BRAFV600E基因聯(lián)合增強(qiáng)CT的列線(xiàn)圖模型對(duì)TI-RADS 3類(lèi)及以上甲狀腺結(jié)節(jié)良惡性鑒別診斷的價(jià)值

摘要：目的" 構(gòu)建BRAFV600E基因突變和增強(qiáng)CT特征的TI-RADS 3類(lèi)及以上甲狀腺結(jié)節(jié)良惡性預(yù)測(cè)模型，并評(píng)估其診斷效能。方法" 回顧性分析2022年10月～2024年2月安徽醫(yī)科大學(xué)附屬巢湖醫(yī)院收治的251例TI-RADS 3類(lèi)及以上甲狀腺結(jié)節(jié)患者的資料，以超聲引導(dǎo)下細(xì)針穿刺細(xì)胞學(xué)及術(shù)后病理結(jié)果為“金標(biāo)準(zhǔn)”，其中良性結(jié)節(jié)177個(gè)，惡性結(jié)節(jié)74個(gè)。通過(guò)LASSO回歸法篩選變量和選擇預(yù)測(cè)因子，并建立預(yù)測(cè)模型。結(jié)果 采用LASSO回歸法選取4個(gè)變量，分別為年齡、BRAFV600E基因、增強(qiáng)CT中的邊界模糊、包膜不連續(xù)特征，基于這些變量構(gòu)建BRAFV600E基因突變聯(lián)合增強(qiáng)CT預(yù)測(cè)模型并進(jìn)一步驗(yàn)證。聯(lián)合預(yù)測(cè)模型的AUC為0.816，高于單獨(dú)增強(qiáng)CT預(yù)測(cè)模型（AUC=0.755），差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05）。聯(lián)合預(yù)測(cè)模型的敏感度為88.7%，特異度為63.5%，準(zhǔn)確度為81.7%，Hosmer-Lemeshow擬合檢驗(yàn)P=0.4564。聯(lián)合預(yù)測(cè)模型與單獨(dú)增強(qiáng)CT預(yù)測(cè)模型相比的凈重新分類(lèi)指數(shù)為0.308（0.151～0.465）（Plt;0.001），綜合判別改善指數(shù)為0.114（0.060～0.167）（Plt;0.001）。決策曲線(xiàn)分析及校正曲線(xiàn)顯示聯(lián)合預(yù)測(cè)模型有較高的預(yù)測(cè)性能。結(jié)論" BRAFV600E基因聯(lián)合增強(qiáng)CT特征的列線(xiàn)圖模型對(duì)甲狀腺TI-RADS 3類(lèi)及以上良惡性結(jié)節(jié)的鑒別具有較高的診斷價(jià)值。

關(guān)鍵詞：甲狀腺結(jié)節(jié)；BRAFV600E基因；增強(qiáng)CT；列線(xiàn)圖模型；驗(yàn)證；凈重新分類(lèi)指數(shù)

Value of a column-line diagram model incorporating BRAFV600E gene and enhanced CT in the differential diagnosis of thyroid nodules categorized as TI-RADS 3 and above

YU Chenfan， DOU Jiaqing

Department of Endocrinology， Chaohu Hospital of Anhui Medical University， Chaohu 238000， China

Abstract： Objective To construct a thyroid imaging reporting and data system （TI-RADS） benign-malignant prediction model for thyroid nodules categorized as TI-RADS 3 and above， incorporating both BRAFV600E gene mutation status and enhanced CT features， and assess its diagnostic efficacy. Methods A retrospective analysis of data from 251 patients with TI-RADS 3 and above thyroid nodules admitted to Chaohu Hospital of Anhui Medical University from October 2022 to February 2024 were conducted. Ultrasound-guided fine-needle aspiration cytology and postoperative pathology served as the \"gold standard\"， with 177 nodules classified as benign and 74 as malignant. The LASSO regression method was employed for variable and predictor selection， leading to the establishment of a prediction model. Results LASSO regression identified four variables for inclusion in the prediction model： age， BRAFV600E gene mutation status， presence of blurred borders on enhanced CT， and discontinuity of the nodule envelope. A prediction model for BRAFV600E gene mutation status in enhanced CT was developed based on these variables and subsequently validated. The AUC for the combined prediction model was 0.816， surpassing that of the enhanced CT prediction model alone （AUC=0.755） with statistical significance （Pamp;lt; 0.05）. The joint prediction model demonstrated a sensitivity of 88.7%， specificity of 63.5%， and accuracy of 81.7%， with a Hosmer-Lemeshow fit test yielding P=0.4564. The net reclassification index compared to the enhanced CT prediction model alone was 0.308 （0.151-0.465） （Plt;0.001）， and the integrated discrimination improvement index was 0.114 （0.060-0.167） （Plt;0.001）. Decision curve analysis and calibration curves confirmed the high predictive performance of the combined prediction model. Conclusion The column-line diagram model combining BRAFV600E gene mutation status with enhanced CT features demonstrates significant diagnostic value in distinguishing between benign and malignant nodules categorized as TI-RADS 3 and above.

Keywords： thyroid nodule; BRAFV600E gene; enhanced CT; column line drawing model; validation; net reclassification index

甲狀腺癌在全球癌癥發(fā)病率中排名第9［1］。TI-RADS 3類(lèi)及以上甲狀腺結(jié)節(jié)的發(fā)病率為14%～27%，TI-RADS分級(jí)系統(tǒng)的出現(xiàn)提高了甲狀腺惡性結(jié)節(jié)的檢出率［2］，尤其是3類(lèi)及以上甲狀腺結(jié)節(jié)惡性檢出率較其他分級(jí)更高，需長(zhǎng)期復(fù)查［3］]。目前甲狀腺結(jié)節(jié)性質(zhì)的診斷主要依靠術(shù)后病理等有創(chuàng)操作，提高甲狀腺結(jié)節(jié)術(shù)前檢測(cè)的正確率正成為研究的熱點(diǎn)。隨著影像學(xué)技術(shù)的不斷發(fā)展，甲狀腺結(jié)節(jié)新的診斷技術(shù)層出不窮，有研究表明CT在甲狀腺結(jié)節(jié)性質(zhì)的鑒別中同樣有較高的診斷價(jià)值［4-5］，增強(qiáng)CT列線(xiàn)圖模型能有效的區(qū)分甲狀腺惡性結(jié)節(jié)與良性甲狀腺腫[6]，而B(niǎo)RAFV600E基因作為甲狀腺惡性結(jié)節(jié)的最常見(jiàn)可遺傳變異，與甲狀腺癌患者的高風(fēng)險(xiǎn)臨床病理特征和進(jìn)展密切相關(guān)［7］，既往研究發(fā)現(xiàn)BRAF V600E檢測(cè)結(jié)合增強(qiáng)CT預(yù)測(cè)甲狀腺癌的模型，其準(zhǔn)確率和特異度均顯著提高，但與增強(qiáng)CT單獨(dú)診斷模型未做進(jìn)一步對(duì)比，對(duì)高風(fēng)險(xiǎn)甲狀腺結(jié)節(jié)患者也缺乏個(gè)體化的精確治療策略提供指導(dǎo)［8］。本研究擬通過(guò)聯(lián)合BRAFV600E及增強(qiáng)CT特征，以超聲引導(dǎo)下細(xì)針穿刺細(xì)胞學(xué)（FNAC）［9-10］和術(shù)后組織病理結(jié)果為標(biāo)準(zhǔn)，建立BRAFV600E基因+增強(qiáng)CT聯(lián)合模型，并與單獨(dú)增強(qiáng)CT模型做進(jìn)一步比較，選擇更適用于TI-RADS 3類(lèi)及以上甲狀腺結(jié)節(jié)惡性腫瘤風(fēng)險(xiǎn)評(píng)估的模型，為術(shù)前預(yù)測(cè)甲狀腺惡性結(jié)節(jié)提供更加可靠的依據(jù)。

1" 資料與方法

1.1" 一般資料

收集2022年10月～2024年2月在我院住院診斷為甲狀腺結(jié)節(jié)的251例患者，選取每位患者最可疑的結(jié)節(jié)進(jìn)行研究，共納入251個(gè)甲狀腺結(jié)節(jié)。納入標(biāo)準(zhǔn)：經(jīng)彩色多普勒超聲檢出并由兩名以上有經(jīng)驗(yàn)的超聲醫(yī)生的TI-RADS 3類(lèi)及以上甲狀腺結(jié)節(jié)；有詳細(xì)及完整的臨床檢查資料及病理資料；患者自愿參加本研究，簽署知情同意書(shū)。排除標(biāo)準(zhǔn)：各種應(yīng)激情況、妊娠、急慢性感染；有除甲狀腺結(jié)節(jié)外的其他甲狀腺疾病；臨床資料不完整，導(dǎo)致數(shù)據(jù)無(wú)法分析者；存在凝血功能異常或者有血友病的患者。根據(jù)FNAC和術(shù)后組織病理診斷結(jié)果將其分為甲狀腺惡性結(jié)節(jié)組（n=74）和甲狀腺良性結(jié)節(jié)組（n=177），其中男性53例，女性198例，年齡16～77（50.79±12.61）歲。本研究經(jīng)我院醫(yī)學(xué)倫理委員會(huì)審查批準(zhǔn)（審批號(hào)：KYXM-202209-006）。

1.2" 儀器及方法

1.2.1" BRAFV600E基因的檢測(cè)" "患者取仰臥位，雙臂平放于治療床上，頸部完全暴露并處于過(guò)伸狀態(tài)。消毒后，在超聲引導(dǎo)下定位可疑甲狀腺結(jié)節(jié)，反復(fù)提起和插入穿刺針進(jìn)行細(xì)針穿刺，獲取組織樣本。使用微量病理DNA提取試劑盒提取DNA，使用熒光定量PCR儀（SLAN-96S）檢測(cè)DNA的熒光信號(hào)強(qiáng)度，設(shè)置適當(dāng)?shù)臒晒忾撝担玫讲煌ǖ赖腃t值，并計(jì)算相應(yīng)的ΔCt值。判定標(biāo)準(zhǔn)：FAM通道信號(hào)Ct值lt;38且ΔCtlt;9，則判定為BRAFV600E基因突變，結(jié)果為陽(yáng)性［11］，其他為陰性。

1.2.2" 增強(qiáng)CT檢查" "使用 GE MEDICAL SYSTEMS Light-Speed 64線(xiàn)螺旋CT掃描儀進(jìn)行 CT掃描，CT掃描結(jié)合增強(qiáng)CT掃描，靜脈注射碘克沙醇造影劑60～85 mL，注射速度2～2.8 mL/s，層厚1～3 mm，通過(guò)胸骨切口對(duì)乳突毛水平的頸部進(jìn)行水平線(xiàn)掃描，參照標(biāo)準(zhǔn)分析視野詳細(xì)記錄結(jié)節(jié)數(shù)量、密度、邊緣、頸部淋巴結(jié)轉(zhuǎn)移、鈣化和包膜的完整性。CT掃描由2位具有5年以上經(jīng)驗(yàn)的醫(yī)生進(jìn)行審查。

1.3" 特征選擇

提取可疑區(qū)域的影像組學(xué)特征（圖1），采用零-均值方法和中位數(shù)填充缺失值和異常值對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將特征變量納入最小絕對(duì)收縮和選擇算子（LASSO）分析，根據(jù)LASSO回歸分析的結(jié)果進(jìn)行預(yù)測(cè)變量選擇，一般基于最小標(biāo)準(zhǔn)誤差或1-最小標(biāo)準(zhǔn)誤差標(biāo)準(zhǔn)對(duì)應(yīng)的正則化權(quán)重λ來(lái)進(jìn)行參數(shù)選擇，本研究是通過(guò)使用最小標(biāo)準(zhǔn)誤差來(lái)確定最佳的正則化權(quán)重（λ）（圖2），進(jìn)行123倍交叉驗(yàn)證（圖3），保留系數(shù)不為0的變量，納入多元邏輯回歸分析，而后分別構(gòu)建增強(qiáng)CT特征模型和BRAFV600E基因+增強(qiáng)CT聯(lián)合模型。

1.4" 統(tǒng)計(jì)學(xué)分析

采用SPSS26.0和R4.3.3軟件對(duì)數(shù)據(jù)進(jìn)行分析。正態(tài)分布的計(jì)量資料以均數(shù)±標(biāo)準(zhǔn)差表示，組間比較采用t檢驗(yàn)；非正態(tài)分布計(jì)量資料以中位數(shù)和四分位數(shù)間距表示，組間比較采用Mann-Whitney U檢驗(yàn)。以Plt;0.05為差異有統(tǒng)計(jì)學(xué)意義。分類(lèi)變量的比較采用卡方檢驗(yàn)或Fisher精確檢驗(yàn)。使用“glmnet”軟件包選擇變量并進(jìn)行交叉檢驗(yàn)，然后將所選變量納入Logistic回歸分析，再進(jìn)行建模。“rms”軟件包用于Logistic回歸、直方圖、校準(zhǔn)圖和內(nèi)部驗(yàn)證；“Resourseselection”軟件包用于Hosmer-Lemeshow一致性檢驗(yàn)，“pROC”軟件包用于Hosmer-Lemeshow一致性檢驗(yàn)。“PROC”軟件包用于分析受試者的表現(xiàn)曲線(xiàn)，“rmda”軟件包用于分析臨床決策曲線(xiàn)，“nricens”軟件包用于兩組模型之間的比較。

2" 結(jié)果

2.1" 兩組BRAFV600E基因及增強(qiáng)CT特征比較

TI-RADS 3類(lèi)及以上甲狀腺惡性結(jié)節(jié)中男性的數(shù)目占比大于甲狀腺良性結(jié)節(jié)組，惡性結(jié)節(jié)組年齡小于良性結(jié)節(jié)組（Plt;0.05），BRAFV600E基因在甲狀腺惡性結(jié)節(jié)組發(fā)生突變的概率高于甲狀腺良性結(jié)節(jié)組（Plt;0.05），兩組增強(qiáng)CT圖像中數(shù)量、密度均勻情況、鈣化情況等差異均無(wú)統(tǒng)計(jì)學(xué)意義（Pgt;0.05），甲狀腺惡性結(jié)節(jié)組的增強(qiáng)CT圖像邊界模糊、頸部淋巴結(jié)轉(zhuǎn)移、包膜不連續(xù)的數(shù)目占比多于甲狀腺良性結(jié)節(jié)組，差異有統(tǒng)計(jì)學(xué)意義。（Plt;0.05，表1）。多因素Logistic分析顯示，年齡是TI-RADS 3類(lèi)及以上甲狀腺惡性結(jié)節(jié)的獨(dú)立保護(hù)因素，BRAFV600E基因突變，增強(qiáng)CT表現(xiàn)為包膜中斷是TI-RADS 3類(lèi)及以上甲狀腺惡性結(jié)節(jié)的獨(dú)立危險(xiǎn)因素（Plt;0.05，表2）。

2.2" "建立預(yù)測(cè)模型

增強(qiáng)CT特征模型：LASSO特征篩選后選擇了6個(gè)非零系數(shù)，包括年齡、性別、增強(qiáng)CT特征（邊界不清、頸部淋巴結(jié)可見(jiàn)、鈣化、包膜中斷）。聯(lián)合診斷模型：LASSO特征篩選后選擇了4個(gè)非零系數(shù)，包括年齡、BRAFV600E基因、增強(qiáng)CT特征（邊界不清、包膜不連續(xù)）。

2.3" 預(yù)測(cè)模型的比較與內(nèi)部驗(yàn)證

2.3.1" 校準(zhǔn)曲線(xiàn)" "校準(zhǔn)曲線(xiàn)顯示，兩種預(yù)測(cè)模型鑒別結(jié)節(jié)惡性概率與實(shí)際結(jié)節(jié)惡性概率均具有良好一致性（圖4），Hosmer-Lemeshow檢驗(yàn)結(jié)果顯示兩種模型預(yù)測(cè)值和觀(guān)測(cè)值之間沒(méi)有統(tǒng)計(jì)學(xué)上的擬合偏差（Pgt;0.05）。

2.3.2" AUC效能" "ROC曲線(xiàn)圖顯示，聯(lián)合診斷模型敏感度為88.7%，特異度為63.5%，準(zhǔn)確度為81.7%，AUC值為0.816（95% CI：0.754～0.879，圖5），診斷效能高于增強(qiáng)CT單獨(dú)預(yù)測(cè)（AUC值為0.755，95%CI：0.688～0.821），兩種模型之間的效能差異有統(tǒng)計(jì)學(xué)意義（Delong檢驗(yàn)Plt;0.05）。

2.3.3" 臨床決策曲線(xiàn)分析（DCA）" "DCA結(jié)果顯示，模型的臨床決策曲線(xiàn)在閥值概率為10%～90%范圍內(nèi)時(shí)，BRAFV600E聯(lián)合增強(qiáng)CT診斷模型較單獨(dú)增強(qiáng)CT診斷模型有更高的臨床凈收益（圖6）。

2.3.4" 凈重新分類(lèi)指數(shù)（NRI）與綜合判別改善指數(shù)（IDI）" "聯(lián)合診斷模型與單獨(dú)增強(qiáng)CT模型相比的NRI為0.308（0.151～0.465）（Plt;0.001），IDI為0.114（0.060～0.167）（Plt;0.001）。

2.3.5" 列線(xiàn)圖" "將LASSO篩選出來(lái)的增強(qiáng)CT特征與BRAFV600E基因通過(guò)多元邏輯回歸算法共同構(gòu)建聯(lián)合模型，并繪制列線(xiàn)圖（圖7）。

3" 討論

隨著診斷技術(shù)的發(fā)展，全球甲狀腺癌發(fā)病率一直在上升，已成為中國(guó)最常見(jiàn)的內(nèi)分泌惡性腫瘤［12］。CT已成為檢查甲狀腺結(jié)節(jié)最重要的成像方法之一，彌補(bǔ)了超聲對(duì)氣體、脂肪和骨聲影敏感的缺點(diǎn)。增強(qiáng)CT可以準(zhǔn)確顯示病灶的血液供應(yīng)及其與腫瘤、轉(zhuǎn)移淋巴結(jié)等等［13-14］。BRAFV600E突變是甲狀腺惡性結(jié)節(jié)常見(jiàn)突變基因，突變率高達(dá)30%～84%，BRAFV600E突變作用于BRAF的野生型構(gòu)象中的疏水殘基（P環(huán)），破壞了疏水作用下的非活性狀態(tài)，使BRAF激酶成為激活通路的催化劑，繼續(xù)激活MAPK通路，進(jìn)而致癌［15］，有多項(xiàng)研究提示BRAFV600E與甲狀腺惡性結(jié)節(jié)侵襲性特征和不良預(yù)后顯著相關(guān)，包括腫瘤大小、PTC亞型、復(fù)發(fā)、復(fù)發(fā)風(fēng)險(xiǎn)分期、晚期T分期、晚期N分期等等［16-17］，本研究將基礎(chǔ)人群定位到TI-RADS 3類(lèi)及以上的甲狀腺結(jié)節(jié)患者，以FNAC和術(shù)后組織病理結(jié)果為金標(biāo)準(zhǔn)，將BRAFV600E基因納入增強(qiáng)CT診斷模型，不僅可以通過(guò)聯(lián)合診斷方法更精確的預(yù)測(cè)甲狀腺結(jié)節(jié)結(jié)節(jié)的良惡性，為需要定期復(fù)查的患者提供參考價(jià)值，更可以通過(guò)增強(qiáng)CT的影像組學(xué)特征和BRAFV600E與臨床病理的相關(guān)性，進(jìn)一步明確結(jié)節(jié)性質(zhì)和與周?chē)M織的關(guān)系，為臨床醫(yī)生在手術(shù)方法和手術(shù)范圍的決策提供參考意義。

本研究提示，TI-RADS 3類(lèi)及以上甲狀腺結(jié)節(jié)中，增強(qiáng)CT圖像表現(xiàn)為邊界模糊、頸部淋巴結(jié)轉(zhuǎn)移、包膜不連續(xù)為甲狀腺惡性結(jié)節(jié)可能性較大，這與既往研究［18-19］一致。其中，年齡是TI-RADS 3類(lèi)及以上甲狀腺惡性結(jié)節(jié)的獨(dú)立保護(hù)因素，甲狀腺惡性結(jié)節(jié)組年齡較良性結(jié)節(jié)組小，與既往研究［20］相符。BRAFV600E突變和CT表現(xiàn)為包膜中斷是TI-RADS 3類(lèi)及以上甲狀腺惡性結(jié)節(jié)的獨(dú)立危險(xiǎn)因素，BRAFV600E突變的甲狀腺結(jié)節(jié)診斷為惡性的概率是非突變型的2.398倍，是因?yàn)楸纠芯恐?3.8%的惡性結(jié)節(jié)是甲狀腺乳頭狀癌，因此BRAFV600E基因突變是甲狀腺乳頭狀癌的一個(gè)非常有價(jià)值的生物信號(hào)，這與既往報(bào)道［21］一致。當(dāng)CT表現(xiàn)為包膜中斷時(shí)，提示診斷為惡性結(jié)節(jié)的概率是良性結(jié)節(jié)的1.424倍，這是因?yàn)楫?dāng)甲狀腺結(jié)節(jié)存在惡性上皮細(xì)胞時(shí)，通常呈浸潤(rùn)性生長(zhǎng)，瘤周組織、血管及膠原纖維等對(duì)瘤體向各方向的生長(zhǎng)受限程度不同，故增強(qiáng)CT出現(xiàn)包膜不連續(xù)的征象，而甲狀腺良性結(jié)節(jié)周?chē)南袤w交界處多具有較厚的膠原纖維，血供較少，故增強(qiáng)掃描時(shí)良性結(jié)節(jié)的邊緣顯示更流暢［22-23］。研究表明，BRAFV600E突變與包膜中斷是甲狀腺惡性結(jié)節(jié)轉(zhuǎn)移和復(fù)發(fā)的危險(xiǎn)因素［24］，故術(shù)前檢測(cè)BRAFV600E基因和增強(qiáng)CT對(duì)于指導(dǎo)臨床診療具有重要意義，可以避免再次手術(shù)對(duì)患者造成二次傷害。在研究方法上，本研究選擇的LASSO是最常用的特征篩選方法。通過(guò)添加約束條件和生成懲罰函數(shù)，對(duì)模型的系數(shù)進(jìn)行壓縮。將影響較小或無(wú)影響的自變量系數(shù)化為0，只留下系數(shù)不為0的自變量。懲罰強(qiáng)度由參數(shù)λ控制；λ越小，懲罰強(qiáng)度越低，有利于過(guò)度擬合，而過(guò)度擬合會(huì)導(dǎo)致擬合不足［25］。因此，λ的值是關(guān)鍵。本研究采用123倍交叉驗(yàn)證方法，得到最優(yōu)λ為0.0297，選取了4個(gè)特征構(gòu)建模型，分別為年齡、BRAFV600E基因、增強(qiáng)CT中的邊界不清、包膜不連續(xù)特征，經(jīng)過(guò)驗(yàn)證后發(fā)現(xiàn)，BRAFV600E聯(lián)合增強(qiáng)CT模型的AUC為0.816（95% CI：0.754～0.879），較增強(qiáng)CT單獨(dú)預(yù)測(cè)AUC 0.755（95% CI：0.754～0.879）的診斷效能高，NRI指數(shù)0.308（0.151～0.465）和IDI指數(shù)0.114（0.060～0.167）均提示聯(lián)合診斷的預(yù)測(cè)能力較單獨(dú)增強(qiáng)CT明顯改善（Plt;0.001），但與另一項(xiàng)研究采用Fisher法和非條件Logistic法篩選的單獨(dú)增強(qiáng)CT診斷模型AUC 0.93（95% CI：0.89～0.98）［26］相比診斷效能較低，可能是因?yàn)椴煌慕y(tǒng)計(jì)學(xué)方法和納入變量與模型的表現(xiàn)有關(guān)。單獨(dú)增強(qiáng)CT預(yù)測(cè)模型與另一研究單獨(dú)臨床特征納入的模型AUC面積0.69（95% CI：0.64～0.74）［27］相比，診斷效能更高。研究發(fā)現(xiàn)，當(dāng)臨床特征與CT相結(jié)合時(shí)，診斷模型的AUC為0.78（95% CI：0.65～0.91），較增強(qiáng)CT與BRAFV600E基因結(jié)合時(shí)的模型診斷效能差［28］，提示與臨床特征相比，BRAFV600E聯(lián)合增強(qiáng)CT的模型預(yù)測(cè)能力更好。以上研究均提示在預(yù)測(cè)甲狀腺良惡性結(jié)節(jié)時(shí)，聯(lián)合診斷的診斷效能較單一診斷更為優(yōu)秀［29］，也提示臨床指標(biāo)和基因等既往不被重視的診斷方式，在與影像組學(xué)特征聯(lián)合診斷時(shí)可以發(fā)揮出更大的診斷價(jià)值，可以推動(dòng)甲狀腺結(jié)節(jié)無(wú)創(chuàng)檢測(cè)的發(fā)展。本例模型Hosmer-Lemeshow檢驗(yàn)（Pgt;0.05）和校準(zhǔn)曲線(xiàn)提示模型與實(shí)際病理診斷結(jié)果的擬合度較好，DCA曲線(xiàn)提示模型的臨床應(yīng)用前景較好，以上均提示本模型有較好的臨床應(yīng)用效能。

但本研究同樣存在一定的局限性：有研究發(fā)現(xiàn)使用不同掃描儀獲得的圖像結(jié)果以及手動(dòng)和自動(dòng)分離之間的圖像結(jié)果存在差異［30-31］，操作者的經(jīng)驗(yàn)手法及主觀(guān)性對(duì)評(píng)分結(jié)果同樣有一定影響［32-33］，BRAFV600E基因和增強(qiáng)CT檢測(cè)較超聲、臨床特征等檢測(cè)費(fèi)用較貴，增強(qiáng)CT有一定的放射暴露風(fēng)險(xiǎn)，故有一定的限制。本研究總樣本中惡性樣本較少，因此可能存在一定的選擇偏倚，期待后期進(jìn)一步擴(kuò)充樣本量進(jìn)行更加深入的探討，為患者的臨床診斷和治療提供更科學(xué)的依據(jù)。

綜上所述，本研究基于增強(qiáng)CT影像組學(xué)特征和BRAFV600E基因相結(jié)合的列線(xiàn)圖模型較單獨(dú)增強(qiáng)CT預(yù)測(cè)模型能夠更直觀(guān)、可靠地鑒別TI-RADS 3類(lèi)及以上的甲狀腺良惡性結(jié)節(jié)，為T(mén)I-RADS 3類(lèi)及以上甲狀腺結(jié)節(jié)的良惡性鑒別提供了有價(jià)值的參考意義。

參考文獻(xiàn)：

［1］" "Chen DW， Lang BHH， McLeod DSA， et al. Thyroid cancer［J］. Lancet， 2023， 401（10387）： 1531-44.

［2］" " 吳" 墅， 趙佳琦. TI-RADS分類(lèi)聯(lián)合細(xì)針穿刺活檢術(shù)對(duì)甲狀腺結(jié)節(jié)的診斷價(jià)值［J］. 同濟(jì)大學(xué)學(xué)報(bào)： 醫(yī)學(xué)版， 2022， 43（2）： 224-8.

［3］" " 馬俊麗， 段立娜， 張" 薇， 等. 增強(qiáng)CT直方圖分析鑒別甲狀腺良惡性結(jié)節(jié)［J］. 中國(guó)醫(yī)學(xué)影像技術(shù)， 2020， 36（1）： 59-63.

［4］" " 吳" 猛， 孟玉蓮， 劉" 鵬， 等. CT雙期增強(qiáng)影像征象在單發(fā)性甲狀腺結(jié)節(jié)良惡性診斷中的價(jià)值［J］. 中國(guó)CT和MRI雜志， 2023， 21（10）： 46-8， 83.

［5］" " 劉曉云， 徐書(shū)杭， 鄔宏恂， 等. 加強(qiáng)甲狀腺結(jié)節(jié)細(xì)針穿刺規(guī)范化管理［J］. 中華內(nèi)分泌代謝雜志， 2019， 35（10）： 819-24.

［6］" " 董林娟， 資欣月， 李慶文， 等. 基于CT影像組學(xué)列線(xiàn)圖鑒別甲狀腺乳頭狀癌與結(jié)節(jié)性甲狀腺腫的價(jià)值［J］. 臨床放射學(xué)雜志， 2023， 42（9）： 1409-16.

［7］" "Volante M， Lam AK， Papotti M， et al. Molecular pathology of poorly differentiated and anaplastic thyroid cancer： what do pathologists need to know？［J］. Endocr Pathol， 2021， 32（1）： 63-76.

［8］" " Zhang J， Zhang JL， Han J. Advantages and clinical significance of enhanced CT combined with BRAFV600E gene detection in the diagnosis of papillary thyroid carcinoma［J］. Med Eng Phys， 2022， 110： 103862.

［9］" " Silva RRE， Borges VRA， Jardim AGS， et al. Correlation between thyroid fine needle aspiration and pathological examination： a 10 year retrospective study［J］. Einstein， 2023， 21： eAO0418.

［10］" ?ahin M， Oguz A， Tuzun D， et al. Effectiveness of TI-RADS and ATA classifications for predicting malignancy of thyroid nodules［J］. Adv Clin Exp Med， 2021， 30（11）： 1133-9.

［11］" 羅" 丹， 韓艷波， 李" 雙， 等. 甲狀腺細(xì)針穿刺不同細(xì)胞學(xué)標(biāo)本保存方法對(duì)BRAFV600E基因突變檢測(cè)的影響［J］. 現(xiàn)代腫瘤醫(yī)學(xué)， 2023， 31（5）： 835-8.

［12］" Xiao YX， Wu ZH， Ruan SN， et al. Development and validation of the nomogram for predicting preoperative vocal cord palsy in thyroid cancer patients［J］. Gland Surg， 2021， 10（2）： 541-50.

［13］" 朱" 皖， 裴" 莉， 羅禮云， 等. 超聲造影與增強(qiáng)CT鑒別診斷良惡性甲狀腺結(jié)節(jié)［J］. 中國(guó)醫(yī)學(xué)影像技術(shù)， 2021， 37（6）： 871-4.

［14］" Choe J， Lee SM， Kim W， et al. CT radiomics-based prediction of anaplastic lymphoma kinase and epidermal growth factor receptor mutations in lung adenocarcinoma［J］. Eur J Radiol， 2021， 139： 109710.

［15］ Jr RR. Targeting ERK1/2 protein-serine/threonine kinases in human cancers［J］. Pharmacol Res， 2019， 142： 151-68.

［16］" Gan X， Shen F， Deng X， et al. Prognostic implications of the BRAFV600E mutation in papillary thyroid carcinoma based on a new cut-off age stratification［J］. Oncol Lett， 2020， 19（1）： 631-40.

［17］" 李心歆， 韋智曉. 甲狀腺癌相關(guān)基因突變及其臨床應(yīng)用研究現(xiàn)狀［J］. 廣東醫(yī)學(xué)， 2019， 40（S1）： 234-8.

［18］" 葉麗麗， 何祥發(fā)， 韋玉新， 等. 探討640層螺旋CT對(duì)甲狀腺單發(fā)良、惡性結(jié)節(jié)的鑒別診斷價(jià)值［J］. 臨床放射學(xué)雜志， 2024， 43（4）： 528-31.

［19］" 楊春雷， 費(fèi)" 兵， 姜錦貴， 等. 64排CT增強(qiáng)掃描在甲狀腺結(jié)節(jié)良惡性診斷中的應(yīng)用［J］. 中國(guó)耳鼻咽喉頭頸外科， 2021， 28（1）： 56-8.

［20］" 周小花， 劉棟梁， 陳" 婭， 等. 內(nèi)科住院患者良惡性甲狀腺結(jié)節(jié)檢出情況及發(fā)病相關(guān)影響因素分析［J］. 腫瘤預(yù)防與治療， 2019， 32（4）： 345-9.

［21］" 孔繁云， 符尚宏， 唐昌明. 甲狀腺癌超聲表現(xiàn)與頸部淋巴結(jié)轉(zhuǎn)移及BRAFV600E突變的關(guān)系研究［J］. 癌癥進(jìn)展， 2019， 17（2）： 158-61.

［22］" 陶" 全， 陳克敏， 周永明， 等. 初步探討建立CT檢查中甲狀腺偶發(fā)結(jié)節(jié)的分類(lèi)標(biāo)準(zhǔn)［J］. 中國(guó)醫(yī)學(xué)計(jì)算機(jī)成像雜志， 2019， 25（6）： 520-5.

［23］" 王芳芳， 徐景景， 趙魯平， 等. 基于CT影像特征的列線(xiàn)圖對(duì)甲狀腺良惡性結(jié)節(jié)鑒別診斷的價(jià)值［J］. 臨床放射學(xué)雜志， 2023， 42（10）： 1561-6.

［24］" 趙春燕， 賈志云. 甲狀腺癌中BRAFV600E的臨床價(jià)值及端粒酶逆轉(zhuǎn)錄酶啟動(dòng)子突變的影響［J］. 生物醫(yī)學(xué)工程學(xué)雜志， 2019， 36（2）： 338-42.

［25］ Daneshvar A， Mousa G. Regression shrinkage and selection via least quantile shrinkage and selection operator［J］. PLoS One， 2023， 18（2）： e0266267.

［26］" 梁紅琴， 朱立強(qiáng)， 王" 健. 基于數(shù)據(jù)挖掘方法的甲狀腺結(jié)節(jié)良惡性CT分類(lèi)模型的建立［J］. 中國(guó)醫(yī)學(xué)影像學(xué)雜志， 2019， 27（10）： 740-4.

［27］" 吳佳陽(yáng)， 麥文鋒， 李振宇， 等. CT關(guān)鍵征象聯(lián)合臨床指標(biāo)鑒別診斷甲狀腺TI-RADS 4-5類(lèi)結(jié)節(jié)性質(zhì)［J］. 暨南大學(xué)學(xué)報(bào)： 自然科學(xué)與醫(yī)學(xué)版， 2023， 44（1）： 52-9.

［28］ Kong D， Zhang J， Shan W， et al. Evaluation of radiomics models based on computed tomography for distinguishing between benign and malignant thyroid nodules［J］. J Comput Assist Tomogr， 2022， 46（6）： 978-85.

［29］" "張" 萌， 金" 壯， 趙蕙琳， 等. 多模態(tài)超聲聯(lián)合臨床特征建立對(duì)甲狀腺結(jié)節(jié)良惡性診斷的預(yù)測(cè)模型［J］. 中國(guó)醫(yī)學(xué)影像學(xué)雜志， 2024， 32（1）： 14-20.

［30］" Rogers W， Thulasi Seetha S， Refaee TAG， et al. Radiomics： from qualitative to quantitative imaging［J］. Br J Radiol， 2020， 93（1108）： 20190948.

［31］ Traylor KS. Computed tomography and MR imaging of thyroid disease［J］. Radiol Clin North Am， 2020， 58（6）： 1059-70.

［32］ Chen Y， Dong B， Jiang Z， et al. SuperSonic shear imaging for the differentiation between benign and malignant thyroid nodules： a meta-analysis［J］. J Endocrinol Invest， 2022， 45（7）： 1327-39.

［33］" 王洪杰， 于" 霞， 張" 鳴， 等. 基于CT的深度學(xué)習(xí)模型在甲狀腺結(jié)節(jié)良惡性鑒別中的應(yīng)用［J］. 中國(guó)中西醫(yī)結(jié)合影像學(xué)雜志， 2020， 18（2）： 195-7.

（編輯：林" 萍）