基于超聲標準化描述聯(lián)合多元分析建立預測子宮內膜良惡性病變模型

張雅娜，和 平，王晶晶，夏太慧，吳青青

(首都醫(yī)科大學附屬北京婦產醫(yī)院超聲科，北京 100026)

子宮內膜癌是婦科三大常見惡性腫瘤之一，在我國發(fā)病率約為60/10萬，并呈上升趨勢，死亡率約20/10萬[1]。流行病學調查[2]表明，子宮內膜癌的發(fā)生與內外源性雌激素、肥胖、月經史、生育史、糖尿病或高血壓史等多種臨床因素相關。超聲可觀察子宮內膜的形態(tài)結構及血流特征等信息。結合臨床及超聲特征建立預測子宮內膜癌個體發(fā)病風險模型，并整合診斷過程中的多種信息，可為臨床個性化診療提供更多參考。本研究篩選有助于鑒別子宮內膜良惡性病變的臨床及超聲指標，建立預測子宮內膜癌患病風險的回歸模型。

1 資料與方法

1.1 研究對象 回顧性分析2018年1月—2020年7月261例于首都醫(yī)科大學附屬北京婦產醫(yī)院接受經陰道超聲檢查的子宮內膜病變患者，年齡46～75歲，平均(59.2±6.0)歲；絕經年限1～30年，平均(8.0±6.2)年。納入標準：①絕經后女性；②經陰道超聲提示子宮內膜厚度(endometrial thickness， ET)≥5 mm；③臨床資料完整；④經術后病理診斷明確；⑤術前3個月內接受超聲檢查。排除標準：①僅經外院宮腔鏡下活檢或內膜分段診刮獲得病理診斷；②超聲圖像質量差；③宮內置環(huán)；④接受激素替代治療。其中良性病變157例(良性組)，包括黏膜下肌瘤10例、內膜息肉82例、子宮內膜炎3例，子宮內膜增生62例；惡性病變104例(惡性組)，包括子宮內膜癌103例、子宮內膜非典型性增生1例。組內按2∶1比例分為建模亞組和驗證亞組，良性組內建模亞組105例、驗證亞組52例，惡性組內建模亞組69例、驗證亞組35例。

1.2 儀器與方法 采用Samsung WS80A、GE Voluson E8或GE Voluson E10超聲診斷儀，經陰道超聲探頭，頻率3～12 MHz。囑患者排空膀胱后取截石位，由2名具有5年以上工作經驗的超聲科醫(yī)師分別掃查子宮及雙側附件，重點觀察子宮內膜；依照國際子宮內膜腫瘤研究(international endometrial tumor analysis， IETA)小組規(guī)定術語、定義及測量標準[3]，分別評價ET、回聲、是否伴有囊性結構、內膜線是否光整、內膜-肌層交界是否完整及血流特征(圖1～3)，意見不一致時經協(xié)商達成共識。

圖1 患者女，69歲，子宮內膜增生 A.二維超聲聲像圖示子宮內膜增厚(白箭)，其內見多個大小不等的囊腔(黃箭)，內膜線顯示不清，內膜-肌層交界光整(藍箭)； B.CDFI示內膜血流信號

圖2 患者女，61歲，子宮內膜息肉 A.二維超聲聲像圖示宮腔內不均勻回聲團(紅箭)內伴小囊(黃箭)，宮腔積液(綠箭)； B.CDFI示起源于內膜肌層交界的單支血流信號

圖3 患者女，52歲，子宮內膜癌 A.CDFI顯示子宮內膜肌層交界處多起源、多支血流信號； B.血管存在規(guī)則分支

1.3 臨床信息 記錄患者年齡、體質量指數(body mass index， BMI)、初潮年齡、絕經年齡、孕次、產次、疾病史及確診前是否有陰道出血癥狀等信息。

1.4 統(tǒng)計學分析 采用SPSS 26.0統(tǒng)計分析軟件。計數資料以頻數和百分率表示，組間比較采用χ2檢驗；符合正態(tài)分布且方差齊的計量資料以±s表示，組間比較采用獨立樣本t檢驗。篩選具有統(tǒng)計學意義的單變量指標，參照文獻[4]，分別以>8 mm及>24 kg/m2作為ET及BMI的截斷值，將其轉化為二分類變量，并進行后續(xù)分析。利用建模亞組數據進行Logistic回歸分析，觀測指標呈陽性時賦值為1，反之賦值為0，建立診斷模型，并以受試者工作特征(receiver operating characteristic， ROC)曲線下面積(area under the curve， AUC)評價模型的診斷效能，以Hosmer-Lemeshow擬合優(yōu)度檢驗評價模型的校準能力。將驗證亞組數據代入模型，對模型進行驗證。P<0.05為差異有統(tǒng)計學意義。

2 結果

2.1 單因素分析 2組患病年齡、絕經年限、BMI、BMI>24 kg/m2、高血壓史、絕經后陰道出血癥狀間差異均有統(tǒng)計學意義(P均<0.05)。2組超聲征象中，ET、ET>8 mm、內膜回聲不均且不伴小囊、內膜線不規(guī)則或顯示不清、內膜-肌層交界中斷、CDFI顯示存在起源于內膜-肌層交界多支血流信號差異均有統(tǒng)計學意義(P均<0.05)，見表1。

表1 子宮內膜病變各預測指標單因素分析結果

2.2 回歸模型及ROC曲線分析 最終納入BMI>24 kg/m2、陰道出血癥狀、ET>8 mm、內膜-肌層交界中斷及存在多支血管5個變量。采用Logistic回歸分析建模亞組，得到預測子宮內膜癌風險回歸公式：Logit(P)=-4.856+3.177×X1+1.135×X2+1.925×X3+0.8585×X4+1.088×X5[X1：陰道出血癥狀(無0，有1)；X2：BMI>24 kg/m2(否0，是1)；X3：子宮內膜厚度>8 mm(否0，是1)；X4：子宮內膜-肌層交界(完整0，中斷1)；X5：多支血管(無0，有1)]，見表2?；貧w模型的AUC為0.905，以0.33為最佳截斷值，其鑒別良惡性病變的準確率、敏感度、特異度、陽性預測值、陰性預測值及約登指數分別為82.18%、92.80%、75.20%、71.11%、94.05%及68.00%，見圖4。

表2 二分類Logistic回歸模型分析結果

圖4 Logistic回歸模型預測子宮內膜癌的ROC曲線圖

2.3 模型評價Hosmer-Lemeshow擬合優(yōu)度檢驗χ2=6.303，P=0.613>0.05，表明該預測模型擬合優(yōu)度較高，校準能力較好。

2.4 模型驗證P>0.33預示內膜病變?yōu)閻盒裕?.33預示為良性。根據建立的模型計算驗證組各例發(fā)病風險，并與病理結果相對照，正確預測惡性33例、良性39例，準確率82.76%，敏感度94.29%，特異度75.00%，誤診率25.00%，陽性預測值71.74%，陰性預測值95.12%，提示模型具有較高診斷效能。

3 討論

子宮內膜癌發(fā)病率較高，目前尚無統(tǒng)一篩查標準。絕經后陰道出血患者中，子宮內膜癌發(fā)病風險不足10%；如經陰道超聲顯示子宮內膜厚度≤4 mm，則惡性風險降至1%左右，以此判斷是否需要進行宮腔鏡等有創(chuàng)性檢查敏感度較高，但特異度較差[5]。宮腔鏡及診斷性刮宮等均為有創(chuàng)性檢查，而絕經后女性多合并其他基礎疾病，部分患者難以承受手術風險[6]。

本研究通過觀察261例絕經后子宮內膜厚度≥5 mm內膜病變患者臨床特征及經陰道超聲聲像圖特征建立的子宮內膜癌風險預測模型的AUC為0.905，鑒別診斷內膜良惡性病變的效能較高，對建模亞組和驗證亞組的敏感度分別為92.80%和94.29%，特異度分別為75.20%和75.00%，相比僅依靠子宮內膜厚度>4 mm鑒別良惡性病變，在未過多降低敏感度的同時提高了診斷特異度[5]。既往相關研究[6-13]均以絕經后陰道出血患者作為研究對象。本研究將是否出現(xiàn)陰道出血癥狀作為預測指標之一，使模型適用范圍更廣。目前針對國內人群開發(fā)的模型相對較少。相比既往研究[14]，本研究納入分析的臨床指標相對較多，并參照IETA定義及標準對內膜形態(tài)及血流進行超聲評價；實際操作過程中發(fā)現(xiàn)評價血流特征時主觀性過強，觀察者之間重復性差，故對內膜血流特征加以整合，主要觀察內膜是否存在多支血流信號，而不區(qū)分單起源或多起源，伴或不伴分支以及分支是否雜亂。由于國內雌激素替代治療尚未普及，未將接受激素治療者列入觀察范圍。

綜上，根據臨床及超聲特征建立的預測絕經后女性子宮內膜癌發(fā)病風險的回歸模型可為個性化診療提供幫助。本研究的局限性：評價內膜形態(tài)及血流均依據靜態(tài)圖像，無法對內膜進行全面評價，評價對于內膜-肌層交界完整性及血流特征時可能存在偏差；樣本量相對較少，需前瞻性大樣本數據進一步觀察。