基于O-RADS US v2022联合CEUS与CA125构建OCC-US模型提升卵巢肿块良恶性鉴别诊断效能

本研究针对卵巢肿块良恶性鉴别诊断的临床难题，创新性整合O-RADS US v2022超声分类系统、对比增强超声(CEUS)和肿瘤标志物CA125，开发出OCC-US评分模型。研究团队通过609例患者的回顾性队列分析证实，该模型AUC达0.916，特异性提升至85.4%，显著降低23.1%的假阳性率，为优化卵巢肿瘤风险分层和手术决策提供新工具。

　　

卵巢肿瘤的早期鉴别诊断一直是妇科临床的棘手难题。尽管超声检查作为首选筛查手段，但传统方法高度依赖操作者经验，良恶性病变的声像图特征常存在交叉。美国放射学会(ACR)2018年推出的O-RADS US系统虽提高了诊断敏感性，但其特异性不足导致大量良性病变被过度治疗。更棘手的是，早期卵巢癌和交界性肿瘤的超声表现常与良性病变相似，而纤维瘤、畸胎瘤等良性肿瘤又易被误判为恶性——这种"双向误诊"困境亟需多模态解决方案。

电子科技大学医学院附属肿瘤医院·四川省肿瘤医院的研究团队创新性地将三种临床常用技术进行整合：标准化超声评估系统O-RADS US v2022提供形态学依据，对比增强超声(CEUS)揭示肿瘤微血管灌注特征，肿瘤标志物CA125则反映生化指标。通过609例患者的开发队列和300例独立验证队列的系统研究，团队构建出OCC-US评分模型，相关成果发表于《Cancer Imaging》。

研究采用三项关键技术：1)基于O-RADS US v2022标准对肿块进行5级分类；2)CEUS半定量评分(1-6分)评估肿瘤血管特征；3)电化学发光法检测血清CA125水平。所有病例均来自四川省肿瘤医院2022-2025年的临床队列，最终诊断通过病理检查(85%)或≥2年随访确认(15%)。

诊断性能突破
OCC-US模型设定2-1-2分权重：O-RADS≥4和CEUS≥4各计2分，CA125≥37.815 U/mL计1分。在开发队列中，以3分为界值时AUC达0.916，显著优于单独指标。典型案例显示，某51岁患者的肿块经O-RADS 2级初判为良性畸胎瘤，但CEUS高增强(6分)和CA125升高使其OCC-US升至3分，术后确诊为交界性黏液性肿瘤(

)。

临床决策优化
模型使手术推荐例数从300例(O-RADS标准)降至243例(P<0.001)。值得注意的是，O-RADS 4级病例中，当CEUS和CA125均为阴性(OCC-US=2分)时，32岁患者的子宫内膜异位囊肿得以避免手术(

)。

验证与可靠性
独立验证队列显示模型保持稳定性能(AUC=0.867)。两位医师评分一致性极高(k=0.840)，且决策曲线分析证实其临床净收益显著优于传统策略(

)。

该研究突破性地证明：多模态整合可破解单一技术的诊断瓶颈。OCC-US模型通过量化赋分实现三大优势——将形态(O-RADS)、功能(CEUS)和分子(CA125)特征有机结合；建立可重复的客观评分标准；显著降低23.1%的过度治疗率。尽管仍需多中心前瞻性验证，该模型已为卵巢肿瘤精准诊疗提供新范式，其"形态-功能-分子"三位一体的设计思路，对其它肿瘤的影像诊断也具有重要启示意义。