• 中国科技论文统计源期刊
  • 中国科技核心期刊
  • 中国高校优秀期刊
  • 安徽省优秀科技期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

孤立性肺结节恶性概率临床预测模型的建立

查小久 黄礼年 贡会源 王安生

引用本文:
Citation:

孤立性肺结节恶性概率临床预测模型的建立

    作者简介: 查小久(1991-), 女, 硕士研究生
    通讯作者: 黄礼年, bbmchln@126.com
  • 基金项目:

    安徽省自然科学基金项目 1708085MH210

  • 中图分类号: R563

Establishment of clinical predictive model of malignant probability of solitary pulmonary nodules

    Corresponding author: HUANG Li-nian, bbmchln@126.com ;
  • CLC number: R563

  • 摘要: 目的筛选出恶性孤立性肺结节独立危险因素,构建判断孤立性肺结节良恶性的列线图模型。方法收集胸外科行手术治疗并有明确病理的孤立性肺结节病人的临床资料及胸部影像学特征。通过单因素及多因素logistic回归分析,筛选出与孤立性肺结节良恶性相关的独立影响因素,并利用列线图构建预测孤立性肺结节恶性概率的数学模型。最后,利用受试者工作特征(ROC)曲线下面积(AUC)及校准曲线验证风险预测模型。结果605例病人中,恶性病变398例(65.8%),良性病变207例。多因素分析中,病人年龄、油烟吸入、含磨玻璃成分、长毛刺、短毛刺、胸膜凹陷征、血管集束征、空泡征、钙化、深分叶是恶性孤立性肺结节的独立影响因素(P < 0.05~P < 0.01)。将上述独立影响因素纳入列线图中,构建预测恶性孤立性肺结节概率的数学模型。本列线图模型显示出较好的区分度及一致性,ROC的AUC为0.913(95%CI:0.888~0.938),当截取T=0.55时,约登指数最大,此时模型的敏感性为89.2%,特异性为80.2%,校正曲线显示预测孤立性肺结节的恶性肿瘤概率与实际恶性肿瘤的概率基本平行,为斜率大约45°的曲线。校准图显示该模型充分拟合,可以预测孤立性肺结节的恶性肿瘤概率。结论年龄、油烟吸入史、含磨玻璃成分、短毛刺、深分叶、血管集束征、胸膜凹陷征、空泡征是恶性孤立性肺结节的独立危险因素,而钙化、长毛刺更常见于良性孤立性肺结节。列线图模型可使临床医生对孤立性肺结节的恶性概率进行个体化、可视化和精确预测。
  • 图 1  605例SPN病理分型饼形图

    图 2  预测孤立性肺结节良恶性的列线图

    图 3  预测恶性孤立性肺结节的列线图的ROC曲线

    图 4  模型的偏差校正校准图

    表 1  良、恶性SPN病人临床资料比较[n;百分率(%)]

    临床资料 良性
    (n=207)
    恶性
    (n=398)
    χ2 P
    年龄/岁 54.36±11.23 58.90±11.10 -4.76* < 0.01
    性别
        男 100(48.3) 157(39.4) 4.38 < 0.05
        女 107(51.7) 241(60.6)
    吸烟史
        有 52(25.1) 115(28.9) 0.97 >0.05
    吸烟包年
        ≤10 168(81.1) 305(76.6) 1.96 >0.05
        >10~20 7(3.4) 21(5.3)
        >20 32(15.5) 72(18.1)
    戒烟史
        有 11(5.3) 33(8.3) 1.79 >0.05
    被动吸烟
        有 17(8.2) 50(12.6) 2.62 >0.05
    肿瘤家族史
        有 7(3.4) 31(7.8) 4.49 < 0.05
    既往肿瘤史
        有 7(3.4) 21(5.3) 1.11 >0.05
    肺部疾病史
        有 11(5.3) 28(7.0) 0.67 >0.05
    油烟吸入
        有 92(44.4) 261(65.6) 25.03 < 0.01
    固体燃料
        有 22(10.6) 108(27.1) 22.00 < 0.01
    职业暴露
        有 10(4.8) 33(8.3) 2.47 >0.05
    临床症状
        有 74(35.7) 153(38.4) 0.42 >0.05
    *示t
    下载: 导出CSV

    表 2  良、恶性SPN病人影像特征比较[n;百分率(%)]

    CT影像特征 良性
    (n=207)
    恶性
    (n=398)
    χ2 P
    最大径/cm 1.48±0.73 1.68±0.64 -3.99* < 0.01
    结节大小/cm
        ≤1 76(36.7) 83(20.9) 18.72 < 0.01
        >1~2 80(38.7) 209(52.5)
        >2~3 51(24.6) 106(26.6)
    结节位置
        右肺上叶 70(33.8) 139(34.9) 1.64 >0.05
        右肺下叶 36(17.4) 71(17.8)
        右肺中叶 17(8.2) 22(5.5)
        左肺上叶 54(26.1) 108(27.1)
        左肺下叶 30(14.5) 58(14.6)
    结节类型
        实性 153(73.9) 183(46.0) 48.39 < 0.01
        磨玻璃 43(20.8) 128(32.2)
        混合性 11(5.3) 87(21.9)
    含磨玻璃
        有 54(26.1) 215(54.0) 43.03 < 0.01
    长毛刺征
        有 67(32.4) 53(13.3) 31.08 < 0.01
    短毛刺征
        有 21(10.1) 124(31.2) 32.99 < 0.01
    胸膜凹陷征
        有 19(9.2) 63(15.8) 5.14 < 0.05
    血管集束征
        有 40(19.3) 285(71.6) 149.73 < 0.01
    空泡征
        有 54(26.1) 221(55.5) 47.61 < 0.01
    空气支气管征
        有 18(8.7) 78(19.6) 12.12 < 0.01
    钙化
        有 21(10.1) 6(1.5) 23.83 < 0.01
    深分叶征
        有 6(2.9) 103(25.9) 48.69 < 0.01
    浅分叶征
        有 16(7.7) 13(3.3) 5.94 < 0.05
    *示t
    下载: 导出CSV

    表 3  二元logistic回归分析结果

    变量 β SE Waldχ2 P OR 95%CI
    年龄 0.030 0.012 6.413 < 0.01 1.030 1.007~1.054
    油烟吸入 0.722 0.250 8.335 < 0.01 2.058 1.261~3.359
    含磨玻璃成分 1.638 0.288 32.305 < 0.01 5.143 2.924~9.045
    长毛刺 -1.713 0.353 23.558 < 0.01 0.180 0.090~0.360
    短毛刺 1.722 0.381 20.369 < 0.01 5.593 2.648~11.812
    胸膜凹陷征 1.034 0.472 4.792 < 0.05 2.812 1.114~7.098
    血管集束征 2.151 0.266 65.276 < 0.01 8.592 5.099~14.478
    空泡征 1.030 0.260 15.750 < 0.01 2.801 1.684~4.659
    钙化 -2.292 0.670 11.706 < 0.01 0.101 0.027~0.376
    深分叶 2.965 0.571 26.949 < 0.01 19.396 6.332~59.414
    常量 -3.715 0.717 26.836 < 0.01 0.024
    下载: 导出CSV
  • [1] HARZHEIM D, EBERHARDT R, HOFFMANN H, et al. The solitary pulmonary nodule[J]. Respiration, 2015, 90(2): 160. doi: 10.1159/000430996
    [2] SUNG H, FERLAY J, SIEGEL RL, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2021, 71(3): 209. doi: 10.3322/caac.21660
    [3] WANG N, MENGERSEN K, TONG S, et al. Global, regional, and national burden of lung cancer and its attributable risk factors, 1990 to 2017[J]. Cancer, 2020, 126(18): 4220. doi: 10.1002/cncr.33078
    [4] LI N, WU P, SHEN Y, et al. Predictions of mortality related to four major cancers in China, 2020 to 2030[J]. Cancer Commun (Lond), 2021, 41(5): 404. doi: 10.1002/cac2.12143
    [5] ZENG H, CHEN W, ZHENG R, et al. Changing cancer survival in China during 2003-15: a pooled analysis of 17 population based cancer registries[J]. Lancet Glob Health, 2018, 6(5): e555. doi: 10.1016/S2214-109X(18)30127-X
    [6] WELCH HG, WOLOSHIN S, SCHWARTZ LM, et al. Overstating the evidence for lung cancer screening: the International Early Lung Cancer Action Program (I-ELCAP) study[J]. Arch Intern Med, 2007, 167(21): 2289. doi: 10.1001/archinte.167.21.2289
    [7] BACH PB, MIRKIN JN, OLIVER TK, et al. Benefits and harms of CT screening for lung cancer: a systematic review[J]. JAMA, 2012, 307(22): 2418. doi: 10.1001/jama.2012.5521
    [8] BRAHMER JR, GOVINDAN R, ANDERS RA, et al. The Society for Immunotherapy of Cancer consensus statement on immunotherapy for the treatment of non-small cell lung cancer(NSCLC)[J]. J Immunother Cancer, 2018, 6(1): 75. doi: 10.1186/s40425-018-0382-2
    [9] DEPPEN SA, GROGAN EL. Using clinical risk models for lung nodule classification[J]. Semin Thorac Cardiovasc Surg, 2015, 27(1): 30. doi: 10.1053/j.semtcvs.2015.04.001
    [10] 张仁锋, 张岩, 温丰标, 等. 6058例肺癌患者病理类型和临床流行病学特征的分析[J]. 中国肺癌杂志, 2016, 19(3): 129.
    [11] MAC MH, NAIDICH DP, GOO JM, et al. Guidelines for management of incidental pulmonary nodules detected on CT images: from the fleischner society 2017[J]. Radiology, 2017, 284(1): 228. doi: 10.1148/radiol.2017161659
    [12] YANG L, ZHANG Q, BAI L, et al. Assessment of the cancer risk factors of solitary pulmonary nodules [J]. Oncotarget, 2017, 8(17): 29318. doi: 10.18632/oncotarget.16426
    [13] 李运, 隋锡朝, 杨德松, 等. 孤立性肺结节的危险因素[J]. 中华胸心血管外科杂志, 2010, 26(3): 161.
    [14] JIA PL, ZHANG C, YU JJ, et al. The risk of lung cancer among cooking adults: a meta-analysis of 23 observational studies[J]. J Cancer Res Clin Oncol, 2018, 144(2): 229. doi: 10.1007/s00432-017-2547-7
    [15] KITAMI A, SANO F, HAYASHI S, et al. Correlation between histological invasiveness and the computed tomography value in pure ground-glass nodules[J]. Surg Today, 2016, 46(5): 593. doi: 10.1007/s00595-015-1208-1
    [16] XUE Y, JIANG Y, JIN S, et al. Association between cooking oil fume exposure and lung cancer among Chinese nonsmoking women: a meta-analysis[J]. Onco Targets Ther, 2016, 9: 2987.
    [17] CHEN TY, FANG YH, CHEN HL, et al. Impact of cooking oil fume exposure and fume extractor use on lung cancer risk in non-smoking Han Chinese women[J]. Sci Rep, 2020, 10(1): 6774. doi: 10.1038/s41598-020-63656-7
    [18] 白少君. 联合多种高分辨CT征象对肺内孤立结节良恶性鉴别诊断价值[J]. CT理论与应用研究, 2019, 28(1): 121.
    [19] ZHANG R, TIAN P, CHEN B, et al. Predicting lung cancer risk of incidental solid and subsolid pulmonary nodules in different sizes[J]. Cancer Manag Res, 2020, 12: 8057. doi: 10.2147/CMAR.S256719
    [20] ZHANG L, YANKELEVITZ DF, CARTER D, et al. Internal groth of non-solid lung nodules: radiologic pathologiccorrelation[J]. Radiology, 2012, 263(1): 279. doi: 10.1148/radiol.11101372
    [21] 毛海霞, 砆韩石, 项文静, 等. 肺腺癌局限性磨玻璃影的诊断与处理[J]. 中华结核和呼吸杂志, 2015, 38(7): 535.
    [22] LEE CT. What do we know about ground-glass opacity nodules in the lung?[J]. Transl Lung Cancer Res, 2015, 4(5): 656.
    [23] 傅晓青, 杨勇, 董礼, 等. 肺部CT不同性质肺结节的临床意义[J]. 浙江医学, 2016, 38(11): 783.
    [24] 喻微, 陈天翔, 续力云, 等. 表现为磨玻璃结节的孤立性肺结节诊断模型的建立. 中国医学影像学杂志[J]. 2017, 25(6): 435.
    [25] 喻微, 叶波, 续力云, 等. 实性孤立性肺结节诊断模型的建立[J]. 中国肺癌杂志, 2016, 19(10): 705.
    [26] 袁鑫鑫, 易琳, 芮军, 等. 肺内孤立结节的高分辨CT征象诊断价值观察[J]. 实用医技杂志, 2017, 24(6): 615.
    [27] 李丽, 刘周, 杨倩, 等. 肺微小结节的CT影像学表现及诊断价值[J]. 中国癌症防治杂志, 2020, 2(12): 90.
    [28] SNOECKXA A, REYNTIENS P, DESBUQUOIT D, et al. Evaluation of the solitary pulmonary nodule: size matters, but do not ignore the power of morphology[J]. Insights Imaging, 2018, 9(1): 73.
    [29] 陈兆渤, 金恩浩, 李良, 等. 320排CT双入口灌注扫描技术对良恶性孤立性肺结节血流动力学的评价价值[J]. 山东医药, 2017, 57(5): 70.
    [30] 王欣, 徐跃华, 杜紫燕, 等. 孤立性肺结节的CT影像学特征及良恶性预测模型的建立[J]. 中华肿瘤杂志, 2018, 40(2) : 115.
    [31] WANG L, CHEN Y, TANG K, et al. The value of 18F-FDG PET/CT mathematical prediction model in diagnosis of solitary pulmonary nodules[J]. Biomed Res Int, 2018, 2018: 9453967.
  • [1] 赵琼胡秋文蒋雪玲陈贵娟莫力朱光美 . 子痫前期孕妇并发产后焦虑的危险因素分析及预测模型构建. 蚌埠医学院学报, 2023, 48(10): 1431-1436. doi: 10.13898/j.cnki.issn.1000-2200.2023.10.023
    [2] 余翔张敏刘建光 . 孤立性肺结节影像学特征的logistic回归分析. 蚌埠医学院学报, 2019, 44(7): 936-939. doi: 10.13898/j.cnki.issn.1000-2200.2019.07.025
    [3] 王修军易君张欢欢 . 基于多维度指标建立预测模型在乳腺癌病人腋窝淋巴结转移的应用价值. 蚌埠医学院学报, 2022, 47(8): 1066-1069. doi: 10.13898/j.cnki.issn.1000-2200.2022.08.018
    [4] 陈雪飞 . 单采血小板输注疗效影响因素分析及预测模型构建. 蚌埠医学院学报, 2022, 47(8): 1074-1077. doi: 10.13898/j.cnki.issn.1000-2200.2022.08.020
    [5] 李亮张继伟孙文浩王广田甜于淼 . 急性脑卒中机械取栓术后病人症状性脑出血预测模型构建分析. 蚌埠医学院学报, 2023, 48(6): 779-782. doi: 10.13898/j.cnki.issn.1000-2200.2023.06.016
    [6] 李娟石云徐霞铭陈轩 . 足月新生儿发生胎粪吸入综合征的影响因素分析及预测模型构建. 蚌埠医学院学报, 2023, 48(12): 1701-1704. doi: 10.13898/j.cnki.issn.1000-2200.2023.12.018
    [7] 黄磊程东苗吴迪张正情郭远见 . 食管癌适形调强放疗病人预后多因素回归分析及其预测模型构建. 蚌埠医学院学报, 2022, 47(8): 1030-1033. doi: 10.13898/j.cnki.issn.1000-2200.2022.08.010
    [8] 于永涛丁新苑云宗金 . 急性缺血性卒中病人颈动脉斑块特征与危险因素及与中性粒/淋巴细胞比值相关性分析. 蚌埠医学院学报, 2020, 45(8): 1064-1067. doi: 10.13898/j.cnki.issn.1000-2200.2020.08.019
    [9] 罗平平龚唯李潺任启万 . 查尔森合并症指数在急诊病人留院观察时间预测中的应用. 蚌埠医学院学报, 2017, 42(9): 1207-1210. doi: 10.13898/j.cnki.issn.1000-2200.2017.09.016
    [10] 朱峰王培生缪华新郝宝泉 . 胸腔镜辅助小切口诊治孤立性肺结节23例. 蚌埠医学院学报, 2007, 32(3): 337-338.
    [11] 徐加利刘斌 . 高分辨率CT诊断肺内孤立性结节的价值探讨. 蚌埠医学院学报, 2013, 37(1): 87-89.
    [12] 储昭乐 . 儿童过敏性紫癜性肾炎相关危险因素分析. 蚌埠医学院学报, 2013, 37(10): 1301-1302,1305.
    [13] 李斌 . 维持性血液透析患者发生心血管疾病危险因素分析. 蚌埠医学院学报, 2013, 37(8): 967-969.
    [14] 罗少龙潘红刚蒋磊王阿静 . Child胰肠吻合术后功能性胃排空障碍的危险因素分析. 蚌埠医学院学报, 2013, 37(11): 1414-1417.
    [15] 彭海菁李杰陈海琴王婴云 . 应激性高血糖的危险因素及护理干预措施. 蚌埠医学院学报, 2016, 41(3): 399-401. doi: 10.13898/j.cnki.issn.1000-2200.2016.03.039
    [16] 汤金红江静静胡梅夏红芳 . 医院多重耐药菌感染目标性监测与危险因素分析. 蚌埠医学院学报, 2017, 42(11): 1539-1541,1544. doi: 10.13898/j.cnki.issn.1000-2200.2017.11.033
    [17] 刘纪君梅传忠李兴武 . 冠心病新危险因素在预测冠状动脉病变严重程度中的价值研究进展. 蚌埠医学院学报, 2016, 41(4): 558-561. doi: 10.13898/j.cnki.issn.1000-2200.2016.04.044
    [18] 贾梅李檬陈秀芹 . PICC静脉血栓类疾病危险因素预测在肝胆胰恶性肿瘤病人中的研究. 蚌埠医学院学报, 2021, 46(9): 1288-1291, 1294. doi: 10.13898/j.cnki.issn.1000-2200.2021.09.036
    [19] 许佑冬刘正东 . 颅内动脉瘤破裂蛛网膜下腔出血病人早期发生神经源性肺水肿危险因素分析. 蚌埠医学院学报, 2023, 48(9): 1232-1236. doi: 10.13898/j.cnki.issn.1000-2200.2023.09.012
    [20] 孙敏捷罗兵李振兴霍星星王云 . 预测ICU住院病人死亡的Nomogram模型. 蚌埠医学院学报, 2022, 47(12): 1733-1736. doi: 10.13898/j.cnki.issn.1000-2200.2022.12.026
  • 加载中
图(4)表(3)
计量
  • 文章访问数:  1396
  • HTML全文浏览量:  687
  • PDF下载量:  17
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-12-18
  • 录用日期:  2022-07-20
  • 刊出日期:  2023-11-15

孤立性肺结节恶性概率临床预测模型的建立

    通讯作者: 黄礼年, bbmchln@126.com
    作者简介: 查小久(1991-), 女, 硕士研究生
  • 1. 蚌埠医学院第一附属医院 呼吸与危重症医学科, 安徽 蚌埠 233004
  • 2. 蚌埠医学院第一附属医院 胸外科, 安徽 蚌埠 233004
基金项目:  安徽省自然科学基金项目 1708085MH210

摘要: 目的筛选出恶性孤立性肺结节独立危险因素,构建判断孤立性肺结节良恶性的列线图模型。方法收集胸外科行手术治疗并有明确病理的孤立性肺结节病人的临床资料及胸部影像学特征。通过单因素及多因素logistic回归分析,筛选出与孤立性肺结节良恶性相关的独立影响因素,并利用列线图构建预测孤立性肺结节恶性概率的数学模型。最后,利用受试者工作特征(ROC)曲线下面积(AUC)及校准曲线验证风险预测模型。结果605例病人中,恶性病变398例(65.8%),良性病变207例。多因素分析中,病人年龄、油烟吸入、含磨玻璃成分、长毛刺、短毛刺、胸膜凹陷征、血管集束征、空泡征、钙化、深分叶是恶性孤立性肺结节的独立影响因素(P < 0.05~P < 0.01)。将上述独立影响因素纳入列线图中,构建预测恶性孤立性肺结节概率的数学模型。本列线图模型显示出较好的区分度及一致性,ROC的AUC为0.913(95%CI:0.888~0.938),当截取T=0.55时,约登指数最大,此时模型的敏感性为89.2%,特异性为80.2%,校正曲线显示预测孤立性肺结节的恶性肿瘤概率与实际恶性肿瘤的概率基本平行,为斜率大约45°的曲线。校准图显示该模型充分拟合,可以预测孤立性肺结节的恶性肿瘤概率。结论年龄、油烟吸入史、含磨玻璃成分、短毛刺、深分叶、血管集束征、胸膜凹陷征、空泡征是恶性孤立性肺结节的独立危险因素,而钙化、长毛刺更常见于良性孤立性肺结节。列线图模型可使临床医生对孤立性肺结节的恶性概率进行个体化、可视化和精确预测。

English Abstract

  • 孤立性肺结节(solitary pulmonary nodules,SPN)系指直径≤3 cm的单个球形或椭圆形密度增高影,其边缘清楚、周围为充气肺组织,不包括肺门和纵隔淋巴结肿大、肺不张和胸腔积液等表现[1]。随着人们健康意识的提升以及低剂量螺旋CT的应用,肺结节的检出率增高,探寻一种有效的方法能早期鉴别肺结节的良恶性,不仅能避免良性肺结节病人的重复检查、过度的侵入性检查及手术治疗,而且能提高恶性肺结节病人的生存率,但因肺结节的病因种类多(包括良恶性肿瘤、炎症、真菌感染、结核、非典型增生等),且由于结节较小导致取材有限,均加大了肺结节定性诊断的难度。以往临床上肺结节的诊断主要依靠医生的经验判断,存在一定的主观性;自梅奥模型建立以来,越来越多的预测模型被开发以及验证,预测模型对肺结节的良恶性鉴别具有较高的准确性。由于地区、人群等差异及更多肺癌相关的危险因素被发现,肺结节的预测模型需根据目标人群特点进行选择。本研究回顾性分析605例SPN病人的临床资料及影像资料,挑选出与良恶性相关的影响因素,最终建立临床预测模型并验证模型,为临床预测SPN的恶性概率提供帮助。现作报道。

    • 收集2018年12月至2020年1月我院行手术治疗并有明确病理诊断的SPN病人605例,其中男257例,女348例,年龄24~83岁。纳入标准: 均行胸部高分辨率CT(High resolution CT, HRCT)检查; HRCT提示SPN; 无远处转移迹象; 均行胸腔镜手术,有明确的病理诊断。

    • 临床资料包括:病人年龄、性别、吸烟史、戒烟史、被动吸烟、肿瘤史、家族史、肺部疾病史、职业暴露、临床症状、油烟吸入、固体燃料使用(柴火、蜂窝煤)。由1名高年资放射科医师及1名高年资呼吸科医师收集HRCT影像资料,包括结节的位置、最大径、类型、血管集束征、胸膜牵拉征、空泡征、空气支气管征、毛刺征(≥5 mm为长毛刺; < 5 mm为短毛刺)、分叶征[深分叶(弦距与距长之比≥2/5)和浅分叶(弦距与距长之比≤1/5)]和钙化。油烟吸入定义:每日烹饪次数至少1次,持续时间6个月以上,且病人会被问及“烹饪过程中,烹调油烟对眼睛及咽喉刺激强度”,答案从“从不”“偶尔”“有时”到“经常”,回答“有时”或“经常”时则等于1,否则等于0。

    • 采用t检验、χ2检验、多因素logistic回归分析、列线图模型和受试者工作特征(ROC)曲线和校准曲线验证风险预测模型。

    • 按病理结果分为良、恶性2组。恶性组398例(65.8%),其中腺癌354例,鳞状细胞癌29例,其他恶性病变15例(其中差分化癌5例,非小细胞癌、神经内分泌癌各3例,小细胞癌、黏液表皮样癌、转移性癌、淋巴瘤各1例);良性组207例(34.2%),其中非典型腺瘤样增生34例,错构瘤20例,肉芽肿性炎27例,结核22例,炎症20例,炎性假瘤17例,机化性肺炎12例,硬化性肺泡细胞瘤10例,其他良性病变45例(其中肺隔离症、副神经节瘤、新型隐球菌病各1例,淋巴结2例,真菌感染、支气管囊肿、坏死结节各4例,胶原结节5例,肺泡上皮增生8例)。各病理类型所占比例见图 1

      图  1  605例SPN病理分型饼形图

    • 单因素分析示,2组年龄、肿瘤家族史、油烟吸入、固体燃料、结节的最大径、类型、含磨玻璃成分、长毛刺、短毛刺、胸膜凹陷征、血管集束征、空泡征、空气支气管征、钙化、深分叶和浅分叶差异均有统计学意义(P < 0.05~P < 0.01)(见表 12)。

      临床资料 良性
      (n=207)
      恶性
      (n=398)
      χ2 P
      年龄/岁 54.36±11.23 58.90±11.10 -4.76* < 0.01
      性别
          男 100(48.3) 157(39.4) 4.38 < 0.05
          女 107(51.7) 241(60.6)
      吸烟史
          有 52(25.1) 115(28.9) 0.97 >0.05
      吸烟包年
          ≤10 168(81.1) 305(76.6) 1.96 >0.05
          >10~20 7(3.4) 21(5.3)
          >20 32(15.5) 72(18.1)
      戒烟史
          有 11(5.3) 33(8.3) 1.79 >0.05
      被动吸烟
          有 17(8.2) 50(12.6) 2.62 >0.05
      肿瘤家族史
          有 7(3.4) 31(7.8) 4.49 < 0.05
      既往肿瘤史
          有 7(3.4) 21(5.3) 1.11 >0.05
      肺部疾病史
          有 11(5.3) 28(7.0) 0.67 >0.05
      油烟吸入
          有 92(44.4) 261(65.6) 25.03 < 0.01
      固体燃料
          有 22(10.6) 108(27.1) 22.00 < 0.01
      职业暴露
          有 10(4.8) 33(8.3) 2.47 >0.05
      临床症状
          有 74(35.7) 153(38.4) 0.42 >0.05
      *示t

      表 1  良、恶性SPN病人临床资料比较[n;百分率(%)]

      CT影像特征 良性
      (n=207)
      恶性
      (n=398)
      χ2 P
      最大径/cm 1.48±0.73 1.68±0.64 -3.99* < 0.01
      结节大小/cm
          ≤1 76(36.7) 83(20.9) 18.72 < 0.01
          >1~2 80(38.7) 209(52.5)
          >2~3 51(24.6) 106(26.6)
      结节位置
          右肺上叶 70(33.8) 139(34.9) 1.64 >0.05
          右肺下叶 36(17.4) 71(17.8)
          右肺中叶 17(8.2) 22(5.5)
          左肺上叶 54(26.1) 108(27.1)
          左肺下叶 30(14.5) 58(14.6)
      结节类型
          实性 153(73.9) 183(46.0) 48.39 < 0.01
          磨玻璃 43(20.8) 128(32.2)
          混合性 11(5.3) 87(21.9)
      含磨玻璃
          有 54(26.1) 215(54.0) 43.03 < 0.01
      长毛刺征
          有 67(32.4) 53(13.3) 31.08 < 0.01
      短毛刺征
          有 21(10.1) 124(31.2) 32.99 < 0.01
      胸膜凹陷征
          有 19(9.2) 63(15.8) 5.14 < 0.05
      血管集束征
          有 40(19.3) 285(71.6) 149.73 < 0.01
      空泡征
          有 54(26.1) 221(55.5) 47.61 < 0.01
      空气支气管征
          有 18(8.7) 78(19.6) 12.12 < 0.01
      钙化
          有 21(10.1) 6(1.5) 23.83 < 0.01
      深分叶征
          有 6(2.9) 103(25.9) 48.69 < 0.01
      浅分叶征
          有 16(7.7) 13(3.3) 5.94 < 0.05
      *示t

      表 2  良、恶性SPN病人影像特征比较[n;百分率(%)]

      多因素分析提示,年龄、油烟吸入、含磨玻璃成分、长毛刺、短毛刺、胸膜凹陷征、血管集束征、空泡征、钙化和深分叶是肺癌相关的独立影响因素(P < 0.05~P < 0.01)(见表 3)。

      变量 β SE Waldχ2 P OR 95%CI
      年龄 0.030 0.012 6.413 < 0.01 1.030 1.007~1.054
      油烟吸入 0.722 0.250 8.335 < 0.01 2.058 1.261~3.359
      含磨玻璃成分 1.638 0.288 32.305 < 0.01 5.143 2.924~9.045
      长毛刺 -1.713 0.353 23.558 < 0.01 0.180 0.090~0.360
      短毛刺 1.722 0.381 20.369 < 0.01 5.593 2.648~11.812
      胸膜凹陷征 1.034 0.472 4.792 < 0.05 2.812 1.114~7.098
      血管集束征 2.151 0.266 65.276 < 0.01 8.592 5.099~14.478
      空泡征 1.030 0.260 15.750 < 0.01 2.801 1.684~4.659
      钙化 -2.292 0.670 11.706 < 0.01 0.101 0.027~0.376
      深分叶 2.965 0.571 26.949 < 0.01 19.396 6.332~59.414
      常量 -3.715 0.717 26.836 < 0.01 0.024

      表 3  二元logistic回归分析结果

      方程为:SPN恶性概率= eX/(1+eX), X=-3.715+0.030×年龄+0.722×油烟吸入(有=1,无=0)+1.638×含磨玻璃成分(有=1,无=0)-1.713×长毛刺(有=1,无=0)+1.722×短毛刺(有=1,无=0)+1.034×胸膜凹陷征(有=1,无=0)+2.151×血管集束征(有=1,无=0)+1.030×空泡征(有=1,无=0)-2.292×钙化(有=1,无=0)+2.965×深分叶(有=1,无=0)。数字e是一个数学常数,是自然对数函数的底数。

    • 依据二元logistic回归分析最后的结果,纳入10项与病理相关的独立危险因素,采用R软件(4.1.0)建立列线图模型(见图 2)。该模型使用1 000个Bootstrap样本进行了内部验证,以准确计算区分度,并确认了列线图的良好预测性能,产生了显著的AUC 0.913(95%CI:0.888~0.938, P < 0.01)(见图 3)。列线图模型的偏差校正校准图显示,使用列线图计算的预测概率与实际概率之间具有足够的一致性(见图 4)。校准图显示该模型充分拟合,可预测SPN的恶性风险。

      图  2  预测孤立性肺结节良恶性的列线图

      图  3  预测恶性孤立性肺结节的列线图的ROC曲线

      图  4  模型的偏差校正校准图

    • GLOBOCAN 2020最新数据显示[2],肺癌是全球发病率第二、死亡率第一的恶性肿瘤,在中国发病率及死亡率均居第一位;过去十年,中国肺癌相关死亡率的增长速度高于全球平均水平[3],且LI等[4]研究表明这种增长趋势预计将在未来十年继续下去。2003-2015年期间我国肺癌5年生存率仍不足20%[5],而国际早期肺癌行动筛查项目研究发现, Ⅰ期肺癌术后10年生存率高达88%,癌症的早发现、早诊断、早治疗是现今癌症防控的有效手段,是降低癌症死亡率、延长生存率的关键措施[6]。恶性SPN是肺癌的早期表现,在NLST研究中,CT筛查组中96.4%的阳性结节是良性的[7],经外科手术切除的结节中,良性结节占30%左右[8],过高的假阳性可能导致过度诊治,受检者因焦虑而反复检查,进一步导致医疗资源的浪费等。如何准确预测肺结节性质,仍是临床医师面临的一大难题。随着研究的不断更新,肺癌相关危险因素不断被丰富。基于相关危险因素建立的适合我国人群SPN恶性概率的数学预测模型与梅奥、VA等模型相比,准确度和灵敏度更高。另有研究表明,模型采用的诊断信息越多,评估的风险越准确[9]

      本研究得出的数学模型利用列线图直观的表现出来,将相关影响因素进行量化,各个因素对应标尺上的分数相加得到总评分,再对应恶性概率轴的数值就可以得出结节的恶性概率。例如:病人男,50岁,无油烟吸入史,左上肺实性结节,CT示有深分叶、短毛刺及空泡征,无胸膜凹陷征、血管集束征及钙化等,各危险因素评分相加得总评分为358分,对应的恶性概率大于95%,其病理示:左下肺浸润性腺癌;病人女,60岁,有油烟吸入史,右上肺实性结节,CT示有钙化,无毛刺征、分叶征、血管集束征等,其总评分为122.5分,对应的恶性概率小于5%,病理示硬化性肺泡细胞瘤。

      本研究一般临床资料中病人的年龄、油烟吸入是恶性SPN的独立危险因素,而既往肿瘤史等无统计学意义。总体上看,肺恶性肿瘤占65.8%(398/650),其中腺癌354例;男性占39.4%,女性占60.6%;吸烟病人中患鳞癌的居多,且以男性为主[10],此研究中吸烟在良恶性肺结节中无统计学差异,可能与本研究中女性病人比例较高,且病理以腺癌为主有关,也可能与本研究样本量少相关,需进一步加大样本量来验证。

      年龄是评估肺结节良恶性的独立危险因素,随着年龄增长,恶性概率也随之升高,本研究中在单因素、多因素分析中都显示出明显差异,与国内外相关研究[11-12]一致。本研究中高于60岁的病人中肺结节恶性概率高达76.5%,与李运等[13]研究相似。

      多项研究[14-15]显示烹饪油烟接触会增加患肺癌的风险性,可能与厨房油烟中包含苯并芘、挥发性亚硝胺、杂环胺类化合物等致癌物有关。一项荟萃分析[16]显示,针对中国非吸烟女性,烹饪油烟暴露与肺癌之间存在关联(OR=2.11;95%CI=1.54~2.89),与本研究一致,而在做饭时使用厨房排烟机可以降低不吸烟女性患肺癌的风险。本研究中,油烟吸入存在一定的主观性,可能导致一定的偏差,最新有研究[17]表明烹饪油烟暴露与肺癌之间存在剂量反应关系,并提供了一种烹饪时间-年(每个年龄范围内的平均每日烹饪次数×烹饪年数)方法来测量烹饪油烟累积量。

      CT影像学表现是评估肺结节的重要指标,CT图像中显示有多于一种的癌变指示特征存在时,诊断恶性概率的阳性预测值明显增高[18]。本研究中直径≤1 cm有159例,其中83例为恶性结节, < 直径>1~2 cm有289例,其中209例为恶性结节,直径>2~3 cm有157例,其中106例为恶性结节,可以显示随着直径的增大,结节的恶性概率也随之增长,而最终未纳入模型中可能与未将结节的性质进行区分相关。ZHANG等[19]研究表明不同大小、不同性质肺结节的危险因素有差异,且有研究[20]报道,恶性结节的进展过程可以不出现直径的增加,而只表现为病灶内实性成分的增加;也可能与本研究选择的人群均为行胸腔镜或开胸手术有明确病理的病人,可能均为恶性肺结节的高危人群,而导致建模人群的偏移。持续存在的磨玻璃结节很可能是癌前病变,在非吸烟女性中常见,较肺实性结节更易恶变,与肺腺癌密切相关[21-22],随着实性成分的增加,肿瘤的侵袭性有增加趋势[23]。本研究中,含磨玻璃成分的结节有269例,其中215例为恶性。喻微等[24-25]研究表明,边界清楚是恶性SPN的独立预测因子,而结节边缘光滑是保护性因素。对于边界清楚,但边缘出现有毛刺或者分叶的肺结节恶性概率更大。毛刺征指结节边缘数条向周围肺组织延伸的、长短不一的、粗细相对均匀的线条状影,一般分为粗长毛刺和短细毛刺。毛刺征的形成机制在良恶性病变中有差异,在恶性结节中,主要是癌细胞的浸润性生长所致,良性结节中则主要是由增生的纤维结缔组织所形成。袁鑫鑫等[26]研究中毛刺征在恶性孤立性肺结节中出现率达71%,且以短毛刺为主;李丽等[27]回顾性分析了102个肺微小结节的CT征象,其中出现毛刺征的共53例,恶性结节占33个,而恶性组中32例均表现为短毛刺。本研究中将毛刺征以5 mm为界分为长、短毛刺进行分析显示,短毛刺是重要危险因素;共有120例表现为长毛刺,良性组中占比超过55%,明显高于恶性组,表明长毛刺更多见于良性结节。分叶征指肿块向各个方向生长速度不一,或受周围结构阻挡,表面呈现多个弧形突起,通常分为深分叶和浅分叶,尤其深分叶是恶性最常见的征象。相关研究[24, 26]表明,恶性SPN中分叶征的发生率远高于良性SPN。本研究中深分叶OR值达20.635,表明有深分叶的SPN为恶性的概率是没有深分叶的20多倍。血管集束征、空泡征也是鉴别鉴别肺结节良恶性的重要CT征象[28],恶性SPN中的发生率分别为71.6%、55.5%,均较良性病变高(19.3%、26.1%)。胸膜凹陷征的出现,常常提示病灶可能累及脏层胸膜,陈兆渤等[29]研究表明胸膜凹陷是侵袭性显著的病灶表现。本研究中出现胸膜凹陷征的有82例,其中恶性63例(76.8%),表明胸膜凹陷征也是重要的恶性CT征象。本研究中,27例结节钙化中有77.8%是良性结节,在判断肺结节良恶性中有明显差异,李运等[13, 30-31]研究中均认为钙化可以作为保护因素,与本研究一致。

      本研究中,良性病变207例(34.2%),平均年龄(54.36±11.23)岁,无症状就诊的有133例(64.3%),有症状的主要表现为咳嗽咳痰(16.9%)、咯血或痰中带血(9.7%)、胸痛(8.2%)、发热(3.4%);病理类型以非典型腺瘤样增生及炎症为主;密度上,多为实性结节(73.9%),磨玻璃次之(20.8%),混合磨玻璃最少(5.3%);CT征象上,与恶性结节相比,良性结节多有钙化、长毛刺,而部分结节也表现为一些恶性征象,如血管集束征40例(19.3%),空泡征54例(26.1%)。

      本研究共纳入了10项与SPN良恶性相关的独立性危险因素,并且将毛刺征及分叶征进一步细化,相对于以往相关报道更全面,最终构建的预测模型显示出了较高的准确性能。且列线图将复杂的回归方程快速、直观、精确地展现出来,更具有临床使用价值。因本研究为回顾性研究,人群选择存在一定偏倚性,且由于条件受限未纳入血清学指标及PET、基因组学等影响因素。另外需要更大样本的前瞻性多中心研究进一步完善预测模型。

参考文献 (31)

目录

    /

    返回文章
    返回