分类决策树辅助盆腔MRI术前诊断子宫内膜癌伴卵巢恶性肿瘤

徐晓娟，陈 雁*，李 楠，周丽娜，杨守鑫，欧阳汉，赵心明

(1.国家癌症中心/中国医学科学院 北京协和医学院肿瘤医院影像诊断科，北京 100021；2.北京大学第三医院临床流行病学研究中心，北京 100091)

分类决策树辅助盆腔MRI术前诊断子宫内膜癌伴卵巢恶性肿瘤

徐晓娟1，陈 雁1*，李 楠2，周丽娜1，杨守鑫1，欧阳汉1，赵心明1

(1.国家癌症中心/中国医学科学院 北京协和医学院肿瘤医院影像诊断科，北京 100021；2.北京大学第三医院临床流行病学研究中心，北京 100091)

目的采用分类决策树方法，探索盆腔MRI结合患者临床信息在术前诊断子宫内膜癌合并卵巢恶性肿瘤中的价值。方法回顾性分析801例子宫内膜癌患者资料，其中伴卵巢恶性肿瘤者(EC-OMT组)58例，不伴者(EC组)743例，比较两组患者术前临床资料及盆腔MRI征象，计算盆腔MRI对子宫内膜癌合并卵巢恶性肿瘤的诊断效能，采用决策树模型筛选有效的术前诊断指标。结果EC-OMT组子宫内膜病变浸润肌层深度超过EC组，其侵犯宫颈和宫角、发生腹盆腔淋巴结转移、腹膜转移的比例以及附件区发现肿物的比例均大于EC组，差异均有统计学意义(P均<0.01)。两组间宫旁受累差异无统计学意义(1.72% vs 0.40%，P=0.26)。盆腔MRI术前诊断子宫内膜癌合并卵巢恶性肿瘤的敏感度为51.72%(30/58)，特异度为99.87%(742/743)。经决策树模型筛选出3项有诊断意义的指标：宫角受累、附件区肿物及血清CA125，诊断子宫内膜癌合并卵巢恶性肿瘤的敏感度为89.66%(52/58)。结论采用分类决策树方法对盆腔MRI和相关临床信息建立决策树模型，可提高对子宫内膜癌合并卵巢恶性肿瘤的术前诊断敏感度。

子宫内膜癌；卵巢肿瘤；磁共振成像；决策树

子宫内膜癌是女性生殖系统常见的三大恶性肿瘤之一，多发生于绝经后妇女，绝经前患者约占20%[1]。近年来子宫内膜癌发病率呈逐年上升及年轻化趋势[2]。根据国际妇产科联盟(International Federation of Gynecology and Obstetrics, FIGO)制定的全面分期手术标准，其标准术式为全子宫切除+双附件切除+盆腔/腹主动脉旁淋巴结切除。标准术式可根除病灶，准确指导分期及术后辅助治疗，但卵巢切除术后的医源性绝经状态对年轻患者的生活质量造成严重影响[2-3]。且有研究[4]报道子宫内膜癌术中探查附件仍可导致约0.8%隐匿转移被漏诊。目前国内外妇科肿瘤学界推荐针对子宫内膜癌患者的肿瘤分期、组织分化程度、年龄及生育、生理需求采取个体化的综合治疗方案[5-7]。因此术前和术中精确评估卵巢是否合并恶性肿瘤，即是否有转移或合并双原发性癌，将有助于达成上述治疗目标。盆腔MRI对子宫内膜癌术前分期具有较高的准确率，但目前研究主要集中于对肌层浸润深度、宫颈受累情况及淋巴结转移等方面，而对合并卵巢恶性肿瘤检出的研究较少。本研究采用分类决策树的统计方法，探索盆腔MRI结合患者临床资料在术前诊断子宫内膜癌合并卵巢恶性肿瘤中的价值。

1 资料与方法

1.1 一般资料 收集2011年1月—2016年9月间我院收治并行手术治疗的子宫内膜癌患者801例，纳入标准：①首诊患者；②术前2周内接受盆腔动态增强MR检查，影像检查前未接受任何形式的药物治疗、放疗及子宫内膜活检；③住院接受FIGO分期手术，经术后病理检查证实为子宫内膜癌。根据手术病理证实是否伴卵巢恶性肿瘤分为2组：子宫内膜癌伴有卵巢恶性肿瘤组(endometrial cancer with ovarian malignant tumor, EC-OMT组)，共58例，包括卵巢转移癌46例，卵巢原发癌12例；子宫内膜癌不伴卵巢恶性肿瘤组(endometrial cancer, EC组)共743例。患者临床资料包括年龄和血清肿瘤标志物(CA125、CA199、CEA)水平。查阅患者住院病例，记录术中观察的卵巢大体表现。

1.2 仪器与方法 采用GE Signa Excite HD 3.0T MR扫描仪，体部相控阵线圈。平扫序列包括FSE序列轴位T1WI(TR 620 ms，TE 8.2 ms)，脂肪抑制T2WI (TR 5 000 ms，TE 106.6 ms，层厚5 mm，层间距1 mm)，小视野高分辨轴位T2WI(TR 5 400 ms，TE 130 ms，层厚4 mm，层间距 0.4 mm)，轴位SE-EPI序列DWI(TR 5 500 ms，TE 62.7 ms，层厚5 mm，层间距1 mm，b=0、800 s/mm2)。增强扫描采用高压注射器经上肢静脉注入对比剂钆喷酸葡胺，流速2.5 ml/s，总量0.2 mmol/kg体质量，后注入生理盐水10 ml。动态增强采用矢状位LAVA-XV序列，注药后15 s开始扫描，每15 s扫描1期，共扫描15期，层厚3 mm，然后行轴位及冠状位延迟扫描。

1.3 图像分析 所有影像资料由2名有经验的妇科肿瘤影像医师采用盲法阅读，意见有分歧时经协商达成一致。观察子宫内膜病变的肌层浸润深度、宫旁、宫颈、宫角受累情况、腹盆腔淋巴结情况、附件区有无肿物和腹膜转移情况等。根据附件区肿物的形态、边界、信号特点、强化特点及腹盆腔整体情况，将肿物性质分为5个等级：①考虑良性，肿物为圆形或椭圆形，边界清晰光整，T1WI呈低信号，T2WI呈均匀中、高信号，肿物呈完全囊性或完全实性，或可见明确的脂肪、骨化信号，增强扫描病变无强化或均匀一致强化；②良性可能性>50%，肿物为圆形或椭圆形，边界较清晰，T1WI呈低信号，T2WI呈较均匀中、高信号，未见明确的脂肪、骨化信号，肿物呈囊性者可伴较均匀的乳头结节，肿物呈实性者质地较均匀，增强扫描病变可有轻度不均匀强化；③良恶性难定，肿物表面有分叶，部分边界欠清晰，T1WI呈低信号，T2WI呈不均匀信号，囊性病变伴不规则实性乳头结节样结构，DWI实性部分呈高信号，增强扫描实性部分呈不均匀强化；④恶性可能性>50%，肿物呈不规则形伴表面分叶或菜花状，以实性为主的囊实性病变，边界不清，与子宫分界欠清，正常卵巢结构显示不清，T1WI以低信号为主，T2WI混杂信号，DWI呈高信号，增强扫描实性部分呈不均匀强化；⑤考虑恶性，肿物呈囊实性或实性，表面不规则，边界不清晰，与子宫分界欠清，正常卵巢结构未显示，T1WI以低信号为主，T2WI呈不均匀混杂信号，DWI呈高信号，增强扫描实性部分呈不均匀强化。同时伴腹膜、网膜和肠系膜的絮状、结节状和条索状软组织影，可有腹腔积液，盆腔可见肿大淋巴结。

1.4 统计学分析 采用SPSS 19.0统计分析软件。连续型变量根据是否为正态分布，采用±s或中位数(最小值，最大值)表示，组间比较采用独立样本t检验或Mann-WhitneyU检验；分类变量组间比较的单因素分析采用χ2检验。以术后病理检查结果为金标准，术前盆腔MRI和手术探查对子宫内膜癌合并卵巢恶性肿瘤的诊断效能采用诊断试验进行评价。采用决策树CHAID法筛选对子宫内膜癌合并卵巢恶性肿瘤有诊断意义的指标，并建立决策模型。P<0.05为差异有统计学意义。

2 结果

2.1 两组患者临床特点比较 801例患者中，子宫内膜癌患者合并卵巢恶性肿瘤者占7.24%(58/801)，其中合并卵巢转移癌者占5.74%(46/801)，合并卵巢原发癌者占1.50%(12/801)。EC-OMT组和EC组间年龄分布差异无统计学意义(t=0.56，P=0.58)，两组患者血清肿瘤标志物(CA125、CA199、CEA)水平差异均有统计学意义，EC-OMT组均大于EC组(P均<0.05)。见表1。

2.2 两组盆腔MRI征象比较 EC-OMT组在宫颈受累、宫角受累、腹盆腔淋巴结肿大和腹膜转移的比例明显高于EC组(P均<0.05)。两组间宫旁受累差异无统计学意义(1.72% vs 0.40%，P=0.26)。EC-OMT组病变浸润浅肌层和侵犯浆膜层比例分别为44.83%(26/58)和29.31%(17/58)，而EC组病变有51.55%(383/743)侵犯浅肌层，侵犯浆膜者仅1.21%(9/743)，差异有统计学意义(P<0.01)。EC-OMT组34例在附件区可见肿物(34/58，58.62%)，而EC组仅54例在附件区可见肿物(54/743，7.27%)，差异有统计学意义(P<0.01)。见表2、图1。

2.3 盆腔MRI和术中探查对子宫内膜癌合并卵巢恶性肿瘤的诊断效能 盆腔MRI在EC-OMT组和EC组术前分别检出附件区肿物34例和54例。将MRI未检出卵巢病变以及检出并判定“考虑良性”和“良性可能性>50%”作为阴性诊断，将MRI检出卵巢病变并判定“良恶性难定”、“恶性可能性>50%”和“考虑恶性”作为阳性诊断，其诊断敏感度为51.72%(30/58)，特异度为99.87%(742/743)，诊断正确率为96.38%(772/801)，漏诊率为48.28%(28/58)，误诊率为0.13%(1/743)，见表3。查阅患者手术病历，EC-OMT组33例于术中附件区探查时发现卵巢恶性肿瘤，25例探查未发现；EC组于术中探查中均未发现卵巢恶性肿瘤，术中探查对发现子宫内膜癌合并卵巢恶性肿瘤的敏感度为56.90%(33/58)，特异度为100%(743/743)。

表1 EC-OMT组与EC组年龄及血清肿瘤标志物水平比较

表2 EC-OMT组与EC组MRI征象比较(例)

表3 术前盆腔MRI评估卵巢病变情况(例)

图1 患者49岁，子宫中分化内膜样腺癌伴右侧卵巢转移 A、B.轴位脂肪抑制T2WI(A)及小视野高分辨T2WI(B)显示子宫内膜不均匀稍高信号肿物，侵犯右侧宫角，累及子宫浆膜面，与右侧卵巢软组织影分界不清； C.DWI显示病变呈高信号； D.增强后子宫内膜病变相对于肌层呈低强化，右侧卵巢病变呈不均匀强化

2.4 决策树模型建立 将卵巢是否有恶性肿瘤作为因变量，将患者临床资料(年龄及血清肿瘤标志物水平)及MRI征象作为自变量，采用交叉验证方法，设定最大树深度为3，父节点中最小个案数为40，子节点中最小个案数为20，采用CHAID算法建立决策树模型(图2)。通过该模型筛选出子宫内膜癌宫角受累、附件区发现肿物及血清CA125为有效诊断指标，采用节点0-2路径及节点0-1-4-6决策路径，可在术前诊断52例合并卵巢恶性肿瘤患者，敏感度为89.66%(52/58)，特异度为98.38%(731/743)，诊断正确率为97.75%(783/801)。

3 讨论

子宫内膜癌伴卵巢恶性肿瘤包括卵巢转移癌和子宫卵巢双原发癌，其中后者预后相对较好，复发率低[8]；但术前鉴别极为困难，诊断仍需依靠术后病理[9]。在临床工作中，两类情况并不影响子宫内膜癌手术方式的选择，故本研究将其合并分析。

盆腔MRI对子宫内膜癌诊断及术前分期的应用已较成熟，其分期准确率可达82.1%[10]。目前多模态MRI对于子宫内膜癌的研究集中于判断肌层浸润深度、淋巴结转移情况及组织分化程度等[11]。卵巢体积小且随生理周期形态改变，早期卵巢恶性肿瘤检出率较低。本研究中术前盆腔MRI对子宫内膜癌合并卵巢恶性肿瘤诊断敏感度为51.72%，术中探查为56.90%，提示有接近一半的病变为隐匿性，单纯依靠术前影像观察和术中探查难以发现。本研究根据分类决策树方法对患者术前临床及影像信息进行筛选，提取出MRI宫角受累、MRI附件区肿物及血清CA125用以指导诊断决策。根据节点0-2路径，MRI观察到宫角受累的44例均为EC-OMT组患者，按照节点0-1路径，未观察到宫角受累的757例患者中，14例(1.85%)为EC-OMT组患者。按照节点0-1-3路径，未观察到宫角受累、且附件区未观察到肿物的患者中仍有6例患者为EC-OMT组；按照节点0-1-4-6路径，在未观察到宫角受累的情况下，若附件区发现有肿物、且患者CA125>29.12 U/ml，则剩余8例EC-OMT组患者全部被检出。通过该决策树模型，术前盆腔MRI观察到宫角受累或宫角未受累但是附件区发现肿物、且患者CA125>29.12 U/ml时诊断为子宫内膜癌合并卵巢恶性肿瘤，按照此决策指标，可在术前发现52例合并卵巢恶性肿瘤患者，敏感度达89.66%，明显高于单纯盆腔MRI和术中探查。

图2 子宫内膜癌合并卵巢恶性肿瘤的术前诊断决策树模型

本研究的不足为回顾性分析，数据来源于同一家医院6年间的所有住院手术病例，并排除部分不符合条件者，会导致样本的选择性偏倚；盆腔MRI对于附件区肿物性质判断采用的5级分类标准，为研究者根据临床经验自行设定，目前尚无国内外统一标准，可能存在一定偏差；本研究阳性病例即EC-OMT组患者数量较少，今后仍需扩大样本量观察。

综上所述，子宫内膜癌合并卵巢恶性肿瘤者在血清肿瘤标志物、术前盆腔MRI征象均与未合并卵巢恶性肿瘤者有所区别。采用决策树模型筛选出MRI宫角受累、附件区肿物及血清CA125为有效诊断指标，可提高术前影像学对子宫内膜癌合并的卵巢恶性肿瘤的诊断敏感度，帮助有保留卵巢意愿的年轻患者选择治疗方案。

[1] 杨志峰,朱丽荣.年轻早期子宫内膜癌患者保留卵巢手术的探讨.中华医学杂志,2016,96(37):3039-3040.

[2] Ota T, Yoshida M, Kimura M, et al. Clinicopathologic study of uterine endometrial carcinoma in young women aged 40 years and younger. Int J Gynecol Cancer, 2005,15(4):657-662.

[3] 李淑敏,韩瑛.年轻子宫内膜癌患者保留生育、生理功能治疗的现状及进展.中华临床医师杂志(电子版),2015,9(5):715-719.

[4] 王佳,李小毛.保留卵巢对年轻早期子宫内膜癌患者预后影响的荟萃分析.中华妇产科杂志,2016,51(8):602-607.

[5] Wright JD. Take 'em or leave 'em: Management of the ovaries in young women with endometrial cancer. Gynecol Oncol, 2013,131(2):287-288.

[6] Burke WM, Orr J, Leitao M, et al. Endometrial cancer: A review and current management strategies: Part Ⅱ. Gynecol Oncol, 2014,134(2):393-402.

[7] Sun C, Chen G, Yang Z, et al. Safety of ovarian preservation in young patients with early-stage endometrial cancer: A retrospective study and Meta-analysis. Fertil Steril, 2013,100(3):782-787.

[8] 安娜,赵宏伟.子宫内膜及卵巢原发性双癌与子宫内膜癌卵巢转移的比较.肿瘤研究与临床,2015,27(9):617-619,634.

[9] Lin KY, Miller DS, Bailey AA, et al. Ovarian involvement in endometrioid adenocarcinoma of uterus. Gynecol Oncol, 2015,138(3):532-535.

[10] 刘明明,梁宇霆,张紫欣,等.MRI术前诊断子宫内膜癌宫颈间质浸润.中国医学影像技术,2016,32(1):95-98.

[11] 毕秋,吕发金.多模态磁共振成像对子宫内膜癌的研究.中国医学影像学杂志,2016,24(10):793-796.

DecisiontreeanalysisofpelvicMRIindiagnosisofendometrialcancerwithovarianmalignanttumor

XUXiaojuan1,CHENYan1*,LINan2,ZHOULi'na1,YANGShouxin1,OUYANGHan1,ZHAOXinming1

(1.DepartmentofDiagnosticImaging,NationalCancerCenter/CancerHospital,ChineseAcademyofMedicalSciences,PekingUnionMedicalCollege,Beijing100021,China; 2.ResearchCenterofClinicalEpidemiology,PekingUniversityThirdHospital,Beijing100091,China)

ObjectiveTo explore the value of pelvic MRI combined with clinical information in diagnosis of endometrial cancer (EC) with ovarian malignant tumor (OMT) using decision tree analysis.MethodsThe clinical information and pelvic MRI characteristics of 58 cases with ovarian malignant tumor (EC-OMT group) and 743 cases without ovarian malignant tumor (EC group) were reviewed and compared. The diagnostic efficacy of pelvic MRI was evaluated. Decision tree analysis was used in determining the performance on the diagnosis.ResultsIn EC-OMT group, the depth of myometrial invasion, the frequency of cervical and cornua uteri involvement, adnexal mass, pelvic or para-aortic lymph nodes involvement and peritoneum metastasis were higher than those in EC group (allP<0.01). Para-uterine involvement showed no significant difference between two groups (1.72% vs 0.40%,P=0.26). In diagnosis of EC with OMT, the sensitivity and specificity value of MRI was 51.72% (30/58) and 99.87% (742/743), respectively. Cornua uteri involvement, adnexal mass and CA125 level were screened as helpful indicators for pre-operation diagnosis by decision tree, and the sensitivity was 89.66% (52/58).ConclusionThe diagnosis model of pelvic MRI combined with clinical information by using decision tree analysis can promote sensitivity in diagnosis of EC with OMT.

Endometrial neoplasms; Ovarian neoplasms; Magnetic resonance imaging; Decision tree

徐晓娟(1983—)，女，重庆人，博士，主治医师。研究方向：妇科肿瘤影像诊断。E-mail： xu_xiaojuan@126.com

陈雁，国家癌症中心/中国医学科学院 北京协和医学院肿瘤医院影像诊断科，100021。E-mail： chenyan1972@sina.com

2017-06-30

2017-09-25

R737.33; R445.2

A

1672-8475(2017)11-0681-05

10.13929/j.1672-8475.201706046