《Journal of Radiation Research and Applied Sciences》：Nomogram model construction and validation of integrating ultrasonic and mammographic features for diagnosing benign and malignant breast lesions
编辑推荐：
背景：乳腺癌仍是全球重要的健康问题，亟需准确的诊断策略。本研究旨在构建并验证一种整合超声检查与乳腺X线摄影(Mammography)特征、用于鉴别乳腺良恶性病变的列线图(Nomogram)模型。
方法：回顾性多中心队列研究纳入2022年10月至2025年9月期
背景：乳腺癌仍是全球重要的健康问题，亟需准确的诊断策略。本研究旨在构建并验证一种整合超声检查与乳腺X线摄影(Mammography)特征、用于鉴别乳腺良恶性病变的列线图(Nomogram)模型。
方法：回顾性多中心队列研究纳入2022年10月至2025年9月期间接受超声及乳腺X线摄影检查的407例女性乳腺病变患者。来自两家医院的患者构成训练队列(n=285)，第三家独立医院患者构成验证队列(n=122)，约按7:3比例分配。分析由乳腺影像报告和数据系统(Breast Imaging Reporting and Data System, BI-RADS)定义的的关键超声与乳腺X线摄影特征及临床因素。采用最小绝对收缩和选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)回归进行特征筛选，随后建立多因素Logistic回归模型构建列线图。
结果：训练队列(153例良性，132例恶性)中，整合列线图模型受试者工作特征曲线下面积(Area Under the Curve, AUC)达0.937(95% CI: 0.884–0.991)，灵敏度0.916、特异度0.892，优于单纯超声模型(AUC=0.872)及单纯乳腺X线摄影模型(AUC=0.891)。关键预测因子包括年龄≥51.50岁、糖尿病、肿瘤直径较大、绝经后状态及两种检查方式的特定BI-RADS特征。独立验证队列(66例良性，56例恶性)中模型仍表现稳健，AUC为0.934(95% CI: 0.899–0.969)，灵敏度0.911，特异度0.894。
结论：所构建的列线图有效整合多模态影像及临床特征，可在术前估算乳腺病变为恶性的概率，具有较高的诊断准确性与潜在临床应用价值。
研究背景与目的
乳腺癌是全球女性最常见且致死率居前的恶性肿瘤，准确早期诊断对改善预后至关重要。目前临床采用临床体检、影像学及病理验证的"三重评估"模式，其中乳腺X线摄影(Mammography，简称钼靶)是筛查金标准，但在致密型乳腺中敏感性降低；乳腺超声(Breast Ultrasound)无辐射且善于鉴别囊实性肿物及评估致密乳腺，但受操作者主观影响大且良恶性征象重叠导致特异性低。两者单独使用时均有局限，致使大量良性病灶被不必要活检（60%–95%为良性）。现有Gail、Tyrer-Cuzick等模型仅用于长期发病风险评估而非既存病灶的良恶性鉴别，常规BI-RADS分类未提供融合双模态影像特征的定量恶性概率。因此，研究人员开展此项研究，旨在构建并验证一个整合超声与乳腺X线摄影BI-RADS特征及临床变量的列线图(Nomogram)模型，以量化术前恶性概率，辅助活检决策。论文发表于《Journal of Radiation Research and Applied Sciences》。
主要关键技术方法
研究设计为回顾性、多中心队列研究，纳入三家医院407例同时行乳腺超声及全数字化乳腺X线摄影且有病理确诊的女性患者，按来源医院分为训练队列(n=285)与独立外部验证队列(n=122，约7:3)。两名具5年以上经验的影像医师盲法独立提取ACR BI-RADS超声（边缘、形态、方位、后方回声、微钙化、血流、淋巴结）及乳腺X线摄影特征（肿块、形态、边缘、钙化、结构扭曲、不对称），不一致时由第三位高年资医师仲裁达成共识；采集年龄、糖尿病史、肿瘤直径、绝经状态等临床资料。连续变量（年龄、肿瘤直径）通过ROC曲线确定最佳截断值（分别为≥51.50岁、≥22.49 mm）进行二分类。先经单因素Logistic回归（P<0.10）初筛，再采用LASSO回归（10折交叉验证）压缩剔除冗余变量，最终将非零系数变量纳入多因素Logistic回归构建预测模型并绘制列线图。模型评价采用ROC曲线计算AUC、灵敏度、特异度、阳性/阴性预测值，校准图与Hosmer–Lemeshow检验评估校准度，决策曲线分析(Decision Curve Analysis, DCA)及临床影响曲线(Clinical Impact Curve, CIC)评估临床净获益，并在外部验证队列中检验模型泛化能力。
研究结果
3.1. Participant demographics and clinical characteristics（研究对象人口学及临床特征）
对训练队列285例（良性153例，恶性132例）基线资料分析显示，恶性组年龄更大（56.73±11.84 vs. 43.28±12.15岁，P<0.001）、糖尿病比例更高（P=0.015）、肿瘤直径更大（21.68±9.14 vs. 16.43±7.27 mm，P<0.001）、绝经后比例更高（P<0.001），饮酒史及高血压亦有统计学差异（P<0.05），而BMI、吸烟、冠心病、乳腺癌家族史等无显著差异。说明上述临床因素与恶性显著相关。
3.2. Ultrasonographic feature profiles of benign versus malignant lesions（良恶性病变超声特征对比）
训练队列中恶性病变更多表现为边缘不光整（59.85% vs. 31.37%，P<0.001）、形态不规则（54.55% vs. 23.53%，P<0.001）、非平行生长位（31.06% vs. 11.76%，P<0.001）、后方声影（34.09% vs. 13.73%，P<0.001）、内部微钙化（46.97% vs. 21.57%，P<0.001）、血流信号增多（68.94% vs. 44.44%，P<0.001）及腋窝淋巴结异常（36.36% vs. 9.15%，P<0.001），回声类型无显著差异。证实多项超声BI-RADS特征与恶性密切相关。
3.3. Mammographic feature profiles of benign versus malignant lesions（良恶性病变乳腺X线摄影特征对比）
恶性组中肿块检出率更高（61.36% vs. 37.91%，P<0.001），伴形态不规则（59.26% vs. 15.52%，P<0.001）、边缘毛刺/模糊/遮蔽（P<0.001）、钙化更常见（58.33% vs. 25.49%，P<0.001）且呈线样/分支状（P=0.006）及簇状/段样分布（P=0.007），结构扭曲（31.06% vs. 9.80%，P<0.001）及不对称影（24.24% vs. 11.11%，P=0.003）亦更多见。表明乳腺X线摄影BI-RADS特征对良恶性鉴别具有重要价值。
3.4. Feature selection via LASSO regression and multivariable logistic regression analysis（基于LASSO回归的特征筛选及多因素Logistic回归分析）
单因素Logistic回归筛选出P<0.10的候选变量进入LASSO回归，经10折交叉验证确定最优λ，饮酒史与高血压被压缩剔除（系数为零），最终保留年龄≥51.50岁、糖尿病、肿瘤直径≥22.49 mm、绝经后状态、超声特征（边缘不光整、形态不规则、非平行方位、微钙化、血流信号、异常淋巴结）及乳腺X线摄影特征（肿块、钙化、结构扭曲趋势P=0.081）共13项具非零系数的预测因子纳入多因素Logistic回归。多因素分析确认上述各变量（结构扭曲除外）均为独立预测因子，OR值分别为年龄≥51.50岁 OR=6.777、糖尿病 OR=4.658、肿瘤直径≥22.49 mm OR=3.092、绝经后 OR=3.306，其余影像特征OR均>2且P<0.05。
3.5. Development and visualization of the integrated nomogram model（整合列线图模型的构建与可视化）
基于多因素Logistic回归构建整合超声+乳腺X线摄影+临床因素的列线图。训练队列内整合模型AUC=0.937(95% CI: 0.884–0.991)，灵敏度0.916、特异度0.892、阳性预测值(Positive Predictive Value, PPV)0.902、阴性预测值(Negative Predictive Value, NPV)0.907；单纯超声模型AUC=0.872，单纯乳腺X线摄影模型AUC=0.891，整合模型判别能力更优。校准曲线显示预测概率与观测概率高度吻合，Hosmer–Lemeshow检验P>0.05提示拟合良好。DCA及CIC显示整合模型在较宽阈值概率范围内较"全部活检"和"全部不活检"具有更高净临床获益。列线图为临床提供可直观计分计算个体恶性概率的图形化工具。
3.6. External validation of the predictive model（预测模型的外部验证）
独立外部验证队列122例（良性66例，恶性56例）人口学、超声及乳腺X线摄影特征差异趋势与训练队列一致。整合模型在验证队列中AUC=0.934(95% CI: 0.899–0.969)，灵敏度0.911、特异度0.894，校准曲线与DCA均证实模型保持良好校准度与临床净获益，证明模型具有良好泛化能力和稳定性。
讨论与结论总结
讨论指出，年龄增长、糖尿病、较大肿瘤直径及绝经后状态为独立临床危险因子；超声的不光整边缘、不规则形、非平行方位（ taller-than-wide ）、微钙化、富血供及异常淋巴结，与乳腺X线摄影的肿块、恶性形态钙化、结构扭曲等BI-RADS特征互补地反映肿瘤浸润生长、新生血管及坏死钙化等生物学行为。双模态物理原理不同（X线衰减 vs. 声阻抗），捕捉互补表型信息，整合后产生协同效应，优于单一模态，可将主观BI-RADS评估量化为个体化恶性概率，有望减少不必要良性活检并避免过度漏诊，但需前瞻多中心研究进一步验证并与放射科医师BI-RADS判读做头对头比较。作者也提及回顾性设计、未计算特征提取者间/者内一致性Kappa值、LASSO前经单因素预筛选可能引入偏差、样本量及未涵盖数字乳腺断层合成(Digital Breast Tomosynthesis, DBT)或弹性成像等新技术为研究局限，概率校准需根据本地人群患病率考虑重校准。
结论（翻译）：研究人员构建并验证了整合超声与乳腺X线摄影BI-RADS特征及临床因素以术前估算乳腺病变恶性概率的列线图模型。该模型表现出稳健的诊断效能与临床实用性，凸显了系统化多模态影像特征融合的价值。未来需开展前瞻性多中心研究以完善该工具并推动其在多样临床场景中的应用，最终优化活检决策并实现患者个体化管理路径。
