基于临床及超声声像图特征的乳腺癌风险预测模型

游珊珊, 姜玉新, 朱庆莉, 张璟, 刘赫, 孝梦甦, 戴晴, 孙强

游珊珊, 姜玉新, 朱庆莉, 张璟, 刘赫, 孝梦甦, 戴晴, 孙强. 基于临床及超声声像图特征的乳腺癌风险预测模型[J]. 协和医学杂志, 2014, 5(1): 26-30. DOI: 10.3969/j.issn.1674-9081.2014.01.007
引用本文: 游珊珊, 姜玉新, 朱庆莉, 张璟, 刘赫, 孝梦甦, 戴晴, 孙强. 基于临床及超声声像图特征的乳腺癌风险预测模型[J]. 协和医学杂志, 2014, 5(1): 26-30. DOI: 10.3969/j.issn.1674-9081.2014.01.007
Shan-shan YOU, Yu-xin JIANG, Qing-li ZHU, Jing ZHANG, He LIU, Meng-su XIAO, Qing DAI, Qiang SUN. A Breast Cancer Risk Prediction Model Based on the Clinical Characteristics and Sonographic Features[J]. Medical Journal of Peking Union Medical College Hospital, 2014, 5(1): 26-30. DOI: 10.3969/j.issn.1674-9081.2014.01.007
Citation: Shan-shan YOU, Yu-xin JIANG, Qing-li ZHU, Jing ZHANG, He LIU, Meng-su XIAO, Qing DAI, Qiang SUN. A Breast Cancer Risk Prediction Model Based on the Clinical Characteristics and Sonographic Features[J]. Medical Journal of Peking Union Medical College Hospital, 2014, 5(1): 26-30. DOI: 10.3969/j.issn.1674-9081.2014.01.007

基于临床及超声声像图特征的乳腺癌风险预测模型

基金项目: 

国家自然科学基金 81201112

详细信息
    通讯作者:

    姜玉新 电话:010-69155491, E-mail:jiangyuxinxh@163.com

  • 中图分类号: R445.1

A Breast Cancer Risk Prediction Model Based on the Clinical Characteristics and Sonographic Features

More Information
  • 摘要:
      目的  通过分析乳腺病灶超声征象及部分临床特征建立乳腺癌的风险预测模型。
      方法  回顾性研究2007年7月至2009年1月于本院进行乳腺病灶切除活检术的连续性病例116例, 用多因素Logistic回归得到超声及部分临床征象(包括患者年龄、乳腺癌家族史、病灶硬度、活动度、形状、边界、方向、后方回声及钙化)中的独立危险因素, 提出乳腺癌风险预测模型, 并用受试者工作特征曲线评价模型效果。
      结果  116例乳腺病灶中, 52例最终诊断为乳腺癌, 其中年龄大于50岁(OR=6.61, 95%可信区间1.07~40.72)、临床触诊质硬肿物(OR=6.56, 95%可信区间1.32~32.58)、超声声像图形态不规则(OR=19.93, 95%可信区间2.49~159.45)、边界模糊(OR=21.32, 95%可信区间1.98~230.14)、边缘成角或毛刺状(OR=31.33, 95%可信区间2.61~376.02)为乳腺癌的独立危险因素(P < 0.05)。据此建立乳腺癌风险预测模型, 该模型整体预测的准确性达96.7%。
      结论  本研究建立的乳腺癌风险预测模型并提出的患乳腺癌风险独立危险因素, 在临床实践中具有较高的客观性和可操作性。
    Abstract:
      Objective  To propose a breast cancer risk prediction model by analyzing the clinical characteristics and sonographic features of breast lesions.
      Methods  A total of 116 consecutive breast lesion samples obtained by biopsy in our hospital from July 2007 to January 2009 were retrospectively examined. Open biopsies were performed on each patient. The pathological results were used as the golden standard of diagnosis.Multivariate logistic regression analysis was used to identify the independent risk factors of breast cancer including age, family history of breast cancer, the hardness, mobility, shape, margin, orientation, posterior acoustic features, and calcification of the masses. The prediction model was developed and a receiver operating characteristic (ROC) curve was used to evaluate the efficacy of the prediction model.
      Results  Of the 116 breast lesions examined, 52 breast lesions were diagnosed as breast cancer. The independent risk factors included the patient's age ofmore than 50 years old (OR=6.61, 95%CI 1.07-40.72), hard mass (OR=6.56, 95%CI 1.32-32.58), irregular shape (OR=19.93, 95%CI 2.49-159.45), instinct margins(OR=21.32, 95%CI 1.98-230.14) and angular or speculated margins (OR=31.33, 95%CI 2.61-376.02). The whole accuracy of this prediction model was 96.7%.
      Conclusions  We developed a breast cancer risk prediction model and proposed independent risk factors, which can help predict the risk of breast cancer in clinical practices.
  • 心理健康是全民健康的重要组成部分。2020年,国家卫生健康委、国家发展改革委、教育部、财政部、人力资源和社会保障部、国家中医药管理局、国家医保局7部门联合发布《关于加强和完善精神专科医疗服务的意见》,明确提出应加强精神科医疗服务体系建设,提升精神科医疗服务能力,拓展精神科医疗服务领域[1]

    综合医院住院患者共病精神障碍现象非常普遍,其对患者的治疗和预后影响较大,然而既往此类问题在临床中并未得到及时关注和有效治疗。因此,为此类患者提供高质量、系统化、持续化的精神医学服务不仅是全民精神卫生工作的重要方面,同时也是提升医疗服务质量的具体体现。本文提出三级查房、固定随诊的会诊联络精神医学(consultation-liaison psychiatry,CLP)服务制度,以期实现对综合医院住院患者共病精神障碍的规范化治疗。

    最近一项荟萃分析结果显示,综合医院约1/3住院患者存在精神障碍共病,各科住院患者常见精神障碍发生率分别为:抑郁症12%~20%,广泛性焦虑障碍5%,惊恐障碍3%,谵妄15%[2]。躯体疾病和精神障碍之间存在重要且复杂的相互作用,例如,躯体疾病导致的痛苦、功能损害和社会心理压力,可增加精神障碍的风险;抑郁、焦虑等精神障碍常伴随下丘脑-垂体-肾上腺轴异常激活、慢性炎症状态等异常生理反应;精神障碍可由精神症状直接(如神经性厌食导致严重营养不良、电解质紊乱,自伤自杀行为导致直接躯体伤害,严重兴奋激越导致自我忽视、身体消耗等)或间接(如不健康生活方式和习惯)影响躯体健康。

    首先,从“躯体疾病住院”这一短的时间窗来看,精神障碍共病患者所需的医疗服务更加复杂。此类患者可发生多种精神障碍中的激越、被动、依从性差、情绪波动、夸大症状等问题,使其难以与周围人形成良性互动,造成医疗进展困难,进而导致患者住院时间长、计划外再入院率升高和医疗费用增加[3-5]。尽早干预,如减少患者的精神症状及相关风险,提高患者的自我照料能力,改善患者与周围人的有效互动等,则可减少住院时间以及计划外再入院率[6-7]

    其次,从“躯体疾病诊疗”这一更长的时间窗来看,除谵妄外,大部分精神问题很可能会迁延、波动或加重,对患者持续造成不良影响。一项针对100多万名呼吸系统疾病、心血管系统疾病或糖尿病等慢性病患者的纵向观察研究显示,精神障碍共病患者的全因死亡率和自杀死亡率均显著增加[8]

    针对北京多家大型综合医院的调查研究结果发现,即使是神经科医生,其对焦虑、抑郁精神障碍患者的识别率亦不足20%[9]。另一项针对我国57家综合医院超过1000名医生的调查发现,非精神科医生对典型共病精神障碍的总体诊断和治疗正确率不足40%[10]。在欧美国家,非精神科医师对抑郁的识别率亦仅为40%左右[11-12]

    在欧美国家,大部分综合性医院对住院患者的精神科会诊率为1%~2%,较高者为3%~5%,北京协和医院的会诊率约为1.5%[13],北京大学人民医院个别科室(心内科)的会诊率可达5.8%[14]。会诊率不足的原因包括:(1)所在医院的精神科资源可及性不足;(2)非精神科医师认为患者精神心理状况不急、不重,会诊不能提供更多的帮助,自己可以解决;(3)会诊者与其他科室的沟通不足,未能建立友好关系,使得其他科室在非必要时不愿请精神科医师会诊[15]

    由于患者和家属对疾病了解不足,其往往对疾病产生过度的病耻感,加之医生对患者的健康教育不足、后续随诊安排不清等,均可能使患者接受度低,从而导致治疗不充分,包括过早停药、症状未能实现良好控制、相关社会心理因素未得到充分干预等,使得患者后续病情迁延甚至加重。

    多种精神问题共病是躯体疾病患者共病精神障碍中常见的临床现象,而这一现象在大型综合性医院住院患者中尤为突出,无疑大大增加了患者的治疗难度。例如,谵妄与阿尔茨海默病共病,抑郁、焦虑与强迫共病,焦虑与药物滥用共病,抑郁、进食障碍与情绪不稳共病等。此类患者的临床治疗非常复杂,更需连续。在建立医患关系、实施药物治疗、开展心理治疗的每一部分、每一环节均极具挑战性,需要精神科医师掌握非常全面的理论知识和临床技能[16]

    CLP服务是综合医院精神科工作的重要内容,其目标是解决综合医院各科患者精神障碍的共病问题。20世纪80年代,我国开始引入CLP概念,北京协和医院心理医学科于2002年率先在国内开展CLP工作模式,相继在老年医学科、消化内科、心内科、神经内/外科、免疫内科、基本外科、中医科、妇产科等科室实施联络及会诊工作[17]。其中,会诊工作主要指临床各科医生识别患者的精神心理问题后发出会诊邀请而精神科医生应邀会诊;联络工作则主要指精神科医生规律参与躯体疾病科室查房活动,主动提供精神科会诊服务,并在精神医学、心身医学、医患关系等方面开展教育教学活动。相较于传统的应邀会诊,该工作模式更为主动,与临床医生、患者的关系更为紧密,工作视角更为“心身”。除治疗精神障碍共病问题外,笔者自2016年起从“生物-心理-社会”全人医疗视角,提出对综合医院有精神障碍共病的住院患者开展三级查房模式的CLP服务,以期更好地减少患者的精神症状、内心痛苦和心理压力,有效改善患者的临床结局。具体实施策略如下:

    第一步,对住院患者开展常规的、标准化的心理行为状况筛查,评估提示不同级别的风险隐患,病房按管理程序对存在共病精神障碍的患者发出精神科会诊邀请[18-19]

    第二步,形成由总住院医师—主治医师—主任医师构成的三级查房制度。接会诊当天,总住院医师完成患者共病精神障碍评估并提出临床诊治建议。对于常规患者,总住院医师给予处置后24 h内向主治医师汇报,主治医师视病情变化在48 h内与总住院医师常规巡视患者,进行针对重点问题的诊治意见补充,对首诊3 d内病情仍未有效改善者,向主任医师汇报并补充诊治意见;对于疑难、复杂或急/重症等治疗难度大的患者,当天由主治医师与总住院医师共同完成床旁查房并给予患者诊治建议,密切观察病情变化,视患者病情需要在24 h内完成主任医师查房;对1周内精神科病情仍未有效改善者,主任医师、主治医师和总住院医师共同床旁查房并给予进一步、连续性诊治建议。

    第三步,住院期间总住院医师主动随诊患者,了解患者病情变化,调整治疗。随诊频率视临床需要而定,临床症状轻、治疗反应好的患者住院期间每周随诊1~2次,临床症状重、变化快的患者每天随诊1~2次。同时对患者进行宣教,使患者充分了解其精神科诊断、精神障碍一般治疗规律、出院后随诊必要性和随诊方式。

    第四步,为患者主动安排出院后门诊随诊时间。

    综合医院精神医学服务是全民精神卫生工作的重要体现。针对如何为综合医院住院患者提供高质量、系统化、持续化的CLP服务,笔者提出了三级查房的CLP服务模式,以实现综合医院住院患者共病精神障碍的住院治疗,最大程度减少各种可能的临床风险,有效解决在建立医患关系、实施药物治疗、开展心理治疗中极具挑战性的问题,使患者的获益最大化。此外,通过共同治疗困难患者,可以提高CLP专科医师培养效率,促进专科人才更快成长。未来,我们会持续报告这一工作模式的多维度数据,期望带动更多同行开展类似工作,惠及更多患者。

  • 图  1   37岁女性患者,超声检查发现左乳下象限实性肿物,质韧,将此超声特征代入风险预测模型,危险因素只有形态不规则,得出结论为非乳腺癌,该患者病理结果为乳腺纤维腺瘤伴腺病

    A.灰阶超声显示低回声肿物,大小2.1 cm×1.3 cm,形态不规则,边界清晰;B.彩色多普勒血流显像示肿物内可见较丰富条状血流信号

    图  2   56岁女性患者,超声检查发现右乳外上象限实性肿物,质硬,将此超声特征代入风险预测模型,危险因素有年龄大于50岁、质硬、形态不规则,得出结论为乳腺癌,该患者病理结果为浸润性导管癌

    A.灰阶超声显示低回声肿物,2.9 cm×2.6 cm,形态不规则,边缘成角;B.彩色多普勒血流显像示肿物内可见较粗大穿入血流信号

    图  3   乳腺癌风险模型的受试者工作特征曲线

    表  1   116例乳腺病变声像图特征及BI-RADS分类的阳性预测值

    项目 总例数 乳腺癌 阳性预测值
    (%)
    是(例) 否(例)
    BI-RADS分类        
       BI-RADS 3 46 1 45 2.2%
        BI-RADS 4 48 29 19 60.4%
       BI-RADS 5 22 22 0 100%
    年龄        
       <50岁 73 23 50 43.4%
       ≥50岁 43 29 14 67.4%
    乳腺癌家族史        
       有 10 5 5 50.0%
       无 106 47 59 44.3%
    硬度        
       质软或质韧 52 11 41 21.2%
       质硬 50 38 12 76.0%
    活动度        
       好 63 14 49 22.2%
       差 39 35 41 89.7%
    回声类型        
       低回声 99 43 56 43.4%
       混合回声 17 5 12 29.4%
    形状        
       圆形或卵圆形 51 2 49 3.9%
       不规则形 65 50 15 76.9%
    方向        
       平行 101 39 62 38.6%
       垂直 15 13 2 86.7%
    边界        
       清晰 66 8 58 12.1%
       模糊 17 14 3 82.4%
       成角* 12 11 1 91.7%
       毛刺状* 11 11 0 100%
       小分叶状 10 8 2 80.0%
    强回声晕        
       有 14 13 1 92.9%
       无 102 39 63 38.2%
    后方回声特征        
       增强 36 9 27 25.0%
       衰减 18 12 6 66.7%
       无变化 56 27 29 48.2%
       复合型 6 4 2 66.7%
    钙化        
       无或粗大 87 29 58 33.3%
       微小 29 23 6 79.3%
    BI-RADS:乳腺影像报告和数据系统;*统计时将二者合并
    下载: 导出CSV

    表  2   多元Logistic回归分析预测乳腺癌可能性

    危险因素 OR 95%可信区间 P
    年龄大于50岁 6.61 1.07~40.72 0.042
    质硬 6.56 1.32~32.58 0.021
    形态不规则 19.93 2.49~159.45 0.005
    边界模糊 21.32 1.98~230.14 0.012
    边界成角或毛刺状 31.33 2.61~376.02 0.007
    边缘呈小分叶状 4.59 0.48~43.67 0.185
    下载: 导出CSV
  • [1]

    Euhus DM. Understanding mathematical models for breast cancer risk assessment and counseling[J]. Breast J, 2001, 7:224-232. DOI: 10.1046/j.1524-4741.2001.20012.x

    [2]

    Amir E, Evans DG, Shenton A, et al. Evaluation of breast cancer risk assessment packages in the family history evalua-tion and screening programme[J]. J Med Genet, 2003, 40:807-814. DOI: 10.1136/jmg.40.11.807

    [3]

    Fasching PA, Bani MR, Nestle-Kramling C, et al. Evaluation of mathematical models for breast cancer risk assessment in routineclinical use[J]. Eur J Cancer Prev, 2007, 16:216-224. DOI: 10.1097/CEJ.0b013e32801023b3

    [4]

    Gail MH. Personalized estimates of breast cancer risk in clinical practice and public health[J]. Stat Med, 2011, 30:1090-1104. DOI: 10.1002/sim.4187

    [5] 徐雅莉, 孙强, 单广良, 等.中国女性乳腺癌发病相关危险因素:病例对照研究.[J]协和医学杂志, 2011, 2:7-14. http://d.wanfangdata.com.cn/Periodical/xhyx201101003
    [6]

    Armstrong K, Handorf EA, Chen J, et al. Breast cancer risk prediction and mammography biopsy decisions:a model-based study[J]. Am J Prev Med, 2013, 44:15-22. DOI: 10.1016/j.amepre.2012.10.002

    [7]

    Timmers JM, Verbeek AL, Inthout J, et al. Breast cancer risk prediction model:a nomogram based on common mammographic screening findings[J]. Eur Radiol, 2013, 23:2413-2419. DOI: 10.1007/s00330-013-2836-8

    [8]

    Weisstock CR, Rajapakshe R, Bitgood C, et al. Assessing the breast cancer risk distribution for women undergoing screening in British Columbia[J]. Cancer Prev Res (Phila), 2013, 6:1084-1092. DOI: 10.1158/1940-6207.CAPR-13-0027

    [9]

    BI-RADS®-Ultrasound, First Edition[EB/OL].[2013-09-25]. http://www.acr.org/Quality-Safety/Resources/BIRADS/Ultrasound.

    [10]

    Lazarus E, Mainiero MB, Schepps B, et al. BI-RADS lexicon for US and mammography:interobserver variability and positive predictive value[J]. Radiology, 2006, 239:385-391. DOI: 10.1148/radiol.2392042127

    [11]

    Abdullah N, Mesurolle B, El-Khoury M, et al. Breast imaging reporting and data system lexicon for US:interobserver agreement for assessment of breast masses[J]. Radiology, 2009, 252:665-672. DOI: 10.1148/radiol.2523080670

    [12]

    Orel SG, Kay N, Reynolds C, et al. BI-RADS categorization as a predictor of malignancy[J]. Radiology, 1999, 211:845-850. DOI: 10.1148/radiology.211.3.r99jn31845

    [13]

    Raza S, Chikarmane SA, Neilsen SS, et al. BI-RADS 3, 4, and 5 lesions:value of US in management-follow-up and outcome[J]. Radiology, 2008, 248:773-781. DOI: 10.1148/radiol.2483071786

    [14]

    Aho M, Irshad A, Ackerman SJ, et al. Correlation of sonographic features of invasive ductal mammary carcinoma with age, tumor grade, and hormone-receptor status[J]. J Clin Ultrasound, 2013, 41:10-17. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=4628ee122fb4f18701dce9e72af6427b

  • 期刊类型引用(1)

    1. 常林,赵娟,冯红霞,詹晶. 分级心理干预模式对膝关节置换术患者心理及睡眠的影响. 现代医药卫生. 2023(19): 3383-3386 . 百度学术

    其他类型引用(0)

图(3)  /  表(2)
计量
  • 文章访问数:  355
  • HTML全文浏览量:  83
  • PDF下载量:  14
  • 被引次数: 1
出版历程
  • 收稿日期:  2013-10-23
  • 刊出日期:  2014-01-29

目录

/

返回文章
返回
x 关闭 永久关闭