腮腺实性结节超声特征的logistics回归模型建立与分析

，， ，

(1.南华大学附属第一医院超声科,湖南 衡阳 421001；2.中山大学肿瘤防治中心超声科；3.南华大学附属第二医院影像科)

·临床医学·

腮腺实性结节超声特征的logistics回归模型建立与分析

李毓红1，裴小青2，周佳1，彭建春3

(1.南华大学附属第一医院超声科,湖南 衡阳 421001；2.中山大学肿瘤防治中心超声科；3.南华大学附属第二医院影像科)

目的通过总结腮腺肿块的声像图特征,构建Logistics回归模型,并分析该模型的应用价值。方法总结243例患者的超声图像特征，建立logistics回归模型，并分析85例待诊腮腺肿块患者超声图像特征，验证模型的准确性。结果经过二分类Logistics回归分析，病灶囊性变、边界和后方回声三个自变量建立Logistics回归模型,以P值0.25为分界点判断腮腺肿瘤的良恶性。应用该回归模型鉴别85例待诊患者资料，结果显示良、恶性的准确性85.8%，敏感性为66.7%，特异性92.2%。结论本研究建立的logistics回归模型，能预测腮腺肿块良恶性，有良好的临床应用价值。

超声； 腮腺； Logistics回归； 模型； 肿瘤

涎腺肿瘤约占全身肿瘤的3%，原发性、上皮性涎腺肿瘤中，64～80%的原发于腮腺，最常见于腮腺浅叶[1]。外科手术是腮腺肿瘤的主要治疗方式，而不同性质的腮腺肿瘤的手术方法有一定的差异。腮腺肿瘤的定性诊断，对于制定手术方案及判断病人预后均有极为重要的意义，但由于组织活检可造成腮腺包膜破裂，易导致种植性转移或复发，临床上一般不主张术前活检[2]。腮腺恶性肿瘤病理分型较复杂，恶性程度低或早期的腮腺癌生长多较缓慢,可无症状，常难与良性肿瘤鉴别[3]。超声与CT、MRI比较，简单便捷，是腮腺检查的的首选方式[4]。目前超声技术的发展日新月异，从众多的信息中提取出最重要的信息进行评价是发展的趋势。本文通过二分类logistic回归筛选出有价值的自变量，构建回归模型,以期待获得一种简便而有效的鉴别腮腺良恶性肿块的方法。

1 资料与方法

1.1临床资料入组患者：发现腮腺区肿块来我院就诊的患者，触诊腮腺区有结节感，术前进行超声检查。入组的患者分成两部分。

第一组：2008年1月至2013年6月期间的243名腮腺肿块患者。受试者为164名男性，79名女性，患者年龄5～84岁，平均为47.7岁。肿块最大横径6 mm～77 mm，平均(29.23±0.782) mm，最大纵径4 mm～50 mm，平均(18.98±0.583) mm。

第二组：2013年7月～2014年8月的85名腮腺肿块患者进行超声检查。60名男性患者，25名女性患者，年龄为12～77岁，平均年龄(48.2±15.256)岁。

1.2仪器与方法

1.2.1 仪器 ToshibaAplio400、Philips HD1500型超声诊断仪，探头频率分别为8～9 MHz、7～12 MHz。

1.2.2 方法 由2个工作经验5年以上的医师对第一部分病例进行回顾性超声图像描述，详细记录肿块大小、形状、内部回声、是否有囊性变、是否有微小钙化、边界、内部血流分级、内部血流分布及后方回声8个指标。形状分圆形或椭圆形、浅分叶、成角。内部回声分为均匀、欠均匀、不均匀，欠均匀是指肿块内不同质回声为整体的5%～10%。边界分为清楚、欠清及不清。清楚是指肿块周边可见细的亮线或类包膜结构；欠清是指肿块前方没有细线样回声或包膜结构，但是无突出肿块轮廓的回声；不清楚是指肿块轮廓的中断。后方回声分为增强、不变和衰减。后方回声是与肿块前方的正常腮腺实质回声比较。特征性的回声：无回声和强回声。采用Adler血流分级法：0级，无血流信号；Ⅰ级，少量血流，可见1～2处点、短棒状血流信号；Ⅱ级，中等血流，可见3～4处点状血流，其中一条长度超过病灶半径；Ⅲ级，丰富血流，可见4条以上血管，或血管相互连通，交织成网状。以这组患者的腮腺肿块超声图像为基础，得出超声诊断标准，建立logistics回归模型。

第二组85名患者均在术前1周内行超声检查，然后由另外2名医生进行超声图像描述。8个观察指标由先前2名医生用第一组的图像为范本进行示范讲解。

1.2.3 统计学处理 以手术病理结果为诊断金标准。采用SPSS 16.0统计软件进行数据分析，两组间率的比较行χ2检验，计量资料用两个独立样本的t检验,以P<0.05为差异有统计学意义。以病理结果分类作为因变量，将上述超声特征作为自变量建立Logistics模型，采用偏最大似然估计前进法进行逐步回归，对回归参数估计值采用Wald χ2检验，对整个模型的拟合情况采用似然比检验，并用ROC曲线法评价Logistic模型的预报能力。统计学分析用SPSS 16.0软件完成，以P<0.05为有统计学意义。

2 结 果

2.1 logistics回归模型建立第一组的243名观察对象的图像特征与病理结果对比发现，178名为良性，65名为恶性，对腮腺肿块的超声特征以良恶性分类进行单因素分析结果(见表1)。腮腺良恶性肿块在形状、内部囊性变、内部钙化灶、边界、后方回声这五方面，差异统计学意义。

依据SPSS 16.0的输出结果，对于腮腺病灶良恶性鉴别的Logistics回归分析最后一步筛选出3个自变量：病灶内囊变与否(X3)、边界(X5)和后方回声(X6)。

第一个方程：logit(P)1=-2.621-0.814X3+1.035X5+1.485X6

对上述模型行似然比检验，具有统计学意义(χ2=185．822，P<0.001)。当回归值P大于0.25时预报为恶性，小于等于0.25时预报为良性，则预报正确率高达201/243=83%。以模型判断腮腺病灶恶性概率预测值绘Roc曲线，ROC曲线下面积(areaunder the ROC curve，Az)为判断指标检验模型拟合效果，Az为0.883±0.26，P<0.001，95%置信区间为(0.831，0.934)，用于预测腮腺肿瘤的良恶性效果也很好，敏感性82%，特异性80%。

表1腮腺良恶性肿块的单因素分析

腮腺良性肿瘤形状椭圆浅分叶成角内部回声均匀不均匀无回声区有无强回声灶有无PA(n=59)25(42．37)29(49．15)58．47)11(8．64)48(81．36)17(28．81)42(71．19)10(16．95)49(83．05)CL(n=65)38(58．46)25(38．46)2(3．08)8(12．31)57(87．69)45(69．23)20(30．77)10(15．38)55(84．62)统计量值3．9280．95720．2090．056P值0．0470．328<0．0010．052

图1 Logistics回归模型预报能力 曲线下面积Az=0.883；标准误SE(Az)=0.001；95%置信区间为(0.831～0.934)

2.2模型的建立与分析85名腮腺肿块患者对象，术前超声检查结果如下表(表2)。

2.3模型的验证与分析病理结果显示85名腮腺区患者中21例为恶性，64例为良性，将第二组超声数据的自变量代入logistics方程1：P1=EXP(-2.621-0.814X3+1.035X5+1.485X6)/(1+EXP(-2.621-0.814X3+1.035X5+1.485X6)，当P值>0.25时，预测为恶性。

病理结果中64个良性病例中预测为良性的为59例，21个恶性病例中预测为恶性的为14例。预报的准确性73/85=85.8%，敏感性为66.7%，特异性92.2%，阳性预测值73.7%，阴性预测值89.4%。

3 讨 论

超声是诊断腮腺区肿块的首选检查方式，如果凭借超声声像图能准确的诊断腮腺区肿块，对于临床的治疗和手术方式的选择发挥至关重要的作用。

表285名患者腮腺区肿块的超声表现

形状椭圆浅分叶成角内部回声均匀欠均匀不均匀边界清楚欠清不清无回声区有无46291018264166109374854．10%34．10%11．00%21．20%30．60%18．20%77．60%11．80%10．60%43．50%56．50%后方回声增强不变衰减血流分级0Ⅰ～ⅡⅢ血流分布中心周边其他强回声灶有无66127214816271939157077．60%14．10%8．20%20．70%60．50%18．80%31．80%22．40%45．80%17．60%83．40%

从本研究的单因素分析的结果来看，恶性肿块中有成角的占50.8%，而良性肿瘤中仅仅8.4%。良性肿瘤中内部出现囊性变的比例高达50.6%，而恶性肿瘤中囊性变出现的比例为24.6%。恶性肿瘤中出现钙化灶的比例为30.8%，良性肿瘤中12.9%出现钙化灶。恶性肿瘤及良性肿瘤边界不清的概率分别为56.9%、4.5%。良性肿块中有79.8%后方回声增强，恶性肿块中比例为21.5%。以上5个指标：形状、内部囊性变、微小钙化、边界及后方回声对于辨别腮腺区良恶性肿块有意义。

上述结果与文献报道基本一致。有文献报道：形状、边界、内部回声在良、恶性肿瘤中有显著性差异。另外蒋幼华、叶琴、姜静等报道，除了在形状、边界、后方回声3方面外，恶性肿瘤内部可见细小点状强光斑，良性肿块内少部分可见粗大的强光斑[5-6]。但是,Schick报道[7]钙化灶不能作为腮腺良恶性鉴别的指标，多形性腺瘤中钙化也较常见，并且本研究已经发表的文献中显示多形性腺瘤内强光斑比例为20%[8]，多形性腺瘤出现强回声是因为其内部存在以下3种成分：骨样分化、胶原性晶状体、酪氨酸和草酸盐结晶。

Logistic回归的基本原理是用一组观察数据拟合logistics模型，揭示若干自变量X与因变量Y的关系，反映Y对X的依存关系。它对各自变量进行筛选、校正混杂因素、预测和判别某事件发生的概率。同χ2检验和t检验相比,Logistics回归分析不仅可同时分析所有的影响因素,还能对各因素的影响程度进行一定的量化。

本研究中，Logistics回归提取了3个自变量：病灶内囊变与否、边界和后方回声。Logistics回归模型在回归值P大于0.25时预报为恶性，则预报正确率83%。以模型判断腮腺恶性病灶概率预测值绘Roc曲线，ROC曲线下面积Az为0.883±0.26，证明模型拟合较好。在统计分析过程中，第一步进入方程的自变量是后方回声，模型预测分类正确率为82.3%，第二步进入方程的自变量是边界，模型预测分类正确率为84.8%，当囊变选入方程时，模型的预测正确率没有增加，同样是84.8%。肿块边界和后方回声作为鉴别良恶性的指标也正是许多文献研究报道的结果，很少有文献将囊变作为良恶性鉴别的因素。因此，在实际工作中，前两者可以作为良恶性鉴别的比较可靠的指标，囊变是作为供考虑的因素。

用第二组病例去验证logistics模型1，当P值>0.25时，预测为恶性，预报的准确性85.8%，敏感性为66.7%。敏感性相对不高可能与腮腺区肿块独特的病理特征有关。例如黏液表皮样癌是腮腺中最常见的恶性肿瘤，以表皮样细胞、产黏液细胞及中间细胞为特征。大体上肿瘤光滑，常伴囊变；当肿块小于2cm时，通常内部均质、边界，特别是高级别的黏液表皮样癌大体上与良性肿块极其相似，通常被影像误诊(见图2)。而较常见的腺样囊腺癌大体上为实性，部分可见囊性变，边界清，但是无包膜，也有时候被误诊为良性肿瘤，典型的周围神经侵犯不能被超声检测[9]。另外还有腮腺内淋巴瘤，多表现为圆形、内部呈极低回声，无相互融合时边界清楚。只有低级别的恶性肿瘤和较大的肿瘤显示不规则的边界，不均匀的回声(见图3)。

图2 中-高分化粘液表皮癌

图3 低分化鳞癌

在临床表现上，良性肿块常表现为无痛性、缓慢生长，触诊多为质软或质中，活动性尚可。恶性肿瘤可表现为疼痛、麻木，触诊质地较硬。结合临床资料，可能会提高对腮腺区肿块的诊断准确性。

Logistics回归作为计算机辅助诊断的一种方法，对于预测单个发生结果甚至是推广时，还应该考虑到样本对总体的代表性。本研究样本量较小，因此，下一步应该进行多中心、大样本的前瞻性应用研究及检验。

[1] Yousem DM,Kraut MA,Chalian AA.Major salivary gland imaging[J].Radiology,2000,216(1):19-29.

[2] Zajkowski P,Jakubowski W,BialekE J,et al.Pleomorphic adenoma and adenolymphoma in ultrasonography[J].Eur J Ultrasound,2000,12(1):23-29.

[3] Lee SK,Rho BH,Won KS.Parotid incidentaloma identified by combined 18F-fluorodeoxyglucose whole-body positron emission tomography and computed tomography:findings at grayscale and power Doppler ultrasonography and ultrasound-guided fine-needle aspiration biopsy or core-needle biopsy[J].Eur Radiol,2009,19(9):2268-2274.

[4] Howlett DC,Menezes L,Bell DJ,et al.Ultrasound-guided core biopsy for the diagnosis of lumps in the neck:results in 82 patients[J].Br J Oral Maxillofac Surg,2006,44:34-37.

[5] 张恒,周世崇,范亦武,等.高频超声结合彩色多普勒在腮腺良恶性肿瘤鉴别诊断中的价值[J].上海医学影像,2008,17(2):162-164.

[6] 王瑶琴,陈巧玲,任永富,等.高频彩色多普勒超声在腮腺肿瘤诊断中的价值(附177例报告)[J].福建医药杂志,2010,32(5):117-119.

[7] Schick S,Steiner E,Gahleitner A,et al.Differentiation of benign and malignant tumors of the parotid gland:value of pulsed Doppler and color Doppler sonography[J].Eur Radiol,1998.8(8):1462-1467.

[8] 李毓红,裴小青,曾辉.腮腺多形性腺瘤与腺淋巴瘤的超声、病理对照分析[J].中华医学超声杂志:电子版,2011,2:370-375.

[9] 陈志奎,张秀娟,黄 静,等.高频超声诊断腮腺肿瘤[J].中国医学影像技术，2011,9:1775-1778.

10.15972/j.cnki.43-1509/r.2016.05.023

2015-12-09；

2016-06-26

R739.8

A

秦旭平)