文献速递妇产影像腹部US

改良良性描述符与ADNEX两步策略评估卵巢肿瘤恶性风险:IOTA5多中心队列回顾性验证

Benign descriptors and ADNEX in two-step strategy to estimate risk of malignancy in ovarian tumors: retrospective validation in IOTA5 multicenter cohort.
PubMed 文献 · Ultrasound Obstet Gynecol · 2023-01-12

本研究基于IOTA5多中心回顾性队列,验证改良良性描述符(BDs)及两步策略(改良BDs不适用时用ADNEX模型)对附件肿块恶性风险的评估效能。共纳入17中心4905例患者,改良BDs适用于37%肿瘤,其中99.3%为良性;两步策略(无CA125)AUC为0.94(95%CI 0.92-0.96),恶性风险略被低估且校准因中心而异。结论:改良BDs可分类大部分附件肿块为良性,剩余肿块用ADNEX评估风险,两步策略便于临床使用。

要点

  • 改良BDs适用于37%附件肿块,其中99.3%为良性,可无计算机辅助直接判为良性。
  • 改良BDs不适用时用ADNEX(无CA125)评估风险,两步策略AUC达0.94。
  • 两步策略略低估恶性风险且校准因中心而异,判读时需结合临床。

核心结论

  • 改良良性描述符可将37%的附件肿块分类为良性,其中恶性仅占0.7%。
  • 对改良BDs不适用的肿块,ADNEX模型(无CA125)两步策略AUC为0.94,判别能力优秀。
  • 两步策略略低估恶性风险且中心间校准变异,但便于临床使用。

研究设计与样本

  • 研究类型:IOTA5多中心前瞻性队列的回顾性分析,遵循TRIPOD报告规范。
  • 样本量:36中心招募8519例,经中心质量筛选后纳入17中心4905例附件肿块患者。
  • 纳入标准:≥18岁、超声发现至少一个附件肿瘤;排除已随访及不符合质量标准的中心。
  • 参考标准:手术组织学或随访1年(12±2个月)的临床与超声信息;交界性肿瘤归为恶性。
  • 超声检查:经阴道超声,检查者对结局设盲,采用IOTA术语,多数为EFSUMB II/III级检查者。

关键影像表现/征象

  • 改良BDs在原四个描述符基础上均要求肿瘤最大径<10 cm,以减少恶性误判为良性。
  • 本队列中表现为恶性超声特征的肿瘤比例低于ADNEX开发数据集。
  • ADNEX模型纳入3项临床和6项超声预测因子,可计算五种肿瘤类别的概率。

诊断标准与关键数值

  • 改良BDs适用者恶性风险<1%;原始BDs适用者恶性风险>99%为良性,恶性描述符>92%为恶性(原文背景数据)。
  • 两步策略(无CA125)AUC 0.94(95%CI 0.92-0.96);敏感性分析扩展不确定结局后AUC 0.93(95%CI 0.91-0.95)。
  • 改良BDs适用于1798/4905(37%)肿瘤,其中1786(99.3%)为良性。
  • ADNEX输出五类结局概率:良性、交界性、I期原发浸润性卵巢癌、II-IV期原发浸润性卵巢癌、卵巢转移癌。
  • 决策曲线分析阈值设为估计恶性风险5%至50%,用于判断是否转诊肿瘤专科。

临床应用与阅片要点

  • 日常阅片可先按改良BDs(均需最大径<10 cm)快速识别良性肿块,适用时无需计算机辅助。
  • 改良BDs不适用时用ADNEX(可无CA125)计算恶性风险,辅助决定手术或保守随访。
  • 注意两步策略略低估恶性风险且校准因中心而异,判读时应结合临床和主观评估。

局限性

  • 回顾性分析,虽源自前瞻性队列但非预设验证。
  • 仅纳入17/36中心,排除标准可能影响外推性。
  • 53%患者CA125缺失,采用多重插补处理。
  • 10%肿瘤结局不确定,敏感性分析中增至29%。
  • 未进行中心病理复核,组织学由当地判定。
全文中译16 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:Ultrasound Obstet Gynecol. 2023 Jan 12;61(2):231–42. doi: 10.1002/uog.26080

贡献 本研究有哪些新发现?

本研究首次验证了修改版国际卵巢肿瘤分析(IOTA)良性简单描述符(BDs)以及一种两步策略在附件肿块恶性风险评估中的应用。修改版BDs作为第一步使用,若修改版BDs不适用,则随后使用附件区不同肿瘤评估(ADNEX)模型。该策略具有极好的判别能力,但略微低估了恶性风险。

本研究的临床意义是什么?

该两步策略适合临床使用。大部分附件肿块可通过修改版BDs归类为良性,无需计算机支持。对于其余肿块,可使用ADNEX计算恶性风险。ADNEX计算器可在线获取,也有智能手机应用程序版本,并已嵌入许多超声机器中。

引言

卵巢癌是发达国家女性癌症死亡的第五大原因。与在普通妇科部门管理的患者相比,在三级肿瘤转诊中心接受治疗的卵巢癌患者预后更好1, 2, 3, 4。正确诊断对于促进最佳治疗的实施非常重要。

为帮助临床医生决定适当的处理方案,已在接受手术的患者队列中开发了预测附件肿块恶性的数学模型。一个著名的模型是恶性风险指数(RMI)5。国际卵巢肿瘤分析(IOTA)小组创建并验证了四个模型来评估附件肿块的恶性风险:逻辑回归模型1、逻辑回归模型2、简单规则风险模型(SRRisks)和附件区不同肿瘤评估(ADNEX)6, 7, 8, 9, 10。系统综述和前瞻性队列研究表明,IOTA模型在区分良性和恶性肿瘤方面优于包括RMI在内的所有其他模型6, 11, 12, 13, 14。ADNEX模型使用简单的预测变量,计算四种类型恶性肿瘤的风险7。

一些附件病变可以使用IOTA简单描述符轻松分类为良性或恶性。这些描述符基于易于识别的超声特征,不需要使用计算机15。如果良性简单描述符(BD)适用于选择手术的肿瘤,该肿瘤几乎肯定是良性的(> 99%),而适用于恶性简单描述符的肿瘤中> 92%为恶性6, 15。在临床实践中,首先应用BDs是合乎逻辑的。如果其中一项适用,肿块可归类为良性(恶性风险< 1%),如果均不适用,则可使用数学模型来评估恶性风险。据我们所知,这种两步策略此前未被提出,也未在手术切除的肿块或保守管理的肿块中得到验证。

本研究的主要目的是验证修改版BDs及两步策略(即修改版BDs不适用时随后使用ADNEX)在手术和保守管理的附件肿块中的诊断性能。

方法

研究设计

这是对IOTA Phase-5研究(IOTA5)中期数据的回顾性分析,该研究是一项正在进行的国际多中心前瞻性队列研究16, 17。连续纳入至少有一个附件肿瘤并接受经阴道超声检查的患者。超声检查者根据肿瘤的超声表现(模式识别)、症状及肿瘤随时间的变化情况,建议手术或保守管理。IOTA5的招募于2016年12月停止。然而,患者随访将持续至每位接受保守管理的患者至少随访5年。本中期分析纳入2012年1月1日至2015年3月31日期间入组的患者,以及截至2017年6月30日的随访数据。共有来自14个国家的36个中心参与了该研究;包括肿瘤转诊中心(设有专门妇科肿瘤单元的三级中心)和其他类型的中心。该研究获得了比利时鲁汶大学医院伦理委员会作为协调中心的批准(B32220095331/S51375),以及各参与中心当地伦理委员会的批准(伦理批准编号列于表S1)。IOTA5研究方案可在ClinicalTrials.gov(NCT01698632)查阅。本报告按照个体预后或诊断多变量预测模型的透明报告(TRIPOD)指南撰写18。

纳入和排除标准

患者符合纳入条件的要求为:年龄至少18岁,且超声检查显示至少有一个附件(卵巢/卵巢旁或输卵管/输卵管旁)肿瘤。我们采用IOTA对附件肿瘤(病灶)的定义,即“根据超声图像评估判断为不符合正常生理功能的卵巢部分或附件肿块”19。

被判断为生理性(卵泡囊肿、黄体囊肿)且最大直径< 3 cm的囊肿不符合IOTA5的纳入条件。拒绝或撤回知情同意是其他排除标准。妊娠不是排除标准。在本研究的分析中,已在入组IOTA5研究之前在参与中心被诊断为附件肿瘤并处于随访中的患者被排除。

超声检查与CA125测定

纳入研究时,超声检查者按照研究方案进行标准化的经阴道超声检查并登记临床信息。按照设计,超声检查者对结局设盲。他们未对临床信息主动设盲,也未对生物标志物或其他影像学检查(如超声检查前可能已进行的计算机断层扫描)结果主动设盲。所有超声检查者(n = 77)均已通过IOTA认证测试(https://www.iotagroup.org/certified‐members)。大多数扫描由II级或III级检查者完成,极少数由I级检查者完成(级别由欧洲超声医学与生物学联合会(EFSUMB)定义)20。采用IOTA术语描述超声所见19。收集每位患者预先定义的超声变量信息(表S2)。使用主观评估(模式识别),超声检查者将每个肿瘤分类为良性、交界性或恶性,并说明作出诊断的确定程度(确定、可能、不确定)。超声诊断基于对良性、交界性和恶性病变以及不同类型特定附件病理典型超声表现的认识21。如果存在多个肿块,超声检查者将超声形态最复杂的肿块登记为主导肿瘤。我们的统计分析中使用主导肿瘤。在随访访视时,按照与纳入扫描相同的方案进行超声检查,并获取临床信息,包括症状信息。每次检查时,超声检查者根据超声诊断和患者症状提出处理建议(手术切除或随访)。然而,最终处理决定由转诊临床医生作出,需考虑临床症状、超声所见、其他影像学检查(如计算机断层扫描或磁共振成像)结果、肿瘤标志物以及患者偏好。

保守管理包括每隔3个月、6个月和12个月进行临床和超声随访,此后每12个月随访一次。鼓励测定血清CA125,但这不是研究的纳入标准。CA125测定按照各中心当地实践进行。

数据收集与清理

患者数据登记在一个安全的电子平台上(IOTA5研究筛查系统;astraia软件,德国慕尼黑)。每位患者被自动分配一个唯一识别码。所有数据通信均加密以保证数据安全。数据清洗由一个超声检查者和生物统计学家组成的团队执行。数据清洗包括向当地研究者发出查询,以修正不一致之处并补全缺失数据。当地中心使用一份标准化的问卷(附录S1)对患者和/或主管临床医生进行调查,以获取缺失信息。在分析我们的数据之前,我们定义了研究中心纳入我们分析的标准。对于一个中心要被纳入,我们要求其至少招募了50名患者,连续招募患者而不论建议的管理方式(手术或保守管理并随访),并且至少70%的招募患者具有良好质量的随访数据。我们将良好随访数据定义为记录了研究结局(任何时间点的手术、肿物自发消退或患者死亡)或纳入后至少10个月的最后一次随访 visit。70%的截断值是任意选择的,因为这对IOTA指导委员会的成员来说似乎是合理的(详见附录S2)。

改良良性描述符与两步策略

我们事先对原始良性描述符15进行了修改,要求所有四个描述符均满足肿瘤最大直径< 10 cm,而不仅仅是第三个描述符(图1)。我们将这些描述符称为改良良性描述符。加入大小标准是为了降低恶性肿瘤被误分类为良性的可能性。基于IOTA 1–3期研究的数据(n = 5914)6,1618个(27%)肿瘤符合原始良性描述符的标准,其中11个(0.7%)为恶性。在同样的5914个肿瘤中,1427个(24%)符合改良良性描述符的标准,其中6个(0.4%)为恶性(未发表数据)。

恶性简单描述符15不用于两步策略中。作为两步策略的第一步,使用改良良性描述符。当改良良性描述符不适用时,第二步是使用ADNEX。ADNEX计算五种结局类别的概率:良性、交界性、I期原发性浸润性卵巢恶性肿瘤、II–IV期原发性浸润性卵巢恶性肿瘤以及来自其他原发来源(如乳腺癌或结肠癌)的卵巢转移7。ADNEX使用三个临床预测因子和六个超声预测因子:中心类型(肿瘤中心 vs 其他)、患者年龄、CA125水平、病变最大直径、实性组织比例、乳头状突起的数量、是否存在> 10个囊腔、是否存在声影以及是否存在腹水。ADNEX也可以在不使用CA125的情况下使用。关于ADNEX模型的详细信息见附录S3。模型预测基于纳入扫描时获得的信息,因此对结局是盲法的。

图1 国际卵巢肿瘤分析(IOTA)改良良性简单描述符,附超声图像说明。 查看原图 ↗

参考标准

参考标准是指纳入时附件肿瘤的性质(良性或恶性)。交界性肿瘤被归类为恶性。每个附件肿块根据组织学分类为良性或恶性,如果肿瘤经手术切除,则依据组织学结果,否则依据随访检查结果(见下文)。手术切除肿瘤的组织学由当地中心确定。未进行中心病理学复核,因为我们在之前的一项IOTA研究中发现当地与中心病理报告之间差异很小 8 。病理学家对超声预测变量和模型预测设盲,但在临床相关时可能已获得超声检查者主观评估的信息。恶性肿瘤根据国际妇产科联盟(FIGO)指南进行分类 22 。如果肿瘤未经手术切除,则根据12 ± 2个月随访期间的临床和超声 findings 分类为良性或恶性(即,判定结局的最短随访时间为10个月)。可能存在不同情况:一些患者接受了手术但无随访,另一些患者接受保守管理,伴或不伴后期手术。对于部分患者,我们没有纳入访视之后的信息。如果无法获得纳入时将肿瘤分类为良性或恶性的数据,则结局分类为不确定。表1描述了将肿瘤分类为良性、恶性或不确定的标准。

表1 基于组织学或临床信息的肿瘤结局定义,纳入4905例至少有一个附件肿块的患者(引自Van Calster等 17 ) 查看原表 ↗

研究终点

与研究目标一致,主要研究终点为:(1)改良BDs适用的肿瘤百分比;(2)改良BDs适用的病变中恶性肿瘤的百分比;(3)两步策略在区分度和校准度方面的诊断性能。次要研究终点为ADNEX(含和不含CA125)仅应用于改良BDs不适用的肿瘤时的区分能力。

统计分析

统计分析概述如下。统计分析细节和样本量讨论见附录S4–S6。统计分析使用R 3.5.1版(R Foundation for Statistical Computing,维也纳,奥地利)进行。

我们计算了修改后的BDs适用的患者百分比,以及修改后的BDs适用的肿瘤中恶性肿瘤的患病率。为评估两步策略的性能,我们需要修改后的BDs适用时五种肿瘤结局各自的风险估计值。附录S5描述了这些风险估计值是如何获得的。我们使用受试者工作特征曲线下面积(AUC)评估良性与恶性肿瘤之间的区分度。为评估估计恶性风险校准度,我们使用逻辑重校准模型23计算校准截距和斜率。临床效用通过决策曲线分析评估,计算估计恶性风险在5%至50%阈值范围内的净获益,以决定哪些患者应转诊至专科肿瘤诊疗24。对于两步策略,我们进一步评估了五种肿瘤亚型每种配对组合的AUC、作为多分类AUC的多分类判别指数(PDI),以及五种肿瘤亚型各自估计风险的校准度25, 26。

对于修改后的BDs适用的患者百分比、良性与恶性肿瘤的AUC、恶性风险校准度和决策曲线分析,我们处理了中心间的异质性。这是通过计算各中心特异性性能并使用荟萃分析合并结果来完成的(附录S4)23, 24, 27。AUC的异质性使用95%预测区间(PI)量化28,其描述了在新中心可预期的AUC值范围。由于恶性肿瘤数量过少,对于修改后的BDs适用的肿瘤中恶性肿瘤患病率、肿瘤亚型每种配对组合的AUC、PDI以及各肿瘤亚型的校准度,无法进行荟萃分析。对于这些分析,汇总了所有中心的数据。对于修改后的BDs适用的患者百分比,我们同时进行了荟萃分析和汇总分析。

按绝经状态和中心类型进行了亚组分析。

处理潜在偏倚来源的方法

我们实施了若干程序以减少潜在偏倚。首先,我们遵循预先设定的统计分析计划,以避免根据结果选择分析。其次,为处理差异性验证,我们使用预先设定的标准判定肿瘤结局为良性、恶性或不确定(表1)。第三,主要分析纳入缺失CA125水平和不确定结局多重插补后的所有患者(附录S4)。排除结局不确定的参与者会导致部分验证偏倚,排除CA125缺失的参与者会导致选择偏倚18, 27, 29, 30。多重插补是避免此类排除的推荐方法30。第四,我们进行了预先设定的敏感性分析,其中我们将不确定结局的定义扩展至包括所有使用超声图像主观评估将结局标记为良性或恶性的组别(表1中的B2、M2,3和U1–4)。此举旨在处理因差异性验证可能产生的乐观偏倚。第五,我们使用预先设定的数据质量标准,以仅纳入来自连续纳入且数据足够完整和准确的中心的数据(附录S2)。这可能通过避免患者层面的排除(相反,我们排除了整个中心)来限制潜在失访偏倚,并限制不确定结局的数量。最后,进行了一项额外的预先设定分析,其中排除了按表1定义为结局不确定的肿块。此举仅为完整性而进行,因为基于缺失数据的排除会导致高偏倚风险18, 30。

结果

患者流程见图S1。IOTA5的中期数据集共纳入来自36个中心的8519例患者(表S3)。25例患者因撤回知情同意被排除。另有来自19个中心的2777例患者被排除于主要分析之外:1个中心终止参与,7个中心招募< 50例参与者,3个中心因非连续招募被排除,8个中心因数据质量欠佳被排除。数据质量欠佳的原因包括人员不足(3个中心)、信息技术问题(2个中心)和/或使患者返回进行计划随访访视存在困难(4个中心)(附录S2)。在剩余17个中心的5717例患者中,812例(14%)患者在纳入前其肿块已在招募中心接受随访。因此,4905例患者被纳入我们的主要分析(表S1)。在4905例女性中,4151例(85%)遵循了超声检查者建议的处理方式,445例(9%)未遵循,309例(6%)实际处理方式未知。

患者和肿瘤特征见表2。4905例患者的中位年龄为48岁(四分位距(IQR),36–62;范围,18–98)岁,2151例患者(44%)已绝经,2140例(44%)的主要肿块为单房囊肿,1734例(35%)的主要肿块含有实性成分。中位最大病灶直径为55 mm(IQR,38–83;范围,7–751),2031个肿块(41%)在彩色或能量多普勒上未检测到血流(彩色评分1)。2620/4905例(53%)患者缺失CA125信息。接受手术(32%)或肿瘤被认为可能恶性(23%)或确定恶性(14%)的患者中缺失CA125值较少见(表S4)。总体而言,3441个(70%)肿瘤为良性,978个(20%)为恶性(交界性或浸润性),486个(10%)肿瘤的结局不确定(表S1)。结局不确定的原因包括失访(n = 432)或随访期间信息矛盾(n = 54)(表1)。建议保守管理时失访比建议手术时更常见(13% vs 5%),基于主观评估的诊断为良性时失访比不确定或恶性时更常见(21% vs 16%)(表S5)。与ADNEX的开发数据集相比,本研究中表现出恶性超声特征的肿瘤比例较小。这是因为开发集仅纳入了接受手术的患者 17 。

改良BDs适用于37%(1798/4905)的肿瘤(汇总分析)。各中心特异性结果和荟萃分析结果见表S6。在改良BDs适用的1798个肿瘤中,0.7%(95% CI,0.4–1.1%)为恶性:0.3%为交界性肿瘤,0.1%为I期原发性卵巢浸润性恶性肿瘤,0.1%为II–IV期原发性卵巢浸润性恶性肿瘤,0.2%为继发性转移性肿瘤(表3)。在3107例改良BDs不适用的肿瘤患者中,使用CA125的ADNEX的AUC为0.92(95% CI,0.89–0.94;95% PI,0.80–0.97),不使用CA125的ADNEX的AUC为0.91(95% CI,0.87–0.93;95% PI,0.78–0.96)。

当使用含CA125的ADNEX作为第二步时,两步策略的总体AUC为0.95(95% CI,0.92–0.96;95% PI,0.85–0.98);当使用不含CA125的ADNEX时,总体AUC为0.94(95% CI,0.92–0.96;95% PI,0.84–0.98)(图2)。使用不同风险截断值提示恶性时两步策略的敏感度和特异度见表S7。两步策略的总体校准曲线见图3。风险估计被轻微低估,且观察到各中心间的异质性(图S2)。两步策略的汇总决策曲线与所有肿瘤中使用ADNEX时显示结果的曲线完全重叠(图4)。

两种两步策略区分不同肿瘤类型的能力见表S8。除两个例外情况外,两种两步策略表现出相似的区分能力:使用ADNEX以CA125作为第二步而非不使用CA125的ADNEX,在区分II–IV期与I期卵巢恶性肿瘤方面更好(AUC,0.81 vs 0.72),在区分II–IV期卵巢恶性肿瘤与转移瘤方面也更好(AUC,0.76 vs 0.64)。对于良性肿瘤与各恶性亚型之间的区分,AUC范围为0.91至0.98。两种两步策略对五个肿瘤亚组预测风险的校准均良好,尽管对继发性转移的风险存在一定程度低估(图S3)。

表2 纳入研究的患者和肿瘤的描述性统计(n = 4905) 查看原表 ↗
表3 适用改良良性描述符(BDs)的肿块中各肿瘤亚型的患病率(n = 1798;汇总数据) 查看原表 ↗
图2 使用附件区不同肿瘤评估(ADNEX)以CA125(a)或不以CA125(b)作为第二步的两步策略的各中心特异性受试者工作特征曲线下面积(AUCs)森林图,以及各自的荟萃分析结果(n = 4905)。*包括以下恶性肿瘤患病率较低的小型非肿瘤中心:伦敦(英国)、诺丁汉(英国)、米兰3(意大利)和佛罗伦萨(意大利)。 查看原图 ↗
图3 使用附件区不同肿瘤评估(ADNEX)以CA125()或不以CA125()作为第二步的两步策略的总体校准曲线。虚线代表理想值。BD,改良良性描述符;intercept,校准截距;slope,校准斜率。 查看原图 ↗
图4 附件区不同肿瘤评估(ADNEX)模型及两步策略的总体决策曲线(n = 4905)。,改良良性描述符(BD)+ ADNEX联合CA125;,BD + ADNEX不联合CA125;,ADNEX联合CA125;,ADNEX不联合CA125;,全部治疗;,全部不治疗。 查看原图 ↗

亚组分析

改良BDs在绝经后女性中的适用率(24%,509/2151)低于绝经前女性(47%,1289/2754),且适用改良BD的肿瘤中恶性肿瘤患病率在绝经后女性中高于绝经前女性(1.0% vs 0.5%)(表S9)。改良BDs在肿瘤中心检查的患者中的适用率(33%,1020/3094)低于在非肿瘤中心检查的患者(43%,778/1811),且适用改良BD的肿瘤中恶性肿瘤患病率在肿瘤中心高于非肿瘤中心(0.8% vs 0.4%)(表S10)。

两种两步策略在绝经前和绝经后女性中的区分能力相似,但两种两步策略在绝经后女性中校准更好(图S4–S9,表S11)。两种两步策略在肿瘤中心和非肿瘤中心中的区分能力和校准相似(图S10–S15,表S12)。

补充分析

附加分析的结果见表S13和S14以及图S16–S21。从分析中排除肿瘤结局不确定的患者后,与主要分析相比,恶性肿瘤的总体患病率略有升高(22.1% vs 21.1%),但对判别性能和校准的影响极小。我们的敏感性分析扩大了结局不确定的定义,结果有1419例(29%)肿瘤结局不确定,不含CA125的两步策略的AUC为0.93(95% CI,0.91–0.95;95% PI,0.82–0.98)。

讨论

我们描述了改良BDs的诊断性能,以及一种两步策略的诊断性能,该策略以改良BDs作为第一步、ADNEX作为第二步,应用于接受手术或保守治疗的患者。结果表明,改良BDs适用于近40%的附件肿块患者,若改良BD适用,则恶性肿瘤风险极低,且两步策略具有优异的判别性能并具有合理的良好校准。

本研究的优势包括:第一,样本量大且参与中心数量多;第二,采用前瞻性超声方案,并事先约定超声术语、定义和测量技术;最后,连续纳入接受手术或保守治疗的患者。

我们承认与潜在偏倚相关的四项局限性。第一,我们排除了来自19个中心的所有数据,因为这些数据不符合我们预设的质量标准。这意味着,与任何研究一样,我们无法排除中心层面的选择偏倚。我们进行这些排除是为了获得具有信息价值(排除招募有限的中心)、具有代表性(排除非连续招募的中心)和可靠(排除数据质量低的中心或停止参与的中心)的数据。这也降低了失访偏倚(患者层面的排除)的可能性。由于病例组合的异质性,纳入其他中心可能导致更高或更低的表现 31。我们预计排除中心不会导致诊断性能的高估,因为我们预计被排除中心的超声检查质量不会低于被纳入中心。在一项使用同一数据集的研究中,使用所有36个中心中立即手术患者的敏感性分析得出的ADNEX的AUC与基于17个中心的主要分析相同 17。第二,肿瘤结局基于多种参考标准(差异验证),对于一小部分患者,由于信息冲突或随访不足(部分验证),无法确定肿瘤结局 29。我们通过使用多重插补和敏感性分析来解决部分验证和差异验证可能带来的乐观偏倚 27。模型性能因我们使用的不确定性定义而变化很小。第三,53%的患者CA125值缺失。这影响含CA125的ADNEX的性能,但不影响改良BDs或不含CA125的ADNEX的性能。为处理CA125缺失值,我们使用了多重插补,这是减少缺失值所致偏倚的推荐方法 18, 30。排除CA125值缺失的病例可能会使AUC向下偏倚,因为缺失值在超声判断为良性的肿瘤中最为常见(表S4) 32。大量缺失值增加了结果的不确定性,多次插补承认了这一点,这反映在性能估计值周围更宽的置信区间中。第四,检查者对患者既往信息未设盲,病理学家对临床信息也未设盲。实施此类设盲将是不道德的且不切实际的。缺乏设盲可能在评估预测因子时引入信息偏倚,在基于组织学确定结局时引入检测偏倚。信息偏倚可能导致性能的高估(尽管重要的是,在纳入扫描评估预测因子时结局是未知的)。我们认为检测偏倚是有限的。病理学家不太可能受到术前超声检查结果的影响。这一假设得到IOTA Phase-1研究结果的 support,该研究中中心病理审查(对临床信息设盲)的结果与本地结果高度相似 8。总之,我们使用了几种推荐的方法来减少偏倚。信息偏倚作为不可避免的临床现实,仍可能使性能评估偏向乐观。

本研究首次评估了改良良性描述词(BDs)的表现,提出并评估了以改良BDs为第一步、ADNEX为第二步的两步策略的表现,并在接受手术或保守管理的患者中进行了这一评估。三项研究对三步策略进行了外部验证,该策略以良性和恶性原始简单描述词为第一步,随后以IOTA简单规则10为第二步,最后由专家进行主观评估作为最后一步。所有三项研究均纳入了接受手术或保守管理的患者,并显示三步策略在区分良性和恶性附件肿块方面具有极好的能力33, 34, 35。我们认为我们的两步策略优于三步策略:所有肿瘤均可由单一超声检查者进行分类,所有肿瘤均被赋予恶性风险以及恶性肿瘤类型的可能性估计。

令人放心的是,ADNEX应用于改良BDs不适用的肿瘤时,其判别能力几乎与ADNEX应用于所有肿瘤时一样好(AUC,0.92(含CA125)和0.91(不含CA125))。当应用于所有4905个肿瘤时,ADNEX含和不含CA125的AUC均为0.9417。此外,两步策略的判别表现(AUC,0.95和0.94)与对所有4905个肿块使用ADNEX相似,两步策略的临床效用与对所有肿块应用ADNEX相同(图4)。这表明对所有肿块使用ADNEX相比于使用两步策略并无优势。

有两个问题需要进一步研究。第一,超声图像的评估受检查者经验水平的影响。IOTA5研究主要涉及II级和III级检查者。尽管既往研究提示ADNEX在经验较少的检查者手中也表现良好36,但经验的作用应更明确地加以研究。一项大型多中心研究,在患者招募前对检查者经验进行量化,可以阐明经验是否以及如何影响判别和校准表现。第二,我们观察到各中心之间在IOTA第5期数据17上验证的所有模型的判别和校准方面存在异质性。当获得更多数据时,研究这种异质性的可能原因将很重要。

总之,两步策略非常适合临床使用。很大一部分附件肿块可通过改良BDs分类为恶性风险极低,无需计算机支持。对于其余肿块,可使用ADNEX模型获得恶性风险和恶性肿瘤类型的估计。ADNEX计算器可在线获取,也有智能手机应用程序版本(https://iotagroup.org/iota‐models‐software/adnex‐risk‐model)。它还嵌入在许多超声机器中。这便于其在临床实践中的使用。两步策略可用于患者咨询以个体化管理。它也可用于将患者分层为风险组,如卵巢-附件报告和数据系统(O-RADS)风险组37。风险分层有助于为附件肿块患者选择最佳管理方案38。

支持性信息

表S1 纳入主要分析的各中心描述性统计

表S2 IOTA5中评估的超声变量

表S3 参与IOTA5中期分析的中心的关键信息

表S4 不同亚组中CA125值缺失的病例

表S5 不同亚组中肿瘤结局不确定和失访的病例

表S6 改良良性描述词适用的肿瘤患病率

表S7 两步策略在预设风险阈值下预测恶性的敏感度和特异度(n = 4905;荟萃分析)

表S8 两步策略的受试者工作特征曲线下面积(AUC)两两比较及多分类判别指数(n = 4905;汇总分析)

表S9 按绝经状态分层的改良良性描述词适用肿块的肿瘤亚型(n = 1798;汇总数据)

表S10 按中心类型分层的改良良性描述词适用肿块的肿瘤亚型(n = 1798;汇总数据)

表S11 按绝经状态分层的第一步和第二步策略预测恶性的敏感度和特异度

表S12 按患者受检中心类型分层的两步策略预测恶性的敏感度和特异度

表S13 在两项预设补充分析中改良良性描述词适用肿块的结果(汇总分析)

表S14 在两项预设补充分析中两步策略预测恶性的敏感度和特异度

附录S1 IOTA5标准化问卷。

附录S2 数据质量及中心排除的详细信息。

附录S3 附件区不同肿瘤评估(ADNEX)模型的评估。

附录S4 插补和统计分析的详细信息。

附录S5 改良良性简单描述词适用时的先验估计风险。

附录S6 样本量讨论。

图S1 总结患者招募的流程图。

图S2 各中心两步策略的校准曲线(n = 4905)。

图S3 两步策略的多项式校准曲线(n = 4905;汇总数据)。

图S4 绝经前患者中两步策略的各中心特异性受试者工作特征曲线下面积森林图及荟萃分析结果(n = 2754)。

图S5 绝经后患者中两步策略的各中心特异性受试者工作特征曲线下面积森林图及荟萃分析结果(n = 2151)。

图S6 绝经前患者中两步策略的总体校准曲线(n = 2754;荟萃分析)。

图S7 绝经前患者中各中心两步策略的校准曲线(n = 2754)。

图S8 绝经后患者中两步策略的总体校准曲线(n = 2151;荟萃分析)。

图S9 绝经后患者中各中心两步策略的校准曲线(n = 2151)。

图S10 在肿瘤中心受检患者中两步策略的各中心特异性受试者工作特征曲线下面积森林图及荟萃分析结果(n = 3094)。

图S11 在非肿瘤中心受检患者中两步策略的各中心特异性受试者工作特征曲线下面积森林图及荟萃分析结果(n = 1811)。

图S12 在肿瘤中心受检患者中两步策略的总体校准曲线(n = 3094;荟萃分析)。

图S13 在肿瘤中心受检患者中各中心两步策略的校准曲线(n = 3094)。

图S14 在非肿瘤中心接受检查的患者中两步策略的总体校准曲线(n = 1811;荟萃分析)。

图S15 在非肿瘤中心接受检查的患者中两步策略各中心校准曲线(n = 1811)。

图S16 两步策略各中心受试者工作特征曲线下面积(AUC)的森林图及荟萃分析结果,该补充分析剔除了结局不确定的患者(n = 4419)。

图S17 两步策略各中心受试者工作特征曲线下面积(AUC)的森林图及荟萃分析结果,该敏感性分析采用了更宽泛的结局不确定定义(n = 4905)。

图S18 剔除结局不确定患者分析中两步策略的总体校准曲线(n = 4419;荟萃分析)。

图S19 剔除结局不确定患者分析中两步策略各中心校准曲线(n = 4419)。

图S20 采用更宽泛结局不确定定义敏感性分析中两步策略的总体校准曲线(n = 4905;荟萃分析)。

图S21 采用更宽泛结局不确定定义敏感性分析中两步策略各中心校准曲线(n = 4905)。

点击此处获取补充数据文件。

引用

  1. Landolfo, Bourne, Froyman, et al. Benign descriptors and ADNEX in two-step strategy to estimate risk of malignancy in ovarian tumors: retrospective validation in IOTA5 multicenter cohort. Ultrasound Obstet Gynecol. 2023. PMID: 36178788. doi:10.1002/uog.26080
  2. 全文:PMC10107772(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10107772/

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。