超聲征象Logistic回歸分析診斷甲狀腺惡性結(jié)節(jié)

田 虹，肖 蓉，胡曉丹，楊昭暉，余 玲，徐 晴，文小莉(西藏自治區(qū)人民政府駐成都辦事處醫(yī)院功能科，四川 成都 610041)

超聲征象Logistic回歸分析診斷甲狀腺惡性結(jié)節(jié)

田 虹，肖 蓉*，胡曉丹，楊昭暉，余 玲，徐 晴，文小莉
(西藏自治區(qū)人民政府駐成都辦事處醫(yī)院功能科，四川 成都 610041)

目的探討Logistic回歸分析在常規(guī)超聲及CEUS診斷甲狀腺良惡性結(jié)節(jié)中的價值。方法選取經(jīng)超聲引導(dǎo)下穿刺活檢或術(shù)后病理證實的甲狀腺結(jié)節(jié)患者218例，其中惡性結(jié)節(jié)74例，良性結(jié)節(jié)144例，觀察結(jié)節(jié)邊界、形態(tài)、縱橫比、微鈣化、回聲類型、血流分級以及CEUS增強模式等超聲特征，并對其行單因素分析，以有統(tǒng)計學(xué)意義的指標(biāo)為因變量，行多因素Logistic回歸分析，建立ROC曲線。結(jié)果單因素分析顯示低回聲、形態(tài)不規(guī)則、邊界不清、縱橫比≥1、微鈣化、血流分級(Ⅰ、Ⅱ級)、不均勻增強及低增強是診斷甲狀腺惡性結(jié)節(jié)的重要指標(biāo)(P均<0.01)。多因素分析顯示形態(tài)不規(guī)則、微鈣化、不均勻增強及低增強是甲狀腺惡性結(jié)節(jié)的獨立預(yù)測指標(biāo)(P均<0.05)。以Logistic回歸模型預(yù)測甲狀腺惡性結(jié)節(jié)的準(zhǔn)確率為82.57%，ROC曲線下面積為0.906。結(jié)論根據(jù)甲狀腺結(jié)節(jié)邊界、形態(tài)、縱橫比、微鈣化、回聲類型、血流分級以及CEUS增強特征建立的Logistic回歸模型有助于診斷甲狀腺惡性結(jié)節(jié)。

超聲檢查；甲狀腺結(jié)節(jié)；惡性；Logistic模型

我國甲狀腺結(jié)節(jié)的發(fā)病率呈逐年上升趨勢，其中5%～15%為惡性結(jié)節(jié)。超聲為診斷甲狀腺結(jié)節(jié)的首選方法[1-3]，可判斷結(jié)節(jié)的良惡性，對治療和預(yù)后起關(guān)鍵作用。部分甲狀腺結(jié)節(jié)常規(guī)超聲圖像不典型，存在同圖異病及同病異圖的重疊現(xiàn)象，致結(jié)節(jié)良惡性鑒別困難。CEUS可通過血池造影劑實時動態(tài)觀察正常組織和病變組織內(nèi)的血管構(gòu)架及微循環(huán)灌注過程，但在甲狀腺疾病中的應(yīng)用目前仍處于研究階段[4]。本研究分析甲狀腺結(jié)節(jié)的常規(guī)超聲及CEUS增強特征，探討Logistic回歸分析鑒別甲狀腺結(jié)節(jié)良惡性的價值。

1 資料與方法

1.1 一般資料 收集2016年6月—2017年6月于我院經(jīng)超聲引導(dǎo)下穿刺活檢或術(shù)后病理證實的甲狀腺結(jié)節(jié)患者218例，男64例，女154例，年齡16～73歲，平均(46.9±12.6)歲；其中惡性結(jié)節(jié)(惡性組)74例，男19例，女55例，年齡18～70歲，平均(40.5±10.9)歲，結(jié)節(jié)最大徑0.4～3.6 cm；良性結(jié)節(jié)(良性組)144例，男45例，女99例，年齡16～73歲，平均(50.2±12.2)歲，結(jié)節(jié)最大徑0.4～4.4 cm。

1.2 儀器與方法 采用Philips Epiq 7型彩色多普勒超聲診斷儀，L12-5探頭，頻率5～12 MHz。造影劑采用聲諾維，以生理鹽水稀釋至5 ml備用。囑患者仰臥，充分暴露頸部，先行常規(guī)超聲檢查，觀察并記錄結(jié)節(jié)數(shù)目、大小、邊界、形態(tài)、縱橫比、微鈣化、回聲類型及血流分級等。隨后選擇結(jié)節(jié)最佳顯示切面，同時顯示結(jié)節(jié)及周邊正常甲狀腺組織，開啟雙幅造影模式，機械指數(shù)0.08～0.10，將聚焦點置于病灶下方。經(jīng)肘靜脈團注2.4 ml造影劑混懸液，隨后快速推注生理鹽水5 ml沖管，同時啟動計時器，存儲動態(tài)圖像。

1.3 圖像分析 由2位高年資醫(yī)師分析所有圖像，意見不一時經(jīng)協(xié)商達(dá)成一致。結(jié)節(jié)邊界分為清楚和不清；結(jié)節(jié)形態(tài)分為規(guī)則(呈圓形、橢圓形或類圓形)和不規(guī)則；縱橫比指結(jié)節(jié)縱斷面的前后徑/上下徑；微鈣化為散在或成簇分布的針尖樣強回聲，且最大徑≤2 mm；結(jié)節(jié)回聲分為低回聲、等回聲和高回聲。結(jié)節(jié)血流分級[5]：0級為無血流信號，Ⅰ級為少量血流信號，Ⅱ級為中量血流信號，Ⅲ級為豐富血流信號。CEUS觀察指標(biāo)包括增強水平(低增強、等增強及高增強)，增強均勻性(不均勻、均勻)以及增強時相(快進(jìn)、同進(jìn)、慢進(jìn))。

1.4 統(tǒng)計學(xué)分析 采用SPSS 17.0統(tǒng)計分析軟件。計量資料以±s表示，計數(shù)資料以頻數(shù)及百分比表示。采用χ2檢驗行單因素分析，多因素分析采用Logistic回歸分析，建立回歸模型及ROC曲線。P<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 病理結(jié)果 惡性結(jié)節(jié)74例，其中甲狀腺乳頭狀癌73例，髓樣癌1例；良性結(jié)節(jié)144例，其中結(jié)節(jié)性甲狀腺腫98例，甲狀腺腺瘤40例，橋本甲狀腺炎6例。

2.2 單因素分析 單因素分析顯示低回聲、形態(tài)不規(guī)則、邊界不清、縱橫比≥1、微鈣化、血流分級(Ⅰ、Ⅱ級)、低增強以及不均勻增強模式是診斷甲狀腺惡性結(jié)節(jié)的重要征象(P均<0.01，表1)，其單獨診斷甲狀腺惡性結(jié)節(jié)的效能見表2，其中低回聲、低增強、不均勻增強敏感度較高，形態(tài)不規(guī)則、邊界不清、縱橫比≥1特異度較高。

表1 甲狀腺良惡性結(jié)節(jié)超聲征象單因素分析(例)

表2 各超聲征象診斷甲狀腺惡性結(jié)節(jié)的效能[%(例)]

表3 甲狀腺惡性結(jié)節(jié)Logistic多因素回歸分析

圖1 患者女，41歲，甲狀腺乳頭狀癌 A.灰階超聲顯示結(jié)節(jié)呈低回聲、邊界不清、形態(tài)不規(guī)則及微鈣化； B.CEUS呈不均勻低增強 圖2 患者女，53歲，結(jié)節(jié)性甲狀腺腫 A.灰階超聲顯示結(jié)節(jié)呈低回聲、邊界清楚、形態(tài)規(guī)則； B.CEUS呈均勻高增強

2.3 建立Logistic回歸模型及多因素分析 以上述有統(tǒng)計學(xué)意義的超聲特征為自變量，病理結(jié)果為因變量，建立Logistic回歸方程：Logit(P)=7.591-0.850×增強強度-1.589×增強均勻性-1.290×形態(tài)-0.265×邊界-0.127×縱橫比-1.081×回聲類型-1.079×微鈣化+0.409×血流分級。多因素分析顯示，低增強、不均勻增強、形態(tài)不規(guī)則、微鈣化是甲狀腺惡性結(jié)節(jié)的獨立預(yù)測指標(biāo)(P均<0.05，表3，圖1～2)。ROC曲線下面積為0.906(圖3)，標(biāo)準(zhǔn)誤=0.02，95%可信區(qū)間(0.868，0.944)。采用Logistic回歸模型預(yù)測甲狀腺惡性結(jié)節(jié)的準(zhǔn)確率、敏感度、特異度分別為82.57%(180/218)，67.57%(50/74)、90.28%(130/144)。

3 討論

超聲為甲狀腺結(jié)節(jié)的首選檢查方法，且隨著高頻超聲的廣泛應(yīng)用，甲狀腺結(jié)節(jié)的檢出率不斷增高。對甲狀腺良性結(jié)節(jié)只需定期隨訪，而惡性結(jié)節(jié)則多數(shù)需要盡早手術(shù)治療，術(shù)后患者多預(yù)后較好，遠(yuǎn)期生存率高，但晚期則易發(fā)生淋巴結(jié)轉(zhuǎn)移，復(fù)發(fā)率升高，生存率降低，預(yù)后較差[6]。甲狀腺癌多為乳頭狀癌，來源于濾泡上皮細(xì)胞，女性發(fā)病率約為男性的3倍[7]。甲狀腺良性腫瘤多為腺瘤和結(jié)節(jié)性甲狀腺腫，由濾泡上皮增生所致，易發(fā)生玻璃樣變、囊性變及出血。2015年美國甲狀腺學(xué)會《成人甲狀腺結(jié)節(jié)與分化型甲狀腺癌診治指南》[3]提出高度懷疑甲狀腺惡性結(jié)節(jié)的超聲特征包括微鈣化、邊緣不規(guī)則及縱橫比>1。本研究單因素分析顯示低回聲、形態(tài)不規(guī)則、邊界不清、縱橫比≥1、微鈣化及血流分級(Ⅰ、Ⅱ級)是診斷甲狀腺惡性結(jié)節(jié)的重要指標(biāo)。甲狀腺乳頭狀癌多表現(xiàn)為低回聲，部分濾泡性癌可表現(xiàn)為等高回聲，而良性腫瘤中也有部分表現(xiàn)為低回聲。形態(tài)不規(guī)則和邊界不清診斷惡性結(jié)節(jié)的特異度和準(zhǔn)確率較高，與惡性腫瘤呈侵襲性生長、血管分支走行紊亂有關(guān)；而良性腫瘤多為膨脹性生長，與周圍組織界限清楚?？v橫比≥1多見于微小乳頭狀癌，可能與前后方向的癌細(xì)胞較其他方向的細(xì)胞增殖分裂更活躍有關(guān)[8]。微鈣化與腫瘤細(xì)胞自分泌有關(guān)，多見于甲狀腺乳頭狀癌。血流信號與結(jié)節(jié)大小及生長速度有關(guān)，環(huán)狀血流信號多見于甲狀腺腺瘤，而惡性腫瘤早期多表現(xiàn)為乏血供，腫瘤較大時可表現(xiàn)為血流信號豐富。多項研究[9-11]發(fā)現(xiàn)，低回聲、微鈣化、縱橫比>1及邊緣毛刺征與甲狀腺惡性結(jié)節(jié)相關(guān)。本研究多因素分析顯示形態(tài)不規(guī)則、微鈣化是甲狀腺惡性結(jié)節(jié)的獨立預(yù)測指標(biāo)，與既往研究結(jié)果相符。

圖3 Logistic回歸模型診斷甲狀腺惡性結(jié)節(jié)的ROC曲線

多項研究[12-14]顯示，CEUS鑒別診斷良惡性甲狀腺結(jié)節(jié)具有一定價值，如甲狀腺乳頭狀癌CEUS多表現(xiàn)為不均勻低增強；甲狀腺腺瘤表現(xiàn)為等高增強，部分伴有環(huán)狀增強；結(jié)節(jié)性甲狀腺腫可表現(xiàn)為等、高增強或低增強，增強多不均勻。本組中86.49%惡性結(jié)節(jié)CEUS表現(xiàn)為低增強，89.19%為不均勻增強；67.36%良性結(jié)節(jié)表現(xiàn)為等或高增強，51.39%為均勻增強。多因素分析顯示低增強、不均勻增強是甲狀腺惡性結(jié)節(jié)的獨立預(yù)測指標(biāo)，提示不均勻及低增強是甲狀腺惡性結(jié)節(jié)的重要CEUS特征，與上述研究結(jié)果相符；分析原因，可能與結(jié)節(jié)內(nèi)新生血管走行紊亂、分布不均、管徑粗細(xì)不等及動靜脈瘺形成，導(dǎo)致微血管灌注局部豐富和局部缺乏同時存在有關(guān)[15]。此外，有作者[16]認(rèn)為甲狀腺癌CEUS增強模式與結(jié)節(jié)大小有關(guān)，最大徑<1 cm的甲狀腺惡性結(jié)節(jié)多為乏血供表現(xiàn)，1～2 cm主要表現(xiàn)為低增強，>2 cm多表現(xiàn)為高增強。腫瘤較小時，新生血管少，且部分微血管未開放，故造影時微循環(huán)灌注增強不明顯；隨著腫瘤增大，新生血管增多，分支走行紊亂，部分血管形成動靜脈瘺，造影時微循環(huán)灌注增強。本組結(jié)節(jié)大小分布不均衡，故未對結(jié)節(jié)大小進(jìn)行分層統(tǒng)計。目前關(guān)于甲狀腺結(jié)節(jié)CEUS時相的研究結(jié)果尚未定論，有研究[15,17-18]認(rèn)為甲狀腺癌CEUS中造影劑主要表現(xiàn)為快進(jìn)和消退(快退或慢退)，而甲狀腺腺瘤一般表現(xiàn)為快進(jìn)慢退。本組58.11%惡性結(jié)節(jié)增強時相表現(xiàn)為慢進(jìn)，與上述研究結(jié)果不符，可能原因在于惡性病變早期新生血管少，微血管未開放；部分甲狀腺癌進(jìn)展緩慢，滋養(yǎng)血管不豐富，可長期處于休眠狀態(tài)。本組Logistic回歸模型的ROC曲線下面積為0.906，提示該模型診斷甲狀腺惡性結(jié)節(jié)的價值較高。

本研究的不足：①可能存在選擇性偏倚；②樣本比例不均衡，惡性結(jié)節(jié)中僅1例髓樣癌，其余均為乳頭狀癌，良性結(jié)節(jié)中以結(jié)節(jié)性甲狀腺腫和腺瘤居多；③未對結(jié)節(jié)大小進(jìn)行分層觀察。

[1] Wang Y, Wang W. Increasing incidence of thyroid cancer in Shanghai, China, 1983—2007. Asia Pac J Public Health, 2015,27(2):NP223-NP229.

[2] 楊雷，王寧．甲狀腺癌流行病學(xué)研究進(jìn)展．中華預(yù)防醫(yī)學(xué)雜志，2014，48(8)：744-748．

[3] Haugen BR, Alexander EK, Bible KC, et al. 2015 American thyroid association management guidelines for adult patients with thyroid nodules and differentiated thyroid cancer: The American thyroid association guidelines task force on thyroid nodules and differentiated thyroid cancer. Thyroid, 2016,26(1):1-133.

[4] Meloni MF, Smolock A, Cantisani V, et al. Contrast enhanced ultrasound in the evaluation and percutaneous treatment of hepatic and renal tumors. Eur J Radiol, 2015,84(9):1666-1674.

[5] Adler DD, Carson PL, Rubin JM, et al. Doppler ultrasound color flow imaging in the study of breast cancer: Preliminary findings. Ultrasound Med Biol, 1990,16(6):553-559.

[6] Liu X, Zhu L, Wang Z, et al. Evolutionary features of thyroid cancer in patients with thyroidectomies from 2008 to 2013 in China. Sci Rep, 2016,6:28414.

[7] Rahbari R, Zhang L, Kebebew E. Thyroid cancer gender disparity. Future Oncol, 2010,6(11):1771-1779.

[8] 李裕生，薛恩生，梁榮喜，等．灰階超聲診斷甲狀腺微小乳頭狀癌的Logistic回歸分析．中國醫(yī)學(xué)影像技術(shù)，2015，31(1)：32-36．

[9] 金占強，何文，蔡文佳，等．超聲多因素Logistic回歸分析鑒別甲狀腺結(jié)節(jié)的良惡性．中國醫(yī)學(xué)影像技術(shù)，2016，32(5)：646-650．

[10] 冷振鵬，楊敬春，馬慧娟，等．多模式超聲檢查診斷甲狀腺癌患者的Logistic回歸分析．中華醫(yī)學(xué)超聲雜志(電子版)，2016，13(12)：918-924．

[11] 鄭少花．甲狀腺惡性結(jié)節(jié)超聲特征logistic回歸分析．吉林醫(yī)學(xué)，2017，38(3)：479-480．

[12] Yuan Z, Quan J, Yunxiao Z, et al.Association between real-time contrast-enhanced ultrasound characteristics and thyroid carcinoma size. Mol Clin Oncol, 2015,3(4):743-746.

[13] Jiang J, Shang X, Wang H, et al. Diagnostic value of contrast-enhanced ultrasound in thyroid nodules with calcification.Kaohsiung J Med Sci, 2015,31(3):138-144.

[14] 王菁，黃道中，趙瑩，等．超聲造影增強模式分析對甲狀腺實性結(jié)節(jié)良惡性鑒別診斷的價值．中國超聲醫(yī)學(xué)雜志，2012，28(5)：406-409．

[15] Schleder S, Janke M, Agha A, et al. Preoperative differentiation of thyroid adenomas and thyroid carcinomas using high resolution contrast-enhanced ultrasound (CEUS). Clin Hemorheol Microcirc, 2015,61(1):13-22.

[16] Bartolotta TV, Midiri M, Galia M, et al. Qualitative and quantitative evaluation of solitary thyroid nodules with contrast-enhanced ultrasound: Initial results. Eur Radiol, 2006,16(10):2234-2241.

[17] Agha A, Jung EM, Janke M, et al. Preoperative diagnosis of thyroid adenomas using high resolution contrast-enhanced ultrasound (CEUS). Clin Hemorheol Microcirc, 2013,55(4):403-409.

[18] 王婧，孫婧，楊紅，等．實時灰階超聲造影診斷良惡性甲狀腺病變．中國介入影像與治療學(xué)，2011，8(5)：420-423．

Logisticregressionanalysisofultrasonographyindiagnosisofmalignantthyroidnodules

TIANHong,XIAORong*,HUXiaodan,YANGZhaohui,YULing,XUQing,WENXiaoli
(DepartmentofFunction,HospitalofChengduOfficeofPeople’sGovernmentofTibetanAutonomousRegion,Chengdu610041,China)

ObjectiveTo investigate the value of conventional ultrasound and CEUS in diagnosis of thyroid nodules withLogistic regression models.MethodsA total of 218 cases of thyroid nodules (74 cases of malignant, 144 cases of benign nodules) confirmed by pathology were enrolled. The boundary, morphology, anteroposterior and transverse diameter ratio, microcalcification, internal echogenicity, blood distribution and enhanced pattern of nodules were observed and analyzed with univariate analysis. TheLogisticregression model was established with parameters which were significantly different of those features, and the receiver operating characteristic curves (ROC) were constructed.ResultsHypoechoic, irregular morphology, blurred boundary, anteroposterior and transverse diameter ratio≥1, microcalcifications, blood distribution (Ⅰ, Ⅱ), heterogeneous enhanced pattern and low enhanced were significantly prognostic factors (allP<0.01). Irregular morphology, microcalcifications, heterogeneous enhanced and low enhanced were independent prognostic factors (allP<0.05). The accuracy ofLogistic regression model was 82.57%, and the area under ROC curve was 0.906.ConclusionTheLogistic regression model of boundary, morphology, anteroposterior and transverse diameter ratio, microcalcifications, internal echogenicity, blood distribution and enhanced pattern can help to diagnose malignant thyroid nodules.

Ultrasonography; Thyroid nodule; Malignant;Logistic regression models

田虹(1989—)，女，四川內(nèi)江人，碩士，醫(yī)師。研究方向：淺表及腹部超聲診斷。E-mail： 704220089@qq.com

肖蓉，西藏自治區(qū)人民政府駐成都辦事處醫(yī)院功能科，610041。E-mail： anicesummer2324@126.com

2017-09-11

2017-11-01

10.13929/j.1672-8475.201709014

R736.1； R445.1

A

1672-8475(2017)12-0742-05