Page 123 - 南京医科大学自然版
P. 123

第45卷第8期       李  沁,丁志颖,宗晴晴,等. 基于超声构建的列线图模型在鉴别非平行位乳腺小肿块良恶性中的
                  2025年8月               应用价值[J]. 南京医科大学学报(自然科学版),2025,45(8):1178-1185                   ·1179 ·


                malignant masses could benefit patients. Moreover,risk stratification based on nomogram⁃calculated risk scores for all patients showed
                that those with risk scores ≥0.7(top 20%)were classified as high⁃risk,while those with scores ≤0.1(bottom 20%)were classified as low
                ⁃risk,with malignant rates of 8.8% and 82.1%,respectively. Conclusion:The predictive model constructed based on clinical and
                ultrasound characteristics effectively differentiates benign from malignant small breast masses of BI⁃RADS 4A and 4B categories with
                non⁃parallel growth. Risk stratification based on nomogram⁃calculated risk scores indicates a malignant rate of only 8.8% in the low⁃
                risk group and 82.1% in the high⁃risk group,demonstrating significant clinical value.
               [Key words] breast tumor;ultrasound;BI⁃RADS;predictive model;nomogram
                                                                            [J Nanjing Med Univ,2025,45(08):1178⁃1185]







                    根据美国放射学会在 2013 年发布的第 5 版乳                     晰,肿块为非平行位生长,最长径≤10 mm;③病理诊

                腺影像报告和数据系统(Breast Imaging Reporting               断明确。排除标准:①超声检查前接受肿块活检;
                and Data System,BI⁃RADS),超声BI⁃RADS分类标准            ②有乳腺或其他器官恶性肿瘤病史;③同侧乳腺有
                中 4 类肿块的亚分类没有明确的客观依据,很大程                          活检或手术史。本研究获得南京医科大学第一附
                度上依赖于医师经验         [1-2] 。4A及4B类的恶性率范围             属医院伦理委员会的同意(伦理号:2024⁃SR⁃720)。
                为2%~50%,属于中低危险乳腺病变,在各大指南中                         鉴于本研究为回顾性研究,研究对象的知情同意予
                均建议行活组织检查以明确性质。而在实际临床                             以豁免。
                工作中,相当大比例的4A、4B类肿块活检后证实为                          1.2  方法
                良性病变,不仅增加了治疗费用,更不可避免地造                            1.2.1 资料收集
                成患者焦虑,甚至产生相关并发症。因此,对 4A 及                             收集327例患者的一般资料,包括:①年龄及月
                4B类患者进一步危险分层十分必要,以降低活检的                           经状态;②病理诊断,病理学分级,分子分型和淋巴
                假阳性率。                                             结受累情况。
                    乳腺肿块最长轴与皮肤之间的方位,包括平行                          1.2.2 超声诊断
                位和非平行位两种,是超声BI⁃RADS 分类中描述肿                            超声检查所用的仪器为 MyLab Twice(百胜公
                块特征的重要参数。以往多项研究已经证实非平行                            司,意大利)和 Acuson Sequoia(西门子公司,德国),
                位生长对恶性肿块有较高预测价值,甚至非平行位生                           均配备高分辨率的线阵高频探头。超声检查包括
                长也是乳腺癌患者预后较差的独立危险因素                    [3-5] 。因   常规二维超声(2D),彩色多普勒成像和弹性成像。
                此在实际临床工作中,超声医师常常会将非平行位                            当同侧乳腺存在多个肿块时,选取恶性可能最大的
                乳腺肿块诊断为 BI⁃RADS 4 类,导致后续的活检或                      一个用于分析。基于 Adler 分级系统评估血供分布
                手术。但是,有研究发现常规超声对小肿块的诊断                           (无血供、内部血供、边缘血供)和血流信号(0 级、1
                效能低于大肿块,并且非平行方位在预测小肿块良                            级、2级、3级)。采用压力式弹性成像方式,对图像
                恶性方面无统计学意义 。                                      进行 5 分法评估肿块硬度。1 分和 2 分定义为质地
                                    [6]
                    因此,本研究旨在构建一个新的预测模型来鉴                          偏软,3 分定义为质地中等,4 分和 5 分定义为质地
                别非平行生长的乳腺小肿块的良恶性,对其中诊断                            偏硬。两位乳腺超声诊断经验超过 5 年及 15 年的
                为 BI⁃RADS 4A 及 4B 类的肿块进行危险分层,以期                   医师分别回顾了所有图像,并根据美国放射学会
                制定更优的临床决策以减少不必要的活检。                               制定的 2013版BI⁃RADS分类标准进行评估,评估者
                                                                  对患者的临床病史、其他影像学资料和病理结果不
                1  对象和方法
                                                                  知情。记录所有肿块的超声特征,包括最长径、内
                1.1  对象                                           部回声、形态、边缘、后方回声、钙化、血供分布、血
                    本研究回顾性纳入2020年6月—2024年5月在                      流分级、弹性评分以及BI⁃RADS分类。
                南京医科大学第一附属医院接受诊断及治疗的327例                          1.3 统计学方法
                乳腺肿块患者。纳入标准:①女性乳腺肿块患者,                                数据使用 R 软件(版本 4.3.2)分析。分类变量
                超声 BI⁃RADS 分类为 4A 类或 4B 类;②超声图像清                  采用卡方检验进行分析,连续变量采用 Student t 检
   118   119   120   121   122   123   124   125   126   127   128