乳腺實性腫塊超聲特征的Logistic回歸分析.pdf

1、隨著乳腺腫瘤的發(fā)病率逐年上升，早期發(fā)現(xiàn)、早期診斷、早期治療是提高乳腺惡性病變生存率的關鍵。臨床上超聲檢查因其無損傷、安全、可重復性和價廉，被廣泛應用于乳腺疾病的診斷中，隨著超聲技術的發(fā)展，除了常規(guī)二維灰階超聲、彩色多普勒超聲，還包括超聲彈性成像和三維超聲成像新技術。 日益發(fā)展的技術為乳腺疾病的臨床超聲診斷提供了越來越多的信息，各種成像方法的診斷指標各有其優(yōu)缺點，提取出最重要的診斷信息并綜合評價是發(fā)展的趨勢。近年來，二分類Logi

2、stic回歸分析廣泛應用于醫(yī)學研究的各個領域，如流行病學、病因學的病例-對照研究，臨床診斷的判別模型，治療效果評價等。Logistic回歸模型在疾病病因的多因素分析中有著較多的優(yōu)點，可以準確判斷不滿足正態(tài)分布的資料的概率，如死亡或痊愈(稱為二值變量)。 國內外都有將Logistic回歸分析應用于乳腺超聲的研究，但未見有采用二分類Logistic回歸模型綜合分析二維灰階超聲、二維彩色多普勒超聲、三維灰階超聲、三維彩色多普勒超聲、彈

3、性成像多方面成像特征的有關報道。 本研究擬應用二分類Logistic回歸模型對乳腺二維灰階超聲、二維彩色多普勒超聲、三維灰階超聲、三維彩色多普勒超聲、彈性成像各特征進行分析，從中找出最有意義的征象和構建Logistic回歸模型，以期能夠早期及準確診斷乳腺癌，提高患者的生存率和改善預后。 資料與方法： 一、臨床資料 對2006年7月至2007年9月期間，共163個乳腺病灶均進行二維超聲成像、三維超聲成像及超

4、聲彈性成像檢查。良性病灶共108個，病灶最大直徑3.2～112.4 mm，平均(17.8±9.3)m，患者年齡16～78歲，平均年齡(36.7±18.4)歲；惡性病灶共55個，病灶最大直徑4.1～43.2 m，平均(23.4±12.8)mm，患者年齡26～78歲，平均(46.4±15.6)歲。 二、儀器及檢查方法儀器：超聲彈性成像采用HITACHI-8500彩色多普勒超聲診斷儀，線陣探頭，頻率7.5～13.0MHz，探頭配備專用

5、壓迫板；三維超聲成像采用GE公司的730-Expert彩超儀及機掃式三維探頭，探頭頻率7.5～13.0MHz。 檢查方法： (1)首先使用GE公司的730-Expert彩超儀，對雙側乳腺進行橫、縱各切面二維灰階圖象掃查，觀察腫塊的部位、個數(shù)、大小、形態(tài)、邊界、內部回聲、側方聲影、后方回聲、有無微鈣化和有無腋窩淋巴結腫大。 (2)彩色多普勒血流成像：顯示病變血供情況，進行多普勒血流頻譜檢查測定阻力指數(shù)RI，參照Ad

6、ler半定量方法進行血流分級。 (3)切換至三維成像模式，觀察重建的冠狀面上有無完整的界面回聲，有無匯聚征，重建病灶內的三維空間的立體血流。 (4)再使用HITACFII-8500彩色多普勒超聲診斷儀。用普通二維模式確認病灶后切換到彈性成像模式進行彈性成像檢查。 三、彈性成像評分及診斷標準根據(jù)彈性圖中病灶區(qū)域顯示的不同色彩，采用新的改良五分法進行評價。 1分：彈性成像檢查時腫塊整體及大部分發(fā)生變形，圖像顯

7、示病灶整體或大部分為綠色； 2分：彈性成像檢查時腫塊邊界可發(fā)生變形，中心部分沒有變形，圖像顯示病灶中心為藍色，周邊為綠色，以藍色為主； 3分：彈性成像檢查時腫塊一半發(fā)生變形，一半未發(fā)生變形，圖像顯示病灶內綠色和藍色所占比例相近； 4分：彈性成像檢查時腫塊整體及大部分未發(fā)生變形，圖像顯示病灶整體為藍色或內部伴有少許綠色； 5分：彈性成像檢查時腫塊整體和周圍組織均未變形，圖像顯示病灶及周邊組織均為藍色，即藍色

8、超出灰階圖像屏顯示的二維病灶范圍，若病灶內部同時伴有綠色，也歸為此類。 本研究擬彈性評分1～3分診斷為良性病變，4～5分診斷為惡性病變。 四、統(tǒng)計學處理以手術病理結果為診斷金標準。統(tǒng)計學分析：以病理結果良、惡性作為因變量，將下述超聲特征作為自變量建立Logistic模型，采用偏最大似然估計前進法進行逐步回歸。超聲特征為形態(tài)、邊界、內部回聲、微鈣化、側方聲影、后方回聲衰減、后方回聲增強、腋窩淋巴結腫大、腫塊縱橫比、RI、二

9、維Adler分級、改良彈性評分、匯聚征、完整的界面回聲、三維Adler分級。對回歸參數(shù)估計值采用Wald x2檢驗，對整個模型的擬合情況采用似然比檢驗，并用ROC曲線法評價Logistic模型的預報能力。統(tǒng)計學分析用SPSS 13.0軟件完成，以P<0.05為有統(tǒng)計學意義。 結果： 1、163個乳腺結節(jié)手術病理結果見表1、表2：2、依據(jù)SPSS13.0的輸出結果,Logistic回歸分析最后一步篩選六個自變量,其模型為:

10、 logit(P)=-9.464+1.121X12+3.683X1+4.315X3+4.593X10-20.407X7+34.429X13 對上述模型行似然比檢驗，具有統(tǒng)計學意義(X2=185.822，p<0.001)。 利用該回歸模型預報這163個乳腺病灶，回歸模型能很好地區(qū)分這兩類病灶，如果在回歸值尸大于0.5時預報為惡性，小于等于0.5時預報為良性，則預報正確率高達159/163=97.5％。 以模型判斷乳

11、腺惡性病灶概率預測值繪制ROC曲線，ROC曲線下面積(area under the ROC curve，Az)為判斷指標檢驗模型擬合效果，Az為0.996±0.001，p<0.00l，95％置信區(qū)間為(0.994，0.998)，證明該模型的擬合效果較好，用于預測乳腺腫瘤的良惡性效果也很好。 結論： 1、Logistic回歸分析從15個診斷指標中篩選出改良彈性評分、形態(tài)、RI、內部回聲、后方回聲增強、匯聚征，構建的回歸模型

12、能很好地區(qū)分乳腺良惡性病灶，方程擬合的優(yōu)度和預測效果比較理想。 2、改良彈性評分和形態(tài)可作為鑒別診斷乳腺腫瘤良惡性最具價值的項目，在臨床工作中，可以首先從這兩個項目來評判乳腺腫塊的良惡性，再結合其他特征綜合分析。 3、Logistic回歸模型使綜合分析各診斷指標更簡易、客觀，有較好的臨床應用價值。Logistic回歸模型可將其作為計算機輔助診斷系統(tǒng)的基礎。但用它對單個病例進行預報，需考慮人群發(fā)病率，必須進一步對模型進行多