论文部分内容阅读
目的:回顾探索甲状腺乳头状癌（Papillary thyroid carcinoma,PTC）的影响因素。在此基础上以患者的一般情况、术前实验室检查指标及超声结果建立甲状腺结节患者乳头状癌发生风险的简易模型,并评价其诊断性能。方法:收集2018年1月至2020年1月期间于南京鼓楼医院甲乳外科因甲状腺结节行甲状腺手术的患者的临床资料,包括一般情况如性别、年龄、身高、体重、血压等资料,计算体质指数（Body mass index,BMI）;实验室检查如甲状腺功能及抗甲状腺抗体、肝肾功能、血脂指标等;以及影像学检查即甲状腺结节的超声甲状腺影像报告与数据系统（Thyroid imaging,reporting and data system,TI-RADS）分级（2011 Kwak版）。根据术后病理结果将患者分为PTC和良性甲状腺结节（Thyroid nodule,TN）两组。应用独立样本t检验、Wilcoxon秩和检验和卡方检验进行差异性分析。危险因素分析则用逻辑回归分析（Logistic regression analysis）进行。我们基于超声TI-RADS分级、Logistic回归分析和BP神经网络（Back propagation neural network,BPNN）对甲状腺结节患者的性质进行预测模型的构建,根据各个模型的预测值与真实值分别绘制接受者操作特征曲线（ROC curve）并得到曲线下面积（Area under curve,AUC）,计算预测模型诊断的敏感性、特异性、阴性预测值（Negative predictive value,NPV）和阳性预测值（Positive predictive value,PPV）。以P<0.05为差异有统计学意义。结果:1.本研究共纳入2028名患者,平均年龄为45.26±12.98岁,其中术后常规病理诊断为良性TN者546人,PTC患者1482人,男性性别525人,女性性别1503人,男女比例为1:2.86。2.单因素分析提示PTC患者较良性TN患者有较高的促甲状腺激素（Thyroid stimulating hormone,TSH）、抗甲状腺过氧化物酶抗体（Thyroid peroxidase antibody,TPOAb）、抗甲状腺球蛋白抗体（Thyroglobulin antibody,Tg Ab）、白蛋白（Albumin,Alb）、尿酸（Uric acid,UA）、高密度脂蛋白胆固醇（High density lipoprotein cholesterol,HDL-C）、载脂蛋白A-I（Apolipoprotein A-I,Apo A-I）水平,以及较低的年龄、收缩压（Systolic blood pressure,SBP）、甲状腺球蛋白（Thyroglobulin,Tg）、直接胆红素（Direct bilirubin,DBIL）、空腹葡萄糖（Fasting Glucose）、血尿素氮（Blood urea nitrogen,BUN）、高密度脂蛋白胆固醇（High densitylipoprotein cholesterol,HDL-C）、载脂蛋白（Apolipoprotein,Apo）A-I水平。多因素Logistic回归分析显示TSH（OR=1.112,95%CI 1.027～1.205,P=0.009）、甲状腺自身抗体阳性（OR=1.633,95%CI 1.140～2.341,P=0.008）是甲状腺结节为乳头状癌的独立危险因素,而年龄（OR=0.966,95%CI 0.954～0.977,P<0.001）、Tg（OR=0.996,95%CI 0.994～0.998,P<0.001）、HDL-C（OR=0.502,95%CI 0.317～0.793,P=0.003）为保护因素。3.PTC患者的男性性别（OR=1.270,95%CI 0.994～1.622,P=0.058）、年龄<45岁（OR=1.270,95%CI 1.025～1.574,P=0.029）、肿瘤最大径>1cm（OR=1.439,95%CI 1.158～1.787,P=0.001）、肿瘤多灶性（OR=1.576,95%CI 1.266～1.960,P<0.001）为颈部淋巴结转移的独立危险因素。4.以TI-RADS分级4级及以上为阳性诊断建立超声独立诊断方式,根据预测结果与真实病理结果（PTC和良性TN）绘制ROC曲线下面积AUC=0.867。以X1（年龄）、X2（TSH）、X3（甲状腺自身抗体阳性）、X4（Tg）、X5（HDL-C）、X6（TI-RADS分级）为自变量,病理结果为因变量得到回归方程:Logit（P）=-1.885-0.035X1+0.106X2+0.491X3-0.004X4-0.690X5+2.423X6,绘制ROC曲线得AUC=0.940。以“性别、年龄、收缩压、TI-RADS分级、TSH、Tg、甲状腺自身抗体、Apo A-I、白蛋白”为输入的变量,病理结果（PTC和良性TN）为输出变量,构建BP神经网络模型结构。由计算机随机选取输入病例的80%为训练集,剩余20%为预测集。该网络模型在对1622例训练集进行了学习后输出了预测集共406例患者的预测值,其ROC的AUC=0.943。上述模型对数据均有较高的拟合度。结论:甲状腺结节患者的TSH、Tg Ab和TPOAb为PTC的独立危险因素,而年龄和HDL-C为可能保护因素。在PTC患者中男性性别、年龄<45岁、肿瘤直径>1cm、肿瘤多灶性为颈部淋巴结转移的独立危险因素。本研究基于Logistic回归分析,并首次基于BP神经网络,构建了关于甲状腺结节患者乳头状癌风险的模型。该模型具有非劣于Logistic回归模型和单纯超声TI-RADS分级诊断的预测效能,能够作为一项提高甲状腺乳头状癌临床诊断准确性的可供选择的辅助工具。