整合临床与多参数超声特征的列线图模型用于术前鉴别子宫肉瘤与非典型子宫肌瘤

《BMC Women's Health》：Development and validation of a predictive nomogram for stratifying risk in uterine mesenchymal tumors based on clinical and multiparametric ultrasound characteristics

　　

摘要

目的

开发并验证一种整合临床特征和多参数超声特征的列线图模型，用于术前鉴别子宫肉瘤与非典型子宫肌瘤。

方法

回顾性纳入46例子宫肉瘤患者和239例非典型子宫肌瘤患者，按7:3的比例随机分配至训练集和测试集。先进行单因素分析，随后进行多因素logistic回归分析以筛选独立预测因子。在此基础上，我们分别开发了临床结合常规超声（Clin-US）模型和临床结合多参数超声（Clin-MPUS）列线图，并将其预测性能与巴塞尔肉瘤评分（BSS）进行比较。模型性能通过曲线下面积（AUC）、校准曲线和决策曲线分析（DCA）进行评估。采用1000次bootstrap重抽样迭代进行乐观偏差校正。

结果

在训练集和测试集中，Clin-MPUS列线图均获得了高于Clin-US模型的AUC值（0.891和0.858；bootstrap校正后：0.873）（Clin-US模型：0.865和0.829；bootstrap校正后：0.843），且两种列线图均显著优于BSS评分（0.716和0.688；所有P?<?0.05）。在纳入超声造影（CEUS）参数后，净重分类改善指数（NRI）和综合判别改善指数（IDI）均显著提高（P?<?0.05）。进一步按绝经状态对高风险组进行分层后，特异性从84.94%提升至92.05%，不必要干预率（NIR）从46.75%降低至32.20%。以100例模型阳性高风险患者为例，该方法可避免约14例良性病变的不必要手术。

结论

在鉴别子宫肉瘤与非典型肌瘤方面，Clin-MPUS列线图表现出优于Clin-US列线图和BSS评分的判别性能。进一步按绝经状态进行分层可显著降低不必要的临床干预率，从而为个性化术前决策提供了一种实用工具。