摘要
目的:通过分析肺磨玻璃结节的临床及影像学特点，去探索影响磨玻璃密度结节(GroundGlassNodule,GGN)性质的独立预测因子，并建立一个可视化预测模型，希望可以为GGN的诊断治疗提供引导。 方法:回顾性收集2015年1月至2021年6月期间在沈阳市中国医科大学附属第一医院经手术途径，明确病理诊断的GGN肺结节患者的资料550例(建模集)用来进行单因素与多因素分析并建立预测模型.根据病理类型将研究对象分为良性组和恶性组.收集建模集患者的性别、年龄、吸烟史、家族史、既往肿瘤病史、临床症状(咳嗽咳痰、胸闷胸痛、咳血等)、结节最大直径、结节性质、结节位置、影像学特征(毛刺征、空泡征、分叶征、胸膜牵拉征、血管集束征、边缘特征、边界特征)及术后病理等信息，对其进行单因素分析后，将有临床意义的因素再进行多因素分析，由此建立预测模型.此外，还收集了2021年7月至2022年12月期间医院病理正确诊断的GGN肺结节患者的数据(验证集)161例，并利用验证集数据构建受试者工作曲线(Receiveroperatingcharacteristiccurve,ROC).计算曲线下面积(AUC)以检验模型的预测能力，并评价模型在判断GGN肺结节良性和恶性方面的敏感性和特异性.再利用R软件绘制临床模型的列线图、校准图及决策曲线(DecisionCurveAnalysis,DCA). 结果:本研究550例患者中，恶性结节384例，良性结节166例，两组患者在年龄、空泡征、边缘特征、毛刺征、分叶征、胸膜牵拉征、血管集束征、结节直径等方面有统计学差异，将空泡征、血管集束征、边缘特征、边界特征、结节最大径、肿瘤家族史纳入预测模型，建立Logit(P)=0.914*空泡征+1.195*血管集束征+0.943*边缘特征+1.367*结节直径+0.434*肿瘤家族史+0.701*边界特征-0.039的预测模型方程.将验证数据代入,并绘制ROC曲线，曲线下面积为0.815,SE=0.033,95％CI:0.750-0.881.利用R软件绘制临床模型列线图、校准图及DCA曲线，内部验证校准C-index为0.703,外部验证校准C-index为0.818.结论:空泡征、血管集束征、边缘特征、边界特征、结节最大径、肿瘤家族史是GGN结节良恶性的重要影响因素，本研究通过上述信息建立的结节良恶性风险预测模型诊断效能较高，可辅助临床对GGN结节进行更准确的诊断.
NETL