MAP評分與RENAL評分聯合預測中國人群機器人輔助腎部分切除術圍手術期結果的多中心研究

中圖分類號 R737.1 R692 文獻標識碼A 文章編號 2096-7721（2025）08-1249-06

Combined MAP and RENAL scores for predicting perioperative outcomes of robot-assisted partial nephrectomy in Chinese population： a multicenter study

ZONG Zewen'，CHEN Bohong'，HUANG Haoxiang'，FENG Cong'，ZENG Jin'，CHEN Wei'，FU Bin，WU Dapeng' （1.DepartmntofUoltsdHialfiUeityXiai;ptofUl First Affiliated Hospital of Nanchang University，Nanchang 33oooo， China）

AbstractObjective：Toevaluate thepredictive valueofcombiningtheMayoahesive probability（MAP）score withtheRENALscore forperioperativeouomesinpatientsndergoingbotassistedpartialnephrectomy（AP）.Metods：Arrospctivealysisas conductedon5O3patientshounderwentRAPNfromJanuary2015andOctober2022attheFirstAfliatedHospitalofXi'anJiaotong UniversityandteFistAflatedHospitalofNanchangUniversityMutplepreoperativesorngsystemserecalclatedandpared fortheirabilitytopredictintraoperativeandpostoperativeoutcomes.Logisticregressionanalysis，receiveroperatingcharacteistic （ROC）curves，andnomograms wereused toasess thepredictiveperformanceof individual scoresandtheircombinations.Model discriminationandcalibration were further validatedusing Botstrapresampling anddecision curveanalysis.Results：In predicting MIC（Margin，Ischemia，andComplications），theRENALscoreoutperforedtheADUAscore，hiletheMAPandAPFsorsshowed similar predictiveperformance.MultivariateanalysisidentifiedMAP，APF，ndRENALscoresasindependentpredictorsofMIC.The combinationofRENLndMAPscoresyieldedthehghespredictiveacuracy（AUC=068）andshowedgoodclinicalutilityincalibation anddecisioncurveanalysis.Conclusion：ThecombinedmodelofRENALandMAPscoresshowsexcelentpredictivevalueforfavorable postoperativeoutcomsinRAPndcanserveasavaabletolforpreoperatieiskassessmentandindividuaizdsurgicaldcision making.

Keywords Robot-asssted Partial Nephrectomy; Kidney Tumor; Intraoperative Complication

機器人輔助腎部分切除術（Robot-AssistedPartialNephrectomy，RAPN）是一種廣泛應用于局限性腎腫瘤的保腎手術技術[-4]。隨著該技術的普及，手術成功的評估標準日趨嚴格。為此，學界提出MIC“三連勝標準”作為RAPN手術成功的核心指標，具體包括：熱缺血時間 ?25min 、手術切緣陰性且圍手術期并發癥 ? Clavien-Dindo Ⅱ級[5]。

近10年來，多個評估系統已逐步整合腫瘤解剖學特征，用于預測手術復雜程度[6-7]。RENAL評分（基于腫瘤半徑、外/內生特性、與腎竇集合系統距離、前/后位及極線位置關系）和術前解剖維度（Preoperative Aspects and Dimensions Used for anAnatomical，PADUA）評分因其簡便的計算方法和良好的可重復性，已成為評估腎腫瘤手術復雜性的重要工具。然而，腎周脂肪粘連（AdherentPerinephricFat，APF）這一長期被忽視的因素，可能會顯著增加手術復雜性[8-10]。最新研究表明，APF與手術時間延長、術中失血量增加及根治性腎切除術轉化率顯著相關[5-7]。基于CT 影像的梅奧粘連概率（MayoAdhesiveProbability，MAP）評分系統整合后腎周脂肪厚度與脂肪束分型特征，可有效量化評估APF風險等級[11-12]。BorregalesLD等人[13]開發的APF風險評分模型在保留MAP評分中后腎周脂肪厚度和脂肪條索類型兩項核心指標的基礎上，創新性地引入糖尿病史作為新的評估維度（糖尿病賦1分，無糖尿病賦0分），并對各項指標權重進行了重新校準。以上評分均已被確認與不良圍手術期結果相關。然而，很少有研究評估這些評分組合后的預測效果。本研究旨在系統評估MAP與RENAL評分聯合應用對術中并發癥的預測價值。

1方法

1.1研究對象與方法本研究采用多中心回顧性研究設計，納人2015年1月—2022年10月期間在交通大學第一附屬醫院（ n=178 ）和大學第一附屬醫院（ n=325 ）接受機器人輔助腎部分切除術的503例患者臨床資料。本研究納入標準為： ① 年齡18～80歲； ② 經影像學確診的單發囊性腎腫瘤； ③ 具備完整術前影像及臨床資料； ④ ASA分級I～V級且簽署知情同意書。排除標準包括： ① 多發性腎腫瘤（同側／雙側）； ② 經腹入路手術病例； ③ 術前檢查資料缺失； ④ 存在手術禁忌證（ASAV級、嚴重心肺肝腎功能不全、凝血功能障礙）； ⑤ 術前已確診為惡性腫瘤并接受系統治療； ⑥ 同側腎臟手術史； ⑦ 隨訪資料不全或失訪病例。

本研究通過電子病歷系統采集患者基線資料，并從手術記錄中提取圍手術期參數，包括術中出血量（EstimatedBloodLoss，EBL）、熱缺血時間以及Clavien-Dindo分級 ? Ⅱ級的嚴重并發癥（如大血管/鄰近器官損傷、中轉開放或根治性手術）。術后切緣狀態依據病理科標準報告判定。術前影像學評估采用雙盲法，由兩位泌尿外科副主任醫師（陳煒、王永亮）獨立完成RENAL、PADUA、MAP及APF評分[3，8-10]，分歧病例由第三位主任醫師（吳大鵬）仲裁。

1.2統計學方法本研究采用中位數（四分位數間距）[M（P25，P75）]描述連續變量，分類變量以例數（百分比） 表示。采用R語言pROC程序包繪制受試者工作特征曲線（ReceiverOperatingCharacteristic，ROC），并通過計算曲線下面積（AreaUnder theCurve，AUC）評估模型的預測性能[14]。采用單因素及多因素Logistic回歸分析評估各評分系統與MIC的關聯性，重點考察MAP和RENAL評分的聯合預測價值。使用R語言（4.3.0版）中的VIF函數檢測多重共線性，設定方差膨脹因子（VarianceInflationFactor，VIF）閾值： VIFgt;2 提示中度共線性，VIFgt;5 提示嚴重共線性。以 Plt;0.05 為差異具有統計學意義。

2 結果

2.1患者圍手術期相關資料通過對交通大學第一附屬醫院及大學第一附屬醫院的電子病歷管理系統進行檢索，共有503例患者被納人分析。RENAL評分、PADUA評分、MAP評分、APF評分、術中出血量、熱缺血時間的中位數（四分位數間距）以及陽性切緣率和MIC達成率分別為7（6，9）、6（2，7）、2（1，3）、2（1，2）、23（15，50）mL、20（15，25） min 、 6% 和 60% ，見表1。

2.2各評分預測MIC的ROC曲線對比分析及Logistic回歸分析在比較腎腫瘤評分系統（RENALus.PADUA）和APF評分系統（MAP vs. APF）的預測效能時發現，RENAL評分相比PADUA在預測MIC達成能力方面差異更為顯著（ Plt;0.001 ），而MAP與APF在預測MIC達成方面無顯著差異（ P=0.60 ），如圖1。隨后，對四種評分進行了單變量及多變量Logistic回歸分析，結果顯示MAP評分、APF評分以及RENAL評分均為MIC的獨立預測因素（ Plt;0.05 ），見表2。

表1患者基本資料[M（ P25 ！ P75 ）， n（%）] Table1 General data of patients[M（ P25， P75 ）， n（%）]

圖1腎解剖評分與APF評分在MIC達成中的ROC曲線 比較 Figure 1 Comparison of ROC curves between renal anatomical scoring systems and APF scoring systemsin achieving MIC 注：A.腎解剖評分；B.APF評分

2.3基于ROC曲線與Logistic回歸分析的組合評分模型對MIC的預測效能所有組合模型的AUCgt;0.6，證實其具有可靠的預測效能（如圖2）。其中RENAL ⁺ MAP聯合模型的AUC表現最優，表明該組合具有最佳的判別能力。多因素Logistic回歸分析進一步驗證， RENAL+MAP 評分是MIC的獨立預測因子（ OR=0.17 ， 95% CI： 0.04～0.71， P=0.02 ），其預測效力顯著優于其他評分組合（見表3）。多重共線性檢驗結果（ VIF=1.06 ）排除了變量間顯著共線性的可能。

表2Logistic回歸模型MIC結果 Table2 Logistic regressionresults forMlCachievement

表3各聯合評分與MIC達成相關性的Logistic回歸分析

Table3Logistic regressionanalysis ofcombined scoring systems forMiC achievement

圖2組合評分模型在MIC達成結果中的ROC曲線對比分析Figure2Comparative analysisofROC curves forcombinedscoringmodels inpredictingMlCachievement

2.4聯合評分與單獨評分系統預測MIC達成率的效

能對比研究結果表明，MAP評分（ AUCgt;0.60 ）和RENAL評分（ AUCgt;0.60 ）均可作為MIC達成的有效預測指標。通過構建聯合評分模型，其預測效能顯著優于單一評分系統：MAP ?₊ RENAL評分聯合模型的AUC提升至0.68，與MAP評分和RENAL評分的差異均具有統計學意義（ Plt;0.05 ），見圖3。

2.5聯合模型可視化分析及評價為了便于模型推廣使用，本研究對 _MAP+RENAL 聯合評分模型進行了可視化呈現。圖4A展示的聯合模型列線圖將RENAL和MAP評分分別映射至得分軸，各維度得分經線性疊加后，通過概率軸轉換為MIC達成率。圖4B校準曲線分析表明，雖然模型在中等概率區間存在輕微偏差，但整體擬合度良好，證實了其對RAPN患者MIC結果的預測效能。圖4C臨床決策曲線進一步顯示，聯合模型的凈受益率顯著優于任一單一評分系統。

3 討論

圖3MAP + RENAL評分與單一評分的ROC曲線對比 Figure3 ComparisonofROCcurvesbetween MAP + RENAL scoring and individual scoring systems 注：A.MAP+RENAL評分與RENAL評分對比；B.MAP+RENAL 評分與MAP評分對比

RAPN的成功實施高度依賴術者的操作技巧，其預后受多重因素影響。傳統RENAL評分系統一直被用作評估手術難度的金標準[12，15-16，近年來研究發現APF這一被忽視的重要因素同樣會顯著影響手術結局[5。MAP評分系統通過量化腎靜脈水平后側脂肪厚度及影像學條索樣改變，可有效預測腎周粘連程度。值得注意的是，RENAL與MAP評分分別針對不同的解剖學特征和手術環節進行評估。本研究創新性地探討了這兩種互補性評分系統聯合應用對圍手術期結果的預測價值[17-19]。

在評價RAPN的手術效果時，不同研究所選取的圍手術期結局指標存在差異，難以客觀全面地評估手術風險和療效[20-22]。為解決這一問題，MIC 應運而生。MIC能夠綜合反映腎部分切除術的手術結果，包括并發癥發生情況、術后腎功能及腫瘤學預后，已被廣泛應用于評價RAPN術的圍手術期療效，為統一評價RAPN手術效果提供了標準化的指標體系，有助于客觀全面地評估手術風險和獲益[23-25]。

圖4組合模型可視化Figure4 Visualizationof thecombinedmodel注：A.列線圖；B.校準曲線圖；C.臨床決策曲線圖

人工智能和機器學習技術的進步推動了RAPN圍手術期結果預測模型的快速發展[26-28]。然而，現有研究多聚焦于單一評分系統，將評估APF的MAP評分與評價腫瘤特征的RENAL評分相結合的探索較少。這種創新性的評分系統整合，有望突破傳統評估模式的局限性，為RAPN手術難度預測和療效評估提供更全面的分析框架[29]。

現有研究表明，MAP與RENAL評分聯合應用可顯著提升術中總體并發癥的預測效能（ AUC= 0.85），其預測價值優于單一評分系統[30。但該研究存在兩個重要局限：一是未對不同腎腫瘤解剖評分或APF評分進行橫向比較；二是研究樣本僅包含159例腹腔鏡腎部分切除術患者，其建立的組合評分系統尚未在RAPN中得到驗證[3。這些局限性提示當前聯合評分體系的適用范圍和優化方向仍需進一步探索。一項基于637例腹腔鏡腎部分切除術患者的多中心研究，通過多變量回歸分析構建了包含腫瘤直徑、腫瘤距集合系統距離和腎周脂肪分層類型三個關鍵參數的Nomogram評分系統。該簡化評分系統展現出與RENAL+MAP聯合評分相當的預測效能（AUC分別為0.84和0.81），但其臨床價值取向存在顯著差異：該Nomogram系統主要聚焦于預測術中轉為開放手術的風險，而非全面評估圍手術期各類并發癥的發生概率[1]。

本研究通過系統評估4種聯合評分模型（ RENAL+MAP 、APF + PADUA、MAP + PADUA、RENAL+APF）的預測效能，采用ROC曲線分析確定最優模型。經多因素Logistic回歸分析驗證組合模型與MIC的相關性后，最終選定預測效能最佳的RENAL ⁺ MAP模型。RENAL+MAP模型的列線圖分析顯示，該模型具有良好的區分度。Bootstrap校準曲線顯示，預測概率與實際發生概率基本吻合，說明模型具有優良的校準度。決策曲線分析進一步證實，在 15%～85% 風險閾值范圍內，該模型的臨床凈收益率顯著優于“全治療”或“全不治療”策略，具有良好的臨床應用價值。

本研究通過創新性地整合傳統腎腫瘤解剖評分與新興APF評分，并采用MIC作為復合終點指標，構建了首個面向RAPN手術的術前多維度風險評估模型。該模型的臨床價值體現在三方面： ① 驗證了聯合評分的增效作用（AUC提升至0.684）； ② 建立了可量化的列線圖預測工具； ③ 明確了 15%～85% 風險閾值的臨床適用區間。但本研究也存在以下局限： ① 單一中國人群的樣本代表性不足； ② 未納入腎功能等臨床變量； ③ MAP/APF評分存在主觀評估偏差； ④ 盡管AUC優于單一評分，但0.684的絕對值仍顯不足，反映單純影像學預測的局限性； ⑤ 本研究為回顧性設計，需通過前瞻性多中心研究驗證。

為進一步確認模型的臨床應用價值，需要通過前瞻性、多中心、不同人群的研究進一步驗證。

綜上所述，本研究采用嚴謹的統計分析方法，系統比較并優化了多種腎腫瘤解剖及APF評分模型。研究結果表明，RENAL+MAP聯合模型在預測RAPN術后MIC結果方面具有最優性能。通過對該模型的區分度、校準度和臨床適用性進行全面驗證，為RAPN術前評估提供了一種新的有效參考工具。

利益沖突聲明：本文不存在任何利益沖突。

作者貢獻聲明：吳大鵬、傅斌、陳煒和曾津負責設計論文框架，起草論文；宗澤文、陳博宏、黃昊翔和馮聰負責數據收集；宗澤文負責撰寫文章，論文修改并最后定稿。

參考文獻

[1]Ljungberg B，Bensalah K， Canfield S，et al. EAU guidelines on renal cell carcinoma：2014 update[J].Eur Urol，2015，67（5）： 913-924.

[2]Tachibana H，Takagi T， Kondo T，et al.Robot-assisted laparoscopic partial nephrectomy versus laparoscopic partial nephrectomy： a propensity scorematched comparative analysis of surgical outcomes and preserved renal parenchymal volume[J].IntJUrol，2018，25（4）： 359-364.

[3]PattonMW，SalevitzDA，TysonMD，etal.Robot-assistedpartial nephrectomy for complex renal masses[J].JRobot Surg，2016，1O（1）： 27-31.

[4]Shiroki R，Fukami N，Fukaya K，etal.Robot-assisted partial nephrectomy： superiority overlaparoscopic partial nephrectomy[J]. IntJ Urol，2016， 23（2）：122-131.

[5]Khalifeh A，Autorino R， Hillyer SP，et al. Comparative outcomes and assessment of trifecta in 5OO robotic and laparoscopic partial nephrectomy cases： a single surgeon experience [J].J Urol，2013，189（4）： 1236-1242.

[6]Kutikov A， Uzzo R G.The R.E.N.A.L. nephrometry score： a comprehensive standardized system for quantitating renal tumor size，location and depth [J]. J Urol，2009，182（3）： 844-853.

[7]SchiavinaR，NovaraG，Borghesi m ，etal.PADUAandR.E.N.A.L. nephrometry scorescorrelate with perioperative outcomes ofrobot-assisted partialnephrectomy：analysisof theVatikutiGlobalQualityInitiative in Robotic Urologic Surgery （GQI-RUS）database[J].BJU Int，2017，119（3）： 456-463.

[8]WU C Y， ZHANGHJ， ZHANG JJ，et al. Inflammation and fibrosis in perirenal adipose tissue of patients with aldosterone-producing adenoma [J]. Endocrinology，2018，159（1）：227-237.

[9]LANGJT，KANGN，ZHANGJH，etal.Unilateral perirenal fibrosis without aorta involvement[J].Eur RevMedPharmacol Sci，2O15，19（5）： 732-725.

[10]ErgenFB，ArslanEB，TurkbeyB，etal.Unilateral perirenal fibrosis[J].J Comput Assist Tomogr，2005，29（4）： 477-480.

[11] Dariane C，Le Guilchet T，HUREL S，et al.Prospective assessment and histological analysis of adherent perinephric fat in partial nephrectomies [J]. Urol Oncol，2017，35（2）： 39.e9-39.e17.

[12] Davidiuk AJ，ParkerA S，Thomas CS，etal.Mayo adhesive probability score：anaccurate image-based scoringsystemtopredict adherent perinephric fat in partial nephrectomy[J].Eur Urol，2014，66（6）：1165-1171.

[13]BorregalesLD，Adibi M， Thomas AZ，etal.Predicting adherent perinephric fatusing preoperative clinical andradiological factorsin patients undergoingpartial nephrectomy [J].Eur Urol Focus，2O21，7（2）： 397-403.

[14] Robin X，Turck N， Hainard A，et al. pROC： an open-source package for R and 5+ to analyze and compare ROC curves[J].BMC Bioinformatics，2011. DOI： 10.1186/1471-2105-12-77.

[15] Egen L，KowalewskiKF，Riffel P，et al.Nephrometry scores： can preoperative assessment of sectional imaging really mirror intraoperative renal tumor anatomy？[J]. Urol Int，2021，105（1-2）：108-117.

[16] TAN X J， JIN D C， HU J，et al. Development of a simple nomogram to estimaterisk for intraoperativecomplicationsbeforepartial nephrectomy based on the Mayo adhesive probability score combined with the RENAL nephrometry score[J]. Investig Clin Urol，2021， 62（4）： 455-461.

[17]Haberal HB，Ayvaz S，Kilicalp AS，etal.Is the Mayo adhesive probability score predictive in patients undergoing percutaneous nephrolithotomy？ [J]. JLaparoendosc Adv Surg Tech A，2024，34（3）： 251-256.

[18] Khene ZE，Peyronnet B，Freton L，etal.What is better for predicting morbidity of robotic partial nephrectomy-a score or your clinical judgement？ [J].Eur Urol Focus，2020，6（2）： 313-319.

[19]WalachMT，SchiefelbeinF，SchnelerA，etal.Perinephric toxic fat： impact onsurgical complexity，perioperativeoutcome，and surgical approach in partial nephrectomy[J].Urol Int，2023，107（2）：126-133.

[20]LI XF，WUDP， ZHANG XP，et al.A three-dimensional renal tumor anatomy and intrarenal relationship nephrometry （ADDD）for robot-assisted partial nephrectomy： 3D-CT based nephrometry for RAPN[J].World J Urol，2023，41（7）： 1847-1853.

[21]LarcherA，deNaeyerG，TurrF，etal.TheERUScurriculum forrobotassisted partial nephrectomy： structure definition and pilot clinical validation [J].Eur Urol，2019，75（6）：1023-1031.

[22]Sharma G， Shah M，Ahluwalia P，et al. Of-clamp versus on-clamp robotassisted partial nephrectomy： a propensity-matched analysis [J]. Eur Urol Oncol，2023，6（5）： 525-530.

[23] XIEYP，MA X，GULY，etal.Associating the learning curve and tumor anatomicalcomplexitywith themargins，ischemia，and complicationsrate afterrobot-assisted partial nephrectomy[J]. IntJSurg，2O16，36（PtA）： 219-224.

[24] Pazeto C L，Macek P，Amaral B，et al. Optimal surgical outcome of minimally invasive partial nephrectomy （MIPN） based on an early postoperative estimated glomerular filtration rate （eGFR）[J]. Curr Urol Rep，2021，22（7）： 36.

[25] Harke NN，Kuczyk MA， Huusmann S，et al.Impact of surgical experience before robot-assisted partial nephrectomy on surgical outcomes： a multicenter analysis of 250O patients [J].Eur UrolOpenSci，2022.DOI： 10.1016/j.euros.2022.10.003.

[26] Bernhard JC，Robert G，Ricard S， etal. Nurse-led coordinated surgical care pathways for cost optimization of robotic-asssted partial nephrectomy： medico-economic analysis of the UroCCR-25 AMBU-REIN study [J]. WorldJUrol，2023，41（2）：325-333.

[27] Carbonara U，Eun D，Derweesh I， et al. Retroperitoneal versus transepritoneal robot-assisted partial nephrectomy for postero-lateral renal masses：aninternational multicenteranalysis[J].WorldJUrol，2021， 39（11）： 4175-4182.

[28] Shin TY，Lim SK，Komninos C，et al. Laparoendoscopic single-site （LESS） robot-assisted partial nephrectomy （RAPN） reduces postoperative wound painwithout arise incomplicationrates[J].BJUInt，2O14，114（4）： 555-561.

[29]KrishnanNK，ZappiaJ，CalawayAC，etal.Identifyingpreoperative predictors of operative time and their impact on outcomesin robot-assisted partial nephrectomy[J]. JEndourol， 2022，36（1）： 71-76.

[30] JIN D C， ZHANGJY，ZHANG YF，etal.Acombination of the Mayo adhesive probability score and the RENAL score to predict intraoperative complications in small renal masses [J].Urol Int，2020，104（1-2）： 142-147.

[31].YANG B，MA L L， QIU M， et al. A novel nephrometry scoring system for predicting peri-operative outcomes of retroperitoneal laparoscopic partial nephrectomy [J]. Chin Med J（Engl），2020，133（5）： 577-582.

收稿日期：2024-08-12編輯：劉靜凱