文献速递妇产影像介入MRUS

高强度聚焦超声治疗子宫肌瘤疗效预测模型的建立

Establishment of a Predictive Model for the Efficacy of High-Intensity Focused Ultrasound in the Treatment of Uterine Fibroids.
PubMed 文献 · J Ultrasound Med · 2025-05-27

本研究回顾性纳入340例子宫肌瘤患者,利用临床与生化指标构建随机森林风险评分模型预测HIFU疗效。风险模型、治疗次数≥4次、年龄和TNF水平为独立影响因素,风险模型AUC为0.693,列线图在训练集和测试集AUC分别为0.734和0.814。

要点

  • 风险模型由肌瘤体积、CRP、E2、BMI、IL-6共5个指标构成,AUC为0.693。
  • 风险模型最佳阈值3756.805,敏感度0.747,特异度0.569。
  • 治疗4次及以上者疗效改善概率降低(OR=0.763,P<.001)。

核心结论

  • 基于临床特征和生化指标构建的风险评分模型可有效预测HIFU治疗子宫肌瘤的疗效。
  • 风险模型、治疗次数、年龄和TNF水平是治疗疗效的独立影响因素。
  • 风险模型与治疗4次及以上之间存在显著协同效应。
  • 列线图训练集AUC为0.734,测试集AUC为0.814,具有较高预测准确度和良好校准。

研究设计与样本

  • 回顾性队列研究,纳入2020年12月至2023年12月在本院接受HIFU治疗的子宫肌瘤患者340例。
  • 术前MRI用于确认肌瘤位置、体积、血供及与周围组织关系,并测量肌瘤体积、数目和类型。
  • HIFU治疗采用点-线-面-体扫描方式,超声频率0.8–4 MHz,输入功率100–400 W,每个脉冲持续时间150–1000 ms。
  • 疗效评估为治疗后1个月MRI测量的非灌注体积(NPV)比率,低于80%定义为无改善,大于80%定义为改善。
  • 采用随机森林分析构建风险模型,数据集按7:3分为训练集和测试集。

诊断标准与关键数值

  • NPV比率低于80%定义为无改善,大于80%定义为改善。
  • 随机森林模型AUC为0.849,最佳mtry值为3。
  • 风险模型AUC为0.693,最佳阈值3756.805,敏感度0.747,特异度0.569。
  • 肌瘤体积AUC为0.606,CRP AUC为0.636(敏感度0.612),E2 AUC为0.588,BMI AUC为0.608,IL-6 AUC为0.623。
  • 列线图训练集AUC为0.734,测试集AUC为0.814。

临床应用与阅片要点

  • 风险模型具有较高敏感度但特异度相对较低,可能将部分无应答者误判为应答者,临床实践中需谨慎考虑。
  • 风险模型评分越低、治疗次数越少,HIFU治疗疗效越好。
  • 作者认为该模型可帮助临床医生在治疗前对患者进行分层。
  • 列线图可为个体化治疗决策提供量化工具支持。

局限性

  • 本研究为单中心回顾性研究,可能导致样本量有限和潜在选择偏倚。
  • 本研究仅预测了HIFU治疗后1个月的疗效。
  • 未来应开展大规模前瞻性随机对照试验和长期疗效评估。
全文中译14 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:J Ultrasound Med. 2025 May 27;44(9):1645–56. doi: 10.1002/jum.16718

体重指数

C反应蛋白

促卵泡激素

高强度聚焦超声

白细胞介素-6

磁共振成像

无灌注体积

NPV比率

超出袋外

随机森林

受试者工作特征

肿瘤坏死因子α

子宫肌瘤是女性最常见的良性肿瘤,通常由平滑肌细胞增殖形成。1,2,3子宫肌瘤的发病率随年龄增长而增加,尤其是在30-50岁的女性中。约50%的女性可能在50岁之前患有子宫肌瘤。4尽管子宫肌瘤大多为良性,但它们可能导致月经过多、腹痛、下背部不适和不孕等症状,这些均可显著降低患者的生活质量。5在某些情况下,较大的子宫肌瘤还可能压迫周围器官,导致排尿困难和便秘等问题。6对于有生育需求的女性,子宫肌瘤可能影响受孕和妊娠,7,8因此需要根据患者的症状和具体情况制定个性化治疗决策。

近年来,随着社会进步和医疗技术的发展,子宫肌瘤的治疗方法日益多样化,如药物治疗、9手术治疗、10微创治疗11等。高强度聚焦超声(HIFU)作为一种无创治疗方式,逐渐成为一种有前景的选择。12,13通过聚焦,HIFU将高强度超声能量集中于肌瘤组织以实现热消融,从而使肌瘤体积缩小而无需切除,避免了传统手术造成的创伤和恢复期。14尽管HIFU在许多患者中已显示出显著的治疗获益,但其疗效在个体间差异显著。15这种差异不仅与患者的临床特征、症状和病理状况密切相关,还可能受到多种生化指标的影响。16,17因此,准确预测HIFU治疗子宫肌瘤的疗效已成为临床实践中的关键挑战。

目前,HIFU治疗疗效的预测多基于影像数据和临床特征。18,19尽管这些因素提供了有用信息,但它们不能完全反映患者激素环境的复杂性。目前关于利用激素水平(如雌二醇)构建预测HIFU疗效的风险模型的研究有限。在此基础上,本研究旨在利用临床和生化特征开发风险评分模型,以预测HIFU治疗子宫肌瘤的有效性。此外,还将探讨风险模型与不同临床特征和治疗因素之间的交互作用对疗效的影响,并通过列线图进一步验证模型的临床适用性。

材料与方法

研究对象

本回顾性队列研究纳入2020年12月至2023年12月在我院接受子宫肌瘤治疗的患者。纳入标准包括:1)诊断为子宫肌瘤的患者;2)接受HIFU治疗的患者;3)具有完整临床资料和生化指标。排除标准包括:1)妊娠;2)合并恶性肿瘤;3)临床资料不完整。最终共有340例患者纳入研究。

HIFU治疗的具体步骤

术前使用磁共振成像(MRI)确认子宫肌瘤的位置、体积、血供及其与周围组织的关系。治疗前20分钟,静脉输注芬太尼和咪达唑仑进行疼痛管理。患者俯卧于治疗床上,前腹壁与脱气水接触。将导管插入膀胱并注入脱气生理盐水以确保膀胱充盈适当。治疗采用点-线、线-面、面-体的扫描方式进行。超声频率设定为0.8至4 MHz,输入功率为100–400 W,每个脉冲持续时间设定为150至1000 ms。每次治疗持续30分钟至2小时,治疗间隔通常为2–4周,取决于患者病情。总治疗持续时间为1–3个月。

疗效评价

治疗后一个月,我们使用无灌注体积(NPV)比率作为疗效评估。比率低于80%定义为无改善,而比率大于80%定义为改善。具体计算公式为:NPV指治疗后观察到的无血供体积,总体积指治疗后子宫肌瘤的总体积。NPV和总体积均通过MRI获得。

数据收集

收集患者的人口学信息。研究中还使用MRI确定子宫肌瘤的体积(mL)、数量(单发或多发)和类型(实性或混合性)。治疗相关因素包括超声频率(MHz)、超声能量、治疗次数(1次、2–3次或4次及以上)和治疗持续时间。评估治疗前临床症状包括月经过多、痛经、压迫症状、腹痛和贫血,均分为轻度、中度或重度。生化数据包括卵泡期雌二醇(E2,pg/mL)和促卵泡激素(FSH,mIU/mL)、C反应蛋白(CRP,mg/L)、肿瘤坏死因子α(TNF-α,pg/mL)和白细胞介素-6(IL-6,pg/mL)。这些数据在手术前收集。

统计分析

采用随机森林(RF)分析筛选最佳特征,并使用袋外(OOB)误差估计确定最佳“mtry”值。基于确定的最佳值构建随机森林模型,并使用受试者工作特征(ROC)曲线、准确率、精确率、召回率和F1分数评估模型性能。随机森林中的GINI指数用作特征重要性,选择GINI指数最高的前5个特征构建风险模型。具体公式如下:采用多元logistic回归分析检验风险模型及其交互作用对治疗效果的影响,将数据集按7:3比例分为训练集和测试集。在训练集和测试集中将风险模型及多元logistic回归模型中的显著因素构建为列线图。连续数据以中位数(范围)表示,并使用Mann–Whitney U检验或t检验进行分析,而分类数据以频数(百分比)表示,并使用卡方检验或Fisher精确检验进行分析。

结果

改善组与未改善组在人口学与临床特征以及治疗相关信息方面的差异

在本研究中,85%的患者出现改善,而15%未改善。改善组与未改善组在多项人口学与临床特征以及治疗相关信息方面存在显著差异。改善组的中位年龄、体重指数(BMI)和子宫肌瘤体积显著低于未改善组(P值分别为.0417、.019和.0142)。此外,在治疗次数方面,改善组接受2–3次治疗的比例更高,而未改善组接受4次或以上治疗的比例更高(P = .0012)。在治疗前临床症状方面,改善组患者的月经和腹痛症状较轻,而未改善组患者症状较重(P分别为.038和.0326)。在生化指标方面,改善组的雌激素水平显著低于未改善组(P = .0283),而未改善组的CRP和TNF‐α水平显著更高(P分别为.00188和.0116)。其他因素如妊娠史、超声频率和超声能量在2组之间未显示显著差异(表1)。

表1 改善与未改善患者在人口学特征、临床特征和治疗相关信息方面的差异 查看原表 ↗

使用随机森林模型构建风险模型

我们将上述差异指标作为随机森林分析的输入变量,最优“mtry”值为3(图1),曲线下面积(AUC)值为0.849,表明随机森林模型的整体性能良好(图2A)。AUC为0.849,表明该模型在区分正类和负类方面具有良好的性能。敏感性和特异性相对均衡,F1分数较高且精确度优良,表明该模型能够较好地识别正类且假阳性较少(表2)。可视化结果表明,GINI指数最高的前5个特征为子宫肌瘤体积、CRP、E2、BMI和IL-6(图2B)。

图1 通过OOB误差法选择的“mtry”值。 查看原图 ↗
图2 A,随机森林模型的ROC曲线。B,随机森林模型的GINI指数。 查看原图 ↗
表2 ROC曲线参数 查看原表 ↗

风险模型的构建

评估风险模型及其5个特征对HIFU治疗疗效的预测能力。结果表明,风险模型的AUC值最高,为0.693,表明其在区分治疗效果方面表现良好。其最佳阈值为3756.805,敏感性为0.747,特异性为0.569。其他指标如子宫肌瘤体积(AUC = 0.606)和CRP(AUC = 0.636)也显示出一定的预测能力,尤其是CRP具有较高的敏感性(0.612)。此外,雌激素(E2)、BMI和IL-6的AUC值分别为0.588、0.608和0.623,表明这些因素在预测HIFU疗效方面也具有一定的参考价值。总体而言,风险模型在所有指标中表现最佳(表2;图3)。

图3 A,风险模型预测疗效的ROC曲线。B,基于子宫肌瘤体积预测治疗疗效的ROC曲线。C,使用CRP预测治疗疗效的ROC曲线。D,使用E2预测治疗疗效的ROC曲线。E,基于BMI预测治疗疗效的ROC曲线。F,使用IL-6预测治疗疗效的ROC曲线。 查看原图 ↗

风险模型及其交互效应用于预测治疗疗效的多因素Logistic回归分析

使用图2B中按Gini指数排序的前10个特征以及风险模型进行多因素Logistic回归分析。结果表明,与接受较少治疗的患者相比,接受4次或以上治疗的患者改善的可能性较低(OR = 0.763,P < .001),表明治疗次数越多,改善的概率越低。年龄与改善可能性之间也存在显著的负相关(比值比(OR)= 0.995,P = .047),即年龄越大,治疗疗效改善的可能性越低。TNF水平对治疗疗效也有显著影响,随着TNF水平的升高,患者改善的可能性略有降低(OR = 0.974,P = .048)。风险模型与改善效果之间也存在显著的负相关(OR = 0.710,P = .005),表明风险模型评分越高,治疗效果越差。其他变量,如月经过多和腹痛,未显示出对改善的显著影响(P > .05)(表3)。

由此可知,风险模型、年龄、TNF以及4次及以上治疗是改善的危险因素。继续分析风险模型与其他危险因素的交互作用,结果显示仅与4次及以上治疗存在显著交互作用,且B值小于0,表明风险模型在4次及以上治疗的患者中更有效,且B值小于单独风险模型的B值,表明4次及以上治疗是增强风险模型对疗效预测作用的因素。年龄与TNF的交互作用不显著,表明风险模型不受年龄和TNF水平的限制(表3)。

表3 分析风险模型及其交互作用对HIFU疗效的影响 查看原表 ↗

构建列线图

结果显示,在训练集中,风险模型显著高于4次及以上治疗。风险模型越低、治疗次数越少,最终疗效越好。根据图中标记患者的临床数据,风险模型为3144,TNF水平为7.308,轻度腹痛症状,轻度月经过多症状,年龄45岁,治疗次数少于4次,总分为363分,HIFU治疗效果改善的概率为93.8%。列线图模型的AUC值为0.734,表明该模型具有较高的预测准确性,校准曲线接近对角线,表明该模型在预测过程中具有良好的校准度(表2)(图4)。在测试集中,同样的风险模型和4次及以上治疗具有显著性。风险模型越低、治疗次数越少,治疗效果越好。根据图中标记患者的临床数据,风险模型为3333,TNF水平为7.182,轻度腹痛症状,轻度月经过多症状,年龄39岁,治疗次数少于4次,总分为362分,HIFU治疗改善的概率为94.6%。列线图模型的AUC值为0.814,具有较高的准确性。校准曲线落在对角线附近,表明结果可靠(表2;图5)。

图4 A,训练集列线图。B,训练集列线图校准曲线。C,训练集列线图ROC曲线。 查看原图 ↗
图5 A,测试集列线图。B,测试集列线图校准曲线。C,测试集列线图ROC曲线。 查看原图 ↗

讨论

本研究首先利用随机森林模型进行特征筛选和风险模型构建。其次,研究了风险模型及其交互作用对HIFU疗效的影响。最后,利用风险模型和显著影响疗效的因素构建了列线图模型。

我们的风险模型基于5项指标构建:子宫肌瘤体积、CRP、E2、BMI和IL‐6。CRP和IL‐6是炎症因子,而雌二醇是女性体内最重要的雌激素之一。20 目前,大多数研究基于影像组学数据构建预测模型。我们风险模型的创新之处在于使用了激素水平。研究发现,高水平雌二醇与子宫肌瘤的发生、体积和生长密切相关。21,22 激素与炎症因子在子宫肌瘤的发生和进展中存在复杂的相互作用。我们的模型通过将激素水平与炎症因子相结合,能够准确评估HIFU的疗效。

我们的研究发现,该风险模型的表现优于其他指标,提示其具有更高的准确性和临床实用性。其他特征,如雌二醇(E2)、BMI和IL‐6,也显示出对HIFU治疗疗效的一定预测价值。风险评分综合了多种临床、人口学和生物标志物因素,使其更加全面,更能反映患者的整体状况。该模型能够有效识别治疗结果改善的患者(高敏感性),有助于临床医生在治疗前对患者进行分层。然而,其相对较低的特异性可能导致部分无应答者被误分类为应答者,这在临床实践中应予以充分考虑。

年龄、TNF水平与治疗疗效之间存在显著的负相关。这可能是因为随着年龄增长,生理和生化功能的变化可能影响机体对治疗的反应。23 例如,随着年龄增长,机体修复和再生组织的能力下降;尤其是在治疗过程中,受损组织可能无法得到有效修复。24 这可能导致治疗后恢复期延长,影响治疗疗效的提高。TNF(肿瘤坏死因子‐α)是一种重要的炎症因子,TNF水平升高通常与慢性炎症、免疫反应以及某些疾病的恶化相关。25 治疗前高水平TNF与体内持续的慢性炎症反应相关,这可能影响治疗疗效,尤其是对于HIFU等局部治疗。26 炎症反应可能导致治疗区域的组织损伤、恢复延迟或修复不完全,从而影响治疗效果。

治疗次数是本研究发现的一个重要结果。改善组中接受少于4次治疗的患者比例较高,而无改善组中接受超过4次治疗的患者较多。通过多因素logistic回归分析,结果显示接受4次或以上治疗的患者改善概率显著降低(OR = 0.763,P < .001)。这一发现提示,HIFU治疗中治疗次数的增加可能导致治疗有效性下降,这可能与治疗后组织反应或累积副作用有关。尽管多次治疗可能增加治疗疗效的累积效应,但过度治疗可能引发过度的组织反应,从而影响治疗效果。

本研究的另一个亮点是,我们发现4次或以上治疗在一定程度上增强了风险模型对治疗疗效的预测能力。这可能是因为在接受多次治疗的患者中,治疗效果可能受到累积效应、治疗耐受性和副作用的影响,从而增强了风险模型在这些患者中的预测能力。接受更多治疗的患者通常经历更长的治疗过程,其体内可能存在一定水平的炎症。此外,由于我们的模型中包含炎症因子(CRP和IL-6),风险模型能够更好地反映其治疗疗效。

在列线图中进一步验证风险模型的性能时,训练集和测试集的结果均显示,风险模型和4次或以上治疗是影响治疗效果的重要因素。在训练集和测试集中,风险模型较低且治疗次数少于4次的患者治疗改善的概率更高,列线图模型具有较高的准确性和良好的校准度,为医生提供了支持个性化治疗决策的定量工具。

本研究存在若干局限性。首先,这是一项单中心回顾性研究,可能导致样本量有限和潜在的选择偏倚。其次,我们仅预测了HIFU治疗后1个月的疗效。未来应开展大规模前瞻性随机对照试验和长期疗效评估。

结论

总体而言,本研究成功构建了基于临床特征和生化指标的风险评分模型,用于预测HIFU治疗子宫肌瘤的疗效。风险模型、治疗次数、年龄和TNF水平是治疗疗效的独立危险因素。交互作用分析显示风险模型与4次或以上治疗之间存在显著的协同效应。列线图的AUC值分别为0.734和0.814,表明具有较高的预测准确性和良好的校准度,为个性化治疗提供了有力支持。

伦理声明

本文已由我院相关部门,如石家庄市妇幼保健院科教科、医务科和伦理委员会审查。本研究涉及的研究内容符合我院医学伦理和学术道德要求,研究内容合理,风险可控,无违规行为。所开展的相关研究符合安全、规范和真实的科研指导原则,符合临床研究伦理规范的要求。

引用

  1. Li H, Gao Y, Zhang X, et al. Establishment of a Predictive Model for the Efficacy of High-Intensity Focused Ultrasound in the Treatment of Uterine Fibroids. J Ultrasound Med. 2025. PMID: 40423241. doi:10.1002/jum.16718
  2. 全文:PMC12327158(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12327158/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。