经皮肾镜取石术结石清除率预测模型的研究进展

农光任 黄勇平

[摘要] 经皮肾镜取石术是治疗复杂性肾结石的首选术式，术后结石清除率是评估该术式疗效的关键因素。近年来，越来越多的学者探索肾结石患者术后结石残留的影响因素，并建立结石清除率相关预测模型。目前，学者对碎石难易程度的评估及结石清除率的预测方法尚未达成共识。本文对近年来几种常用的经皮肾镜取石术结石清除率预测模型研究现状进行综述。

[关键词] 经皮肾镜取石术；肾结石；预测模型；结石清除率

[中图分类号] R692.4      [文献标识码] A    [DOI] 10.3969/j.issn.1673-9701.2024.12.026

肾结石是泌尿外科常见病和多发病，约50%的泌尿系结石出现于肾脏。在我国，肾结石的患病率为10.3%，且呈上升趋势[1]。大部分肾结石患者表现为腰腹部疼痛，甚至出现血尿等症状；约25%的肾结石患者需住院接受治疗，其严重影响患者的身心健康和生活质量[2-3]。复杂性肾结石是指结石直径≥2.5cm的巨大结石、铸型结石、伴肾脏解剖结构及功能异常的多发结石、孤立肾结石、感染性结石、马蹄肾结石、鹿角形结石和多发肾盏结石等[2，4]。经皮肾镜取石术（percutaneous nephrolithotomy，PCNL）是治疗复杂性肾结石的首选术式，具有直视下碎石取石、创伤小、恢复快、疗效可靠等特点。但因患者的结石复杂程度不同，个体差异较大，部分患者术后仍会出现不同程度的结石残留情况，需进行再次甚至多次手术取石。多项研究证实，结石清除率（stone-free rate，SFR）预测模型可对肾结石患者PCNL的治疗效果进行评价。本文对近年来几种常用的PCNL SFR预测模型研究现状进行综述。

1  分级预测模型

有学者提出Guys分级系统，根据结石数量及结石在肾脏解剖结构中的分布，对肾结石手术难易程度进行等级划分，将其分为G1、G2、G3、G4共4个等级[5]。改良Guys分级系统增加对多发结石分散于不同肾盏数、脊柱畸形和发育异常等情况的评估，扩大病例适用性，提高预测特异度[6]。Guys分级越高，肾结石术后SFR越低[7]。王凤龙等[5]研究表明，Guys分级G1～G4级SFR分别为93.33%、78.57%、64.29%、46.15%，各级差异有统计学意义。Guys分级系统不仅与SFR相关，还与术中出血量、手术操作时间和术后住院时间相关[8]。Guys分级应用腹部平片检查进行SFR评估，不如CT平扫敏感，常忽略结石密度和大小等因素对SFR的影响，其在预测SFR方面具有一定的局限性。此外，Guys分级系统在建立时采用F30通道，该通道直径较大利于清石，但创伤性大术中易引起大出血。目前，国内已淘汰该通道而改用F24甚至更小的通道。因此，该分级系统是否继续应用于临床预测有待商榷。

2  量化评分预测模型

量化评分预测模型是基于结石残留风险因素，根据总评分的大小反映碎石的复杂程度，因其实用性较强、操作简便而广泛运用于临床。目前公认的量化评分预测模型有S.T.O.N.E.评分系统、SHA.LIN（砂淋）评分系统、S-ReSC评分系统和RUSS评分系统等。其中，S.T.O.N.E.评分系统和SHA.LIN评分系统均基于结石CT成像特征评估手术取石的复杂程度，即对结石负荷（最大横截面积）、碎石通道长度、肾盂梗阻程度、受累肾盏数、结石CT值及结石在肾脏解剖结构中的分布进行量化评分[9-10]。在S.T.O.N.E.评分系统中，评分为5～6分、7～8分、9～13分分别被评估为低、中、高复杂程度，评分越高SFR越低[11]。苑海春等[12]研究发现，结石CT值对SFR的影响越来越小，碎石通道长度和肾盂梗阻程度的预测价值有限，而结石负荷和肾盏受累数评分对预测SFR的贡献最大。但在预测术后并发症中，结石负荷和碎石通道长度评分仍是预测并发症的独立危险因素[13]。S.T.O.N.E.评分系统与Guys分级系统相比，综合因素的纳入仅能提高预测术后并发症的准确性，其在预测SFR效能方面并无显著作用[14]。受量化评分预测模型启发，彭国辉等[15]建立SHA.LIN新型评分系统。该评分系统与S.T.O.N.E.评分系统相似，其在S.T.O.N.E.评分系统基础上增加结石在肾脏解剖结构中的分布评分，其预测效能有所提升，准确性更强，是一项性能相对较好的评分预测模型[16]。SHA.LIN评分系统的差异不但与SFR相关，还与术中出血量显著相关，既能预测SFR又能预测术中患者的出血量[17]。

S-ReSC评分系统无需考虑结石硬度和大小等因素，其仅基于肾结石累及集合系统的解剖分布情况进行评分，操作简单、易行，受到广大临床医师的青睐[18]。S-ReSC评分系统的评分为1～9分，分为低分组（1～2分）、中分组（3～4分）和高分组（5～9分），评分越高，结石残留的风险越大[19]。李曦等[20]对113例肾结石患者进行验证发现，S-ReSC评分系统预测效能优于S.T.O.N.E.评分系统。

常用的量化评分预测模型还有Resorlu-Unsal肾结石评分，其仅由结石最大直径、肾下盏结石与肾盂漏斗角度、是否累及不同肾盏和肾脏解剖结构是否异常等4项变量组成，评分指标过少，预测能力存在一定的局限性[21]。直到楊旭东等[6]提出改良Resorlu-Unsal肾结石评分，其在Resorlu-Unsal肾结石评分的基础上增加鹿角形结石、结石面积和CT值评估，从而更全面地评估结石情况，提高预测性能。与S.T.O.N.E评分和CROES评分相比，改良Resorlu-Unsal肾结石评分预测SFR表现出良好的敏感度。黄远彪等[21]研究发现，改良Resorlu-Unsal肾结石评分的曲线下面积达0.87，表现出良好的预测效能。

近年来学者所提出的R.I.R.S评分系统、T.O.HO.评分系统等基本上是将上述常见报道的量化评分预测模型中的独立危险因素进行整合，其预测性能相当，外部验证未见显著提升[22]。普遍存在的问题是，预测模型采用结石最大直径≤4mm的标准评判结石清除状态，但部分预测系统建模和验证时采用腹部平片检查评估，相比于CT检查不易发现“阴性”结石，且易造成误差。

3  列线图预测模型

列线图预测模型是整合多个预测因素，将复杂的回归方程转变为可视化图形，使预测结果更加具有可读性，近年来已广泛运用于预测疾病的诊断和预后。腔道泌尿外科协会临床研究办公室（Clinical Research Office of the Endourological Society，CROES）列线图由结石负荷、结石位置、既往结石治疗史、鹿角形结石、结石数量、该中心年PCNL治疗量共6个变量组成，其优势在于纳入的6个变量均可根据患者术前的实际情况客观反映各个变量所占的分值，计算累计总分值即可在坐标轴上得到相对应的SFR[23]。CROES列线图建立时尚未涉及异常解剖结构变量。研究发现，预测肾脏解剖结构异常患者SFR时，CROES评分系统也表现出较高的准确性[24-25]。但随着碎石技术的不断进步，CROES评分的预测效能并不理想，推测其与中心年PCNL治疗量评分不再是影响SFR的主要危险因素相关[6]。近年来，列线图模型也不断推陈出新。李慰鑫等[26]将列线图模型的变量更新为结石负荷、位置、手术时间、术中出血量、结石直径和结石数目的列线图；Micali等[27]基于穿刺通道长度、是否存在尿路感染和患肾是否有手术史建立列线图，内部验证其具有良好的精准度和区分度，预测效能得到一定的提升。综上所述，列线图可反映结石的复杂程度。

4  其他预测模型

机器学习是近年来兴起并广泛运用于医学研究领域的计算机辅助数据挖掘技术，其能通过Logistic Regression、XGBoost回归量和随机森林等机器学习算法建立预测模型[28]。机器学习模型能结合CT图像，利用自动分割技术将诸如结石负荷、鹿角型结石或多发肾结石等情况作为影响SFR的重要影响因素，其提取的数据信息能客观反映碎石难度[29]。Aminsharifi等[30]研究显示，机器学习模型预测SFR的准确率明显提升，受试者操作特征曲线下面积达0.915，显著高于Guys等评分系统。近年来国内学者的研究也得到同样的结论[31]。因此，机器学习模型被认为是很有前景的预测工具，但因复杂性等因素，未被纳入临床实践[28，32]。此外，三维打印技术在PCNL上的应用屡见报道，该技术可全面观察肾结石与肾脏解剖和血管的比邻关系，帮助临床医师术前规划和术中辅助定位，提高SFR，其有望成为SFR新的预测变量[33-34]。

5  小结

综上所述，目前几种常见评分系统在预测PCNL SFR方面均有一定的预测效能。良好预测效能的评分系统全面整合多种重要的影响因素作为预测参数，如纳入指标较少则使预测价值受限，但参数过多又会增加临床医师的操作难度而降低可行性。S.T.O.N.E、SHA.LIN和S-ReSC等评分系统均以量表形式进行结石残留风险评估，其参数控制在4～6个之间，评估内容易于获取，且便于临床使用。但有些参数依靠操作者主观评判，尤其是需要定量评估的参数，如结石最大横截面积和穿刺通道长度等，不同操作者的评判结果不尽相同，易造成人为误差。基于机器学习的自动分割技术、放射组学和三维打印技术等可通过专业软件和工具完成变量设定，客观检测并量化术前肾结石特征，帮助分析、选择穿刺点和手术路径，有助于实现预测模型向精准化和个体化方向迈进。相信在不久的将来，随着研究的不断深入、软硬件的逐渐普及，这些方法有望在临床中普遍推广。

利益冲突：所有作者均声明不存在利益冲突。

[参考文献]

[1] 汪涵， 樊俊宁， 余灿清， 等. 中国成年人体质指数和腰围与肾结石住院风险的关联研究[J]. 中华流行病学杂志， 2022， 43（2）： 154–161.

[2] 黄健. 中国泌尿外科和男科疾病诊断治疗指南[M]. 北京： 科学出版社， 2020.

[3] COFFMAN T J， BOOTHE A， WATSON J. Rising prevalence of renal calculi： Treatments and considerations[J]. Nursing， 2022， 52（4）： 19–24.

[4] 卢依刚， 张文圣， 万滨. 经皮肾镜碎石术治疗复杂性肾结石患者对结石清除率及其影响因素分析[J]. 中國现代医生， 2022， 60（18）： 45–48， 207.

[5] 王凤龙， 孙凌风， 范欣欢， 等. Guys分级和STONE评分在预测经皮肾镜取石术后结石清除率的临床价值[J]. 国际泌尿系统杂志， 2021， 41（5）： 843–846.

[6] 杨旭东， 王朝明， 林琳， 等. 改良RUSS评分、S. T. O. N. E. 评分、CROES评分预测肾结石术后结石清除的价值对比[J]. 临床泌尿外科杂志， 2021， 36（6）： 439–443.

[7] 王胜利， 孙超， 李博. 肾结石S. T. O. N. E. 评分与Guys分级对经皮肾镜碎石术后结石残留预测价值的比较[J]. 上海医学， 2021， 44（10）： 760–765.

[8] BISWAS K， GUPTA S K， TAK G R， et al. Comparison of STONE score， Guys stone score and Clinical Research Office of the Endourological Society （CROES） score as predictive tools for percutaneous nephrolithotomy outcome： A prospective study[J]. BJU Int， 2020， 126（4）： 494–501.

[9] SELMI V， SARI S， OZTEKIN U， et al. External validation and comparison of nephrolithometric scoring systems predicting outcomes of retrograde intrarenal surgery[J]. J Endourol， 2021， 35（6）： 781–788.

[10] LAI S， JIAO B， JIANG Z， et al. Comparing different kidney stone scoring systems for predicting percutaneous nephrolithotomy outcomes： A multicenter retrospective cohort study[J]. Int J Surg， 2020， 81： 55–60.

[11] SADYKOV BAKHTIYOR， 哈木拉提·吐送， 瓦熱斯·先木西丁， 等. S. T. O. N. E. 评分系统对经皮肾镜疗效的预测价值[J]. 中华腔镜泌尿外科杂志（电子版）， 2019， 13（5）： 304–308.

[12] 苑海春， 种铁， 薛玉泉， 等. S. T. O. N. E. 评分系统预测经皮肾镜取石清石率和术后并发症的分析[J]. 微创泌尿外科杂志， 2019， 8（2）： 108–113.

[13] 郑秀龙， 李延江， 荆涛， 等. S. T. O. N. E. 评分系统与经皮肾镜取石术并发症的相关性研究[J]. 临床泌尿外科杂志， 2018， 33（11）： 894–898.

[14] KHAN N， NAZIM S M， FARHAN M， et al. Validation of S. T. O. N. E nephrolithometry and Guys stone score for predicting surgical outcome after percutaneous nephrolithotomy[J]. Urol Ann， 2020， 12（4）： 324–330.

[15] 彭国辉， 曹满超， 于洪波， 等. SHA. LIN评分在预测输尿管镜碎石术结石清除率中的价值[J]. 现代泌尿外科杂志， 2022， 27（4）： 324–328， 334.

[16] 陈志强， 于淼， 隋振宇， 等. SHA. LIN评分和S. T. O. N. E评分对经皮肾镜取石术结石清除率的预测价值比较[J]. 现代生物医学进展， 2018， 18（20）： 3967–3971， 3983.

[17] 霍旺盛， 雷婷婷， 王艷军， 等. 不同肾结石评分系统在经皮肾镜取石术中的应用价值研究[J]. 国际泌尿系统杂志， 2020， 40（5）： 780–784.

[18] AL ADL A M， MOHEY A， ABDEL AAL A， et al. Percutaneous nephrolithotomy outcomes based on S. T. O. N. E. ， GUY， CROES， and S-ReSC scoring systems： The first prospective study[J]. J Endourol， 2020， 34（12）： 1223–1228.

[19] 王晓锋， 杜友怀， 孙洪才， 等. 不同评分模式对经皮肾镜取石术后结石残留的预测价值[J]. 现代泌尿外科杂志， 2019， 24（9）： 748–753.

[20] 李曦， 支文斌， 杨洋， 等. S-ReSC和S. T. O. N. E. 评分系统预测经皮肾镜取石术后结石清除率的应用比较[J]. 国际泌尿系统杂志， 2021， 41（1）： 34–38.

[21] 黄远彪， 史云强， 王荣， 等. 输尿管软镜碎石术后结石清除的影响因素及RUSS评分修订量表的预测价值研究[J]. 国际泌尿系统杂志， 2022， 42（4）： 655–659.

[22] 王聪. RUSS评分、改良型S-ReSC评分、R. I. R. S. 评分、T. O. HO. 评分系统在预测输尿管软镜术后结石清除率的临床应用及对比[D]. 南京： 南京医科大学， 2021.

[23] 陈星， 彭畔新， 何宇辉， 等. SHA. LIN、S. T. O. N. E. 评分系统与腔道泌尿外科协会临床研究办公室列线图对预测经皮肾镜取石术后结石清除率及围手术期情况的对比[J]. 中国医学科学院学报， 2019， 41（4）： 492–500.

[24] KOCAASLAN R， TEPELER A， BULDU I， et al. Do the urolithiasis scoring systems predict the success of percutaneous nephrolithotomy in cases with anatomical abnormalities？[J]. Urolithiasis， 2017， 45（3）： 305–310.

[25] AVCI S， CAGLAYAN V， KILIC M， et al. Investigation of factors related to percutaneous nephrolithotomy failure in horseshoe kidneys and comparison of three stone scoring systems in prediction of outcomes[J]. Urol Int， 2021， 105（1-2）： 83–89.

[26] 李慰鑫， 桂耀庭. 个体化预测经皮肾镜碎石取石术后结石残留列线图预测模型的建立[J]. 甘肃医药， 2021， 40（6）： 503–506.

[27] MICALI S， SIGHINOLFI M C， ISEPPI A， et al. Initial experience and evaluation of a nomogram for outcome prediction in management of medium-sized （1-2 cm） kidney stones[J]. Eur Urol Focus， 2022， 8（1）： 276–282.