胸部CT联合血清肿瘤标志物在肺结节良恶性鉴别诊断的价值

发布时间：2020-10-23 14:55

　　 背景随着多层螺旋计算机体层成像CT(multidetector-row spiral CT,MDCT)的广泛应用和人们对肺癌筛查的关注日益增加,偶然发现的肺部结节在常规的CT成像中越来越常见,CT上的检出率估计超过30%。肺部结节是肺癌的早期症状之一,正确的诊断结果可以有效地提高早期肺癌患者的生存率,以及对良性结节患者尽量减少不必要的干预和手术。随着人们对肺结节的影像学特征和血清肿瘤标志物的认识日益加深,寻找一种具有更高特异性和敏感性的无创预测方法,从而实现对肺部恶性肿瘤的可靠早期诊断,具有极大的推动作用。目前,国际上构建了多个预测孤立性肺结节(Solitary pulmonary nodules,SPN)良恶性的数学模型,大部分模型是基于胸部影像学特征和患者临床特征来构建的,其目的是对SPN为恶性的可能性进行综合评估,临床上得到广泛应用的如Mayo模型、李运模型、VA模型等。但较少有研究将血清肿瘤标志物水平纳入预测模型。目的基于对肺部结节患者的临床特征、胸部CT形态特征以及血清肿瘤标志物水平的分析,筛选出肺恶性结节的独立危险因素,构建肺结节的良恶性预测的列线图模型。方法回顾性分析2017年1月至2017年12月期间就诊于郑州大学第一附属医院行胸部CT显示肺部结节的219例患者,收集患者的临床信息(年龄、性别、吸烟史、既往恶性肿瘤病史、肺部基础疾病史、临床症状)、胸部CT形态特征(结节的位置、密度、长径、边缘特征、内部结构特征等)以及血清肿瘤标志物检测(癌胚抗原、非小细胞肺癌相关抗原21-1、神经元特异性烯醇化酶)进行单因素和多因素分析,将单因素分析中有意义的影响因素纳入logistic多因素分析中,采用逐步向前回归法筛选出预测肺恶性结节的独立危险因素,最后采用R软件的“rms”程序包构建预测肺结节良恶性的列线图模型(nomogram),并得到各项危险因素在列线图中的分值,将患者的各项危险因素得分相加即可得到总分,总分对应的概率即为肺结节的恶性风险概率,总分越高恶性风险越大。采用Hosmer-lemeshow拟合优度统计检验(P0.05)对模型的拟合程度进行评价。采用受试者工作特征曲线(Receiver Operating Characteristic,ROC)对模型预测的准确性进行评价,当ROC曲线下面积(area under curve,AUC)最大时,模型具有最佳的敏感度和特异度。通过R软件进行自抽样法对模型进行内部验证,并作出模型的校正曲线对预测性能进行评价。结果本研究共纳入肺部结节患者219例,其中男96例(43.8%)、女123例(56.2%),年龄6～82岁,中位年龄59(52,67)岁,良性病变73例(33.3%),恶性病变146例(66.7%),结节最大直径3.0～30.0mm,中位直径为15.5(11.0,23.0)mm。1.对肺结节患者的临床特征、胸部CT形态特征及血肿瘤标志物水平进行单因素分析结果显示,良恶性患者间年龄、肺结节的位置、结节长径、分叶、毛刺、边缘、血管集束征、血清癌胚抗原(carcinoembryonic antigen,CEA)、细胞角蛋白19片段抗原21-1(cytokeratin-19 fragments,CYFRA 21-1)比较差异有统计学意义(P0.05),而患者的性别、吸烟史、既往恶性肿瘤病史、肺部基础疾病史、临床症状的比较差异无统计学意义(均P0.05),并且与结节的胸膜牵拉征、钙化、空泡、空气支气管征、密度、血清神经元特异性烯醇化酶(neuron-specific enolase,NSE)等未见明显差异(均P0.05)。2.多因素回归分析显示,患者年龄、肺结节位置、分叶征、血管集束征、边缘是否模糊及血CEA、CYFRA21-1水平是恶性肺结节的独立危险因素(均P0.05),它们的优势比分别为1.041、3.464、3.050、2.335、2.333、15.078、2.780,95%置信区间分别为1.009~1.075、1.696~7.076、1.425~6.527、1.132~4.818、1.068~5.094、1.867~121.754、1.013~7.626。3.根据列线图建立的预测肺结节良恶性的模型总分为32分,对应的恶性肺结节的风险预测值大于90%。Hosmer-Lemeshow拟合优度统计检验的结果表明,该模型对预测结果的拟合程度较高(P0.001),预测结果的概率与实际结果概率无显着性差异(P=0.81)。列线图模型ROC曲线下面积AUC为0.850(95%CI0.799~0.901),对肺结节恶性预测评估的特异度为65.8%,敏感度为88.8%。结论本研究所建立的由患者年龄、肺结节位置、分叶征、血管集束征、边缘是否模糊以及血清CEA、CYFRA21-1水平构建的列线图模型对肺结节良恶性风险有较好的预测价值,临床实用价值较高,为肺结节的个体化治疗提供了一种便捷实用的工具。
【学位单位】：郑州大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R734.2;R730.44
【部分图文】：

本研究建立的列线图预测模型的ROC曲线

肺结节的恶性风险评估列线图模型

肺结节的恶性风险评估列线图模型的内部验证通过 R 软件采用 Bootstrap 自抽样法，对样本进行 1000 次有放回的抽使用抽样所得的新样本对模型进行内部验证，并作出列线图模型的校如图 3 所示。通过衡量校正曲线中模型预测的恶性概率与实际的恶性合程度，来对列线图模型的预测能力进行评估和量化。图中 x 轴表示型预测的恶性肺结节的风险概率，y 轴表示实际的恶性风险概率，虚测概率与实际概率相等时的理想参考线，实线表示通过内部验证所得的校正曲线，实线与虚线拟合程度越高，代表列线图模型预测的恶性际概率之间的最优一致性。
【相似文献】

相关期刊论文 前10条

1 拓蓓瑜;杨卫卫;;肺结节恶性风险评估方法的研究进展[J];临床误诊误治;2019年02期

2 夏德刚;李传文;王朝敏;苏祥磊;;不典型肺结节病1例误诊分析及文献复习[J];检验医学与临床;2019年08期

3 杨舒程;高上兰;贾惠;;Ⅱ、Ⅲ、Ⅳ级肺结节病各一例[J];中华肺部疾病杂志(电子版);2017年01期

4 孙慧男;韩志海;;肺结节病的影像学表现[J];中国临床医生杂志;2017年10期

5 江文洋;陈蕾;范国华;康敢军;黄杰;;肺结节病的研究进展[J];实用医学杂志;2015年09期

6 周艳秋;田颖;吴迪;张楠;周云芝;王洪武;;巨噬细胞衍生趋化因子与肺结节病的相关性研究[J];中华临床医师杂志(电子版);2012年09期

7 赵明栋;夏伟;;肺结节病1例诊治分析[J];中华肺部疾病杂志(电子版);2012年03期

8 周艳秋;田颖;山口悦朗;张楠;管洁;周云芝;王洪武;;巨噬细胞衍生趋化因子启动区内基因多态性和肺结节病的相关性研究[J];中华临床医师杂志(电子版);2012年24期

9 解艳丽;解卫平;颜萍;黄茂;沈平;;肺结节病患者不同时期肺功能变化研究[J];临床肺科杂志;2011年05期

10 钟亚花;周燕娟;黄刚;;肺结节病误诊原因分析[J];临床肺科杂志;2011年05期

相关博士学位论文 前4条

1 王昌淼;基于胸部影像的肺结节检测与分类关键技术研究[D];中国科学院大学(中国科学院深圳先进技术研究院);2018年

2 李祥霞;恶性肺结节计算机辅助诊断关键技术研究[D];华南理工大学;2018年

3 邱实;基于格式塔原理的CT图像肺结节检测与分析算法[D];中国科学院大学(中国科学院西安光学精密机械研究所);2016年

4 刘佳宝;CT肺结节诊断的计算机辅助系统研究[D];首都医科大学;2017年

相关硕士学位论文 前10条

1 苑丹丹;基于CT影像的肺结节检测与提取方法的研究[D];天津工业大学;2019年

2 高佳丽;胸部CT联合血清肿瘤标志物在肺结节良恶性鉴别诊断的价值[D];郑州大学;2019年

3 吴杰芳;深度卷积网络骨抑制成像（deepBSI）与多种影像方法对肺结节诊断效能的临床研究[D];南方医科大学;2018年

4 杨凯强;基于深度学习算法对肺结节良恶性鉴别诊断研究[D];遵义医学院;2018年

5 李想;解建国教授治疗无明确手术指征的肺结节疾病经验探寻[D];大连医科大学;2018年

6 张婷;基于CT图像的肺结节临床诊断语义标注方法研究[D];湖南大学;2018年

7 纪朋飞;基于医学影像云的肺结节智能检测算法的研究[D];东北大学;2017年

8 孙培顺;基于ELM的肺结节辅助诊断方法的研究与实现[D];东北大学;2017年

9 李军;基于HRCT影像肺结节自动检测方法研究[D];湖南大学;2016年

10 冷银萍;探讨肺内结节病的高分辨率CT表现及影像学特征[D];南昌大学;2018年

本文编号：2853179