基于CT影像特征的列线图对甲状腺良恶性结节鉴别诊断的价值
目的 探讨基于CT影像特征的列线图鉴别甲状腺良恶性结节的诊断价值.方法 回顾性分析经手术病理证实的262 例甲状腺结节患者的临床和影像资料,其中良性组 114 例,恶性组 148 例,比较两组患者的临床资料及CT影像特征,包括结节的数目、位置、形态、边界、成分、钙化、包膜是否完整、纵横比(轴位及冠状位)、强化方式及平扫、动脉期、静脉期CT值,采用多因素Logistic回归分析筛选鉴别甲状腺良恶性结节的独立影响因素并构建列线图模型,采用受试者工作特征曲线(ROC)、校准曲线验证该模型的性能.结果 甲状腺良恶性结节均好发于女性,良性结节组占比略高于恶性结节组,差异无统计学意义(P>0.05);但良性结节组的平均年龄大于恶性结节组,且差异有统计学意义(P<0.05).良性结节组多位于腺体内,形态较规则,边界清晰,包膜完整;恶性结节组多位于包膜下,形态不规则,边界模糊,包膜不完整.两组结节的位置、形态、边界、成分、钙化、包膜是否完整、轴位纵横比及动脉期CT值、静脉期CT值差异有统计学意义(P<0.05);两组结节的数目、强化方式、冠状位纵横比及平扫CT值差异无统计学意义(P>0.05).将上述差异有统计学意义的CT影像特征纳入多因素Logistic回归分析,筛选出结节位置、边界、轴位纵横比为鉴别甲状腺良恶性结节的独立影响因素[OR值(95%CI)分别为11.266(5.679～22.350),4.414(2.361～8.252),5.348(1.762～16.228)],其中轴位纵横比诊断恶性结节的最佳阈值为纵横比>1.06.根据结果建立列线图模型,模型的曲线下面积(AUC)为0.851(95%CI:0.805～0.889),敏感度为77.5%、特异度为86.7%,校准曲线显示预测概率与实际概率拟合度良好.结论 CT影像特征构建的列线图模型有助于鉴别甲状腺良恶性结节;当甲状腺结节边界模糊、位于包膜下、结节轴位纵横比>1.06 时倾向于恶性结节,反之则倾向于良性结节.
体层摄影术、X线计算机、列线图、甲状腺结节、鉴别诊断
42
R741.041;R587.1;R445.1
济宁医学院附属医院苗圃科研计划项目MP-MS-2022-002
2023-11-02（万方平台首次上网日期，不代表论文的发表时间）
共6页
1561-1566
