基于臨床信息的logistic回歸模型在乳腺影像報告和數據系統4類中對病灶良惡性的鑒別價值

南方醫科大學南方醫院放射科，廣東 廣州 510515

乳腺癌已成為全球女性死亡的主要疾病之一，其發病率呈逐年上升的趨勢［1-2］。在中國，乳腺癌高居女性惡性腫瘤發病率之首，嚴重影響其身心健康［3］。因此，早發現、早診斷、早治療，有利于提高乳腺癌的治愈率，降低死亡率。乳腺X線攝影作為主要的篩查手段，在早期診斷中發揮著重要作用［4］。為了更好地指導臨床，方便臨床醫師對乳腺病灶進行綜合性評估，美國放射學會（American College of Radiology，ACR）提出乳腺影像報告和數據系統（Breast Imaging Reporting and Data System，BI-RADS）的X線分類標準［5］。盡管這種分類已廣泛用于影像學診斷評估，但在臨床研究中發現仍然存在大量的良性活檢［6］。本研究通過回顧性分析，構建基于臨床信息的logistic回歸模型并聯合BIRADS分類鑒別乳腺病灶良惡性，以提高診斷效能，減少不必要的良性活檢。

1 資料和方法

1.1 一般資料

本研究通過了南方醫科大學南方醫院倫理委員會的批準，所有受檢者均簽署知情同意書?；仡櫜⑹占?018年7月—2019年12月于南方醫科大學南方醫院行乳腺X線攝影，檢查報告BI-RADS分類為4類（包括4A、4B、4C）且經病理學檢查證實的女性患者共221例，其中良性133例，惡性88例。所有患者均有完整的臨床信息。

1.2 儀器及方法

采用美國Hologic公司的Selenia Dimensions乳腺X線機，所有患者均行頭尾位和內外斜位檢查。在進行檢查前，患者需填寫個人信息，包括年齡、初潮年齡、結婚年齡、生育第一胎年齡、是否絕經、哺乳史、生育史、家族史。操作技師填寫觸診信息，包括是否觸及病灶、病灶是否固定、病灶最大徑是否＞2 cm等。

1.3 統計學處理

采用SPSS 20.0統計分析軟件，對患者年齡、初潮年齡、結婚年齡、生育第一胎年齡等4個臨床信息特征行獨立樣本t檢驗，對其余7個臨床信息特征行χ2檢驗。采用logistic回歸分析檢驗不同特征與乳腺病灶良惡性之間的關聯，篩選有統計學意義的臨床信息；入選的臨床信息根據比值比（odds ratio，OR），建立乳腺病灶良惡性評分模型，并根據模型的臨界值調整BI-RADS分類。具體調整方案：① BI-RADS 4A類病灶，評分＜臨界值時BI-RADS分類保持不變；評分＞臨界值時調整為BI-RADS 4B；② BI-RADS 4B類病灶，評分＜臨界值時調整為BI-RADS 4A；評分＞臨界值時調整為BI-RADS 4C；③ BI-RADS 4C類病灶，評分＜臨界值時調整為BI-RADS 4B；評分＞臨界值時保持不變。采用受試者工作特征（receiver operating characteristic，ROC）曲線評價BI-RADS聯合評分模型及單獨采用BI-RADS對乳腺病灶良惡性的診斷效能。P＜0.05為差異有統計學意義。

2 結 果

2.1 病理學檢查結果

221個乳腺病灶中，良性病灶133個，包括乳腺纖維腺瘤40個，乳腺腺病32個，纖維囊性病27個，導管內乳頭狀瘤16個，炎性反應腫塊8個，增生性病變5個，囊腫2個，隆突性皮膚纖維肉瘤1個，管狀腺瘤1個，良性分葉狀腫瘤1個；惡性病灶88個，包括導管內癌71個，浸潤性癌（含小葉及導管成分）14個，乳頭狀癌2個，肌上皮癌1個。

2.2 臨床信息比較

除初潮年齡外，惡性病灶的患者年齡、結婚年齡、生育第一胎年齡均顯著高于良性病灶的患者（P＜0.05）。經χ2檢驗，是否觸及病灶、病灶最大徑是否＞2 cm、病灶是否固定等3個特征差異有統計學意義（表1）。

表1 患者臨床信息特征分析

2.3 logistic回歸分析

以經過病理學確診的乳腺病灶作為因變量（惡性病灶Y=1，良性病灶Y=0），經logistic單變量分析，發現9個臨床信息特征差異有統計學意義。其中是否觸及病灶（OR=7.196，P＜0.001）、病灶最大徑是否＞2 cm（OR=4.208，P＜0.001）、病灶是否固定（OR=10.15，P＜0.001），這3個特征有較高的危險度，2個臨床信息特征差異無統計學意義（P＞0.05，表2）。將9個差異有統計學意義的臨床信息特征進行二元logistic回歸分析（表3），并建立評分模型。計算公式：Z=0.037×患者年齡+0.303×是否絕經+0.092×結婚年齡-0.006×生育第一胎年齡+0.481×哺乳史-0.591×生育史+0.141×是否觸及病灶+0.743×病灶最大徑是否＞2 cm+1.949×病灶是否固定-4.756。

表2 單變量logistic回歸分析結果

2.4 單獨采用BI-RADS分類與BI-RADS分類聯合評分模型的診斷效能比較

以病理學診斷結果為金標準，BI-RADS 4A判斷為良性，BI-RADS 4B、4C判斷為惡性。對221例患者單獨采用BI-RADS分類診斷，其診斷乳腺病灶的靈敏度為86.3%、特異度為69.9%、準確率為76.5%，曲線下面積（area under curve，AUC）為0.781；采用BI-RADS分類聯合評分模型的靈敏度為88.6%、特異度為75.2%、準確率為80.5%，AUC為0.827（圖1）。圖2A和圖3A為拍攝的患者患側頭尾位及內外斜位圖像，通過調整BI-RADS分類，使得其BI-RADS分類與病理學檢查結果（圖2B、圖3B）一致。

表3 二元logistic回歸分析的結果

圖1 BI-RADS分類與BI-RADS分類聯合模型診斷乳腺良惡性病灶的ROC曲線

圖2 典型病例1（女性，54歲）的影像學和病理學表現

圖3 典型病例2（女性，62歲）的影像學和病理學表現

3 討 論

BI-RADS分類標準已廣泛應用于臨床，使乳腺X線攝影報告更加規范，指導臨床醫師更加準確地對乳腺病灶做出處理，同時對乳腺隨訪檢查起到重要作用。然而，單獨應用BI-RADS分類診斷病灶的良惡性會有一定的誤判，特別是對于4類病灶［7-8］。為避免不必要的活檢，本研究將BI-RADS分類聯合基于患者臨床信息的logistic回歸模型，用于提高鑒別乳腺病灶良惡性的診斷效能。

經logistic回歸分析，是否觸及病灶、病灶是否固定及病灶最大徑是否＞2 cm這3個臨床特征有較高的危險度。Mazouni等［9］的研究發現，是否觸及腫塊這個特征的危險度要高于年齡、是否絕經、病灶大小等特征，這與本研究結果一致。另外病灶是否固定的危險度最高，無論是單變量logistic回歸分析，還是二元logistic回歸分析，表明惡性病灶的觸診位置相對固定，而良性病灶的觸診位置多可移動。目前，仍沒有文獻對這一特征的風險性進行報道，在未來有望作為乳腺癌的高風險因子以及良惡性的鑒別特征。特征病灶最大徑是否＞2 cm也存在一定的危險度，表明惡性病灶的最大徑要大于良性病灶。

研究表明，患者年齡可作為一個危險因子，隨著年齡增高，乳腺癌患病風險逐漸增高［10］。Zheng等［11］把年齡作為特征用于區分乳腺癌患者與正常人，通過ROC曲線得到AUC為0.633，證明年齡具有一定的區分效果。在本研究中，惡性患者的年齡要顯著高于良性患者，且在logistic回歸分析中，患者年齡具有風險性。Ahern等［12］的研究證實，有家族史的患者其乳腺癌患病風險要高于無家族史的患者。而在本研究中，家族史在良惡性患者中沒有風險性，可能與惡性病灶的數據量偏少有關。

根據患者的臨床信息特征，我們建立了logistic評分模型，聯合BI-RADS分類結果，重新對BI-RADS 4類的病灶進行調整，結果表明，BIRADS聯合評分模型較單獨應用BI-RADS診斷乳腺病灶的準確率更高。在臨床工作中，單獨應用BI-RADS分類的靈敏度要高于特異度，說明醫師對惡性病灶的判斷準確率較高，而在良性病灶上，所給出的BI-RADS分類可能偏高，因此增加了良性活檢的次數。而加入本研究所提出的logistic評分模型之后，將7個定義BI-RADS 4B的良性病灶降低為BI-RADS 4A，最后歸納為良性，提高了特異度，有助于降低后續不必要的良性活檢。

本研究仍存在不足之處：① logistic回歸模型需進一步擴大訓練樣本量；② 惡性與良性患者的數量比例有待提高。

總之，構建基于臨床信息的logistic回歸模型并聯合BI-RADS分類鑒別乳腺病灶良惡性，有利于提高診斷準確率，減少不必要的良性活檢。