；模型2的AUC为0.927（95% CI, 0.886-0.968），内部验证AUC为0.917（95% CI, 0.862-0.959）。两个模型均表现出良好的区分度和临床实用性。

值得注意的是，虽然模型2的AUC略高于模型1，但统计检验显示两个模型之间没有显著差异（训练集P=0.109，内部验证P=0.203）。这一发现具有重要临床意义，表明仅基于EBUS影像特征的模型1可以作为一个简洁而高效的预测工具。

研究团队还构建了直观的列线图来促进模型的临床应用。医生可以根据患者的具体特征在列线图上计算对应分数，从而快速预测诊断成功的概率，为临床决策提供量化依据。

讨论部分深入分析了各预测因子的临床意义。EBUS影像特征中，较大病变尺寸（≥2cm）的诊断优势可能源于活检过程中引导鞘微小移动对采样影响较小；清晰边界提示病变对气道的侵犯程度较低，有利于成功采样；均匀回声可能反映病变坏死程度较低，能获得更高质量的组织标本；探头位于病变内则确保采样位置的准确性。临床特征方面，较多活检次数（≥5次）通过增加样本量提高诊断率，实性病变相比混合型或磨玻璃病变更易侵犯气道，有利于活检取材。

本研究首次构建了基于EBUS影像特征的诊断成功率预测模型，并创新性地与联合临床特征模型进行比较，明确了影像预测模型在周围型肺部疾病诊断中的优势。与既往主要关注良恶性鉴别的研究不同，该研究聚焦于诊断成功率预测，为优化支气管镜操作策略提供了新思路。

然而，研究也存在一定局限性。单中心回顾性设计可能引入混杂偏倚，模型在其它内镜中心的适用性需要多中心前瞻性研究验证。未来研究可纳入更大样本量，结合机器学习等先进算法进一步优化模型性能，并将模型拓展应用于良恶性鉴别诊断等更多场景。

该研究的结论强调，基于EBUS影像特征（病变大小、边界、回声均匀性、探头位置）的预测模型具有与联合临床特征模型相当的预测效能，且更为简洁实用。这一工具有望帮助临床医生在术前准确评估诊断成功率，优化患者选择，制定个性化诊疗方案，最终提高周围型肺部病变的整体诊疗水平。