| 摘 要： | 目的探讨孤立性肺结节患者影像学结合肿瘤标记物在孤立性肺结节(solitary pulmonary nodules,SPN)良恶性诊断中的价值,并通过单因素和多因素分析建立SPN良恶性数学预测模型。方法回顾性分析桂林医学院附属医院胸外科2015年1月至2016年12月高分辨CT行胸部增强扫描证实为孤立性肺结节,行胸腔镜手术治疗并经术后病理证实为良性或恶性的97例孤立性肺结节病例,收集整理患者临床及影像特征,包括:年龄、性别、吸烟史、肿瘤家族史、肿瘤既往史、结节直径、位置、边界情况、分叶征、毛刺征、血管集束征、胸膜凹陷征、空洞、钙化、CEA、NSE、Cyfra21-1、SCCA等相关数据,通过单因素和多因素分析其与SPN病变性质的关系,并建立数学预测模型。结果单因素分析显示,良性与恶性SPN患者在年龄、吸烟史、结节直径、边界、分叶、毛刺、胸膜凹陷征、CEA、NSE、Cyfra21-1、SCCA上均有统计学意义(P0.05),多因素logistic回归分析显示:结节最大直径、毛刺、边界、血清Cyfra21-1、CEA等5项因素在良恶性SPN之间的差异有统计学意义(P0.05),是判断SPN性质的独立危险因素。通过多因素logistic回归分析建立数学预测模型P=ex/(1+ex),其中X=-17.230+(3.175×直径)+(2.575×边界)+(3.556×毛刺)+(1.593×CEA)+(1.577×Cyfra21-1),e为自然对数。根据预测模型预测P值为检验指标,以病理诊断为金标准进行对比,显示预测模型受试者工作特征曲线(receiver operating characteristic curve,ROC)下面积为0.989,诊断准确性高。结论本研究将高分辨CT影像学资料与肿瘤标记物结合,可提高孤立性肺结节良恶性判断准确率,本研究建立的数学预测模型对于SPN良恶性判断具有较高的灵敏性和特异性。
|
