基于超声声像图构建数学模型对实性为主甲状腺结节良恶性判别研究

作者：李璐; 邓红艳; 袁亚; 马雯婷; 叶新华^*

来源：肿瘤影像学, 2020, 29(06): 547-553.

DOI：10.19732/j.cnki.2096-6210.2020.06.005

• 甲状腺结节
• 超声
• 数学模型
• 偏最小二乘-判别分析法
• logistic回归

目的:探讨基于超声检查声像图构建数学模型在以实性为主的甲状腺结节良恶性判别诊断中的应用。方法:回顾并分析2018年1月—2019年7月于南京医科大学第一附属医院行超声检查时发现的实性为主的甲状腺结节,并经手术或穿刺标本病理学检查证实的97例患者,共97个结节,其中良性结节40个,恶性结节57个。整理分析结节的二维及彩色多普勒血流显像特征,比较两组结节基本特征差异,然后基于偏最小二乘-判别分析法(partial least squares-discriminant analysis,PLS-DA)和logistic回归分析方法建立结节良恶性判别模型。结果:利用Spearman相关性分析及逐步回归分析方法(Stepwise)对以实性为主的甲状腺结节特征变量进行分析,发现年龄、囊性是否偏心、强回声、边缘、形态、纵横比、甲状腺整体回声以及囊性成分分布等8个特征变量与以实性为主甲状腺结节良恶性显著相关。基于这8个特征变量构建数学模型,PLS-DA的真阳性预测值和真阴性预测值分别是92.9%和96.6%,logistic回归分析的真阳性预测值和真阴性预测值分别是92.0%和88.8%。此外,基于PLS-DA的受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)值为0.947,显著大于logistic回归分析的0.904。结论:基于PLS-DA和logistic回归分析结合超声声像图构建数学模型可用于以实性为主的甲状腺结节良恶性判别诊断,PLS-DA构建模型的预测能力要优于logistic回归分析。

• 单位
  南京医科大学第一附属医院