切换至 "中华医学电子期刊资源库"
高级检索
中华乳腺病杂志(电子版)

中华乳腺病杂志(电子版) ›› 2023, Vol. 17 ›› Issue (04) : 229 -237. doi: 10.3877/cma.j.issn.1674-0807.2023.04.005

论著

基于影像学表现和临床病理特征预测良性与交界性乳腺叶状肿瘤复发的列线图模型
叶艳娜, 叶瑞婷, 陈艳玲, 彭雯, 刘乐, 肖文秋, 黄辉, 李明深, 钟慕仪†(), 叶娴   
  1. 523000　东莞职业技术学院卫生健康学院
    523059　东莞市人民医院/南方医科大学第十附属医院乳腺外科
  • 收稿日期:2023-01-09 出版日期:2023-08-01
  • 通信作者: 钟慕仪

Nomogram based on clinicopathological and imaging features to predict recurrence of benign and borderline breast phyllodes tumor

Yanna Ye, Ruiting Ye, Yanling Chen, Wen Peng, Le Liu, Wenqiu Xiao, Hui Huang, Mingshen Li, Muyi Zhong†(), Xian Ye   

  1. School of Health, Dongguan Vocational and Technical College, Dongguan 523000, China
    Department of Breast Surgery, Dongguan People’s Hospital/Tenth Affiliated Hospital of Southern Medical University, Dongguan 523059, China
  • Received:2023-01-09 Published:2023-08-01
  • Corresponding author: Muyi Zhong
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

叶艳娜, 叶瑞婷, 陈艳玲, 彭雯, 刘乐, 肖文秋, 黄辉, 李明深, 钟慕仪, 叶娴. 基于影像学表现和临床病理特征预测良性与交界性乳腺叶状肿瘤复发的列线图模型[J]. 中华乳腺病杂志(电子版), 2023, 17(04): 229-237.

Yanna Ye, Ruiting Ye, Yanling Chen, Wen Peng, Le Liu, Wenqiu Xiao, Hui Huang, Mingshen Li, Muyi Zhong, Xian Ye. Nomogram based on clinicopathological and imaging features to predict recurrence of benign and borderline breast phyllodes tumor[J]. Chinese Journal of Breast Disease(Electronic Edition), 2023, 17(04): 229-237.

目的

本研究探讨良性与交界性乳腺叶状肿瘤(PT)复发的潜在因素，构建列线图以预测PT复发率。

方法

回顾性分析2016年6月至2019年12月在东莞市人民医院就诊的65例良性与交界性PT患者的临床病理及影像学资料，采取单因素及多因素Logistic回归分析其复发的独立危险因素，构建列线图。绘制受试者操作特征(ROC)曲线，计算曲线下面积(AUC)；通过bootstrap建立校准曲线评估校准性能；通过决策曲线分析(DCA)证明该预测模型的临床实用性。

结果

单因素Logistic回归分析显示发现与治疗间隔时间(TIMDT)>6个月、MRI强化方式不均匀、超声表现(肿瘤形态不规则、边缘不光整、分叶征、内回声不均匀、点状强回声、血流信号中等/丰富和囊性结构)与PT复发有关(P均<0.050)。多因素Logistic回归分析显示TIMDT>6个月(OR＝32.230，95%CI：2.343~443.367，P＝0.009)、MRI强化方式不均匀(OR＝16.786，95%CI：1.030~273.431，P＝0.048)及超声肿瘤分叶征(OR＝14.861，95%CI：1.155~191.205，P＝0.038)是PT复发的独立危险因素。根据这3个危险因素构建列线图，ROC曲线的AUC为0.906(95%CI：0.811~1.000)，敏感度为83.3%，特异度为88.7%。校准曲线接近于理想曲线，拟合度较高。DCA曲线表明高风险阈值处于0.04~0.96时，使用该列线图预测PT复发的净获益率高。

结论

TIMDT>6个月、MRI强化方式不均匀、具有超声肿瘤分叶征的良性与交界性乳腺PT患者复发风险较高。基于这3个因素开发的列线图预测PT复发能力较强，临床应用价值高。

关键词: 乳腺肿瘤, 磁共振成像, 超声检查, 复发, 列线图, 叶状肿瘤
Objective

To explore the potential factors related to the recurrence of benign and borderline breast phyllodes tumor (PT) and establish a nomogram to predict the recurrence rate of PT.

Methods

The clinicopathological and imaging data of 65 patients with benign and borderline PT who were treated in Dongguan People’s Hospital from June 2016 to December 2019 were retrospectively analyzed. The univariate and multivariate logistic regression were used to analyze the independent risk factors for recurrence, and a nomogram was constructed accordingly. The receiver operating characteristics (ROC) curve was drawn and the area under the curve (AUC) was calculated. A calibration curve was established by bootstrap method to evaluate calibration performance. The clinical utility of this predictive model was demonstrated by decision curve analysis (DCA).

Results

Univariate logistic regression analysis showed that the time interval between mass discovery and treatment (TIMDT)>6 months, uneven MRI enhancement pattern, ultrasonic findings(irregular shape, uneven edge, tumor lobulation, uneven internal echo, punctate strong echo, moderate/abundant blood flow signal and cystic structure) were related to PT recurrence (all P<0.050). Multivariate logistic regression analysis showed that TIMDT>6 months (OR=32.230, 95%CI: 2.343-443.367, P=0.009), uneven MRI enhancement pattern (OR=16.786, 95%CI: 1.030-273.431, P=0.048) and ultrasonic tumor lobulation (OR=14.861, 95%CI: 1.155-191.205, P=0.038) were independent risk factors for PT recurrence. A nomogram was constructed based on these three independent risk factors. The AUC of ROC was 0.906 (95%CI: 0.811-1.000), the sensitivity was 83.3% and the specificity was 88.7%. The calibration curve of the model showed a good calibration efficiency. The DCA curve displayed high clinical net benefit from predicting PT recurrence at a threshold of 0.04-0.96.

Conclusion

The benign and borderline breast PT patients with the following features (TIMDT>6 months, uneven MRI enhancement pattern, and ultrasonic tumor lobulation) are in high risk of recurrence. The nomogram based on these three factors shows a strong ability to predict the recurrence of PT, indicating high potential in clinical application.

Key words: Breast neoplasms, Magnetic resonance imaging, Ultrasonography, Recurrence, Nomogram, Phyllodes tumor
表1 65例乳腺叶状肿瘤患者临床病理特征与肿瘤复发单因素Logistic回归分析结果(例)
临床病理特征 无复发组(n＝53) 复发组(n＝12) OR值 95%CI P值
年龄(岁) 38.7±11.1 43.0±9.3 1.096 0.758~1.585 0.627
绝经情况          
未绝经 46 10      
已绝经 7 2 1.371 0.247~7.604 0.718
纤维腺瘤病史          
无 46 12      
有 7 0     0.999
TIMDT          
≤6个月 37 2      
>6个月 16 10 11.560 2.270~58.870 0.003
肿瘤位置          
右 23 7      
左 30 5 0.548 0.154~1.949 0.353
手术方式          
单纯肿块切除术 5 2      
肿块扩大切除术 48 5 0.260 0.040~1.708 0.161
乳房切除术 0 5     0.999
肿瘤类型          
良性 38 8      
交界性 15 4 1.267 0.331~4.841 0.730
最大直径          
≤3 cm 23 0      
>3 cm 30 12     0.998
合并纤维腺瘤          
无 29 9      
有 24 3 0.403 0.098~1.657 0.208
合并乳腺增生          
无 32 10      
有 21 2 0.305 0.061~1.532 0.149
合并IDP          
无 49 12      
有 4 0     0.999
表2 65例乳腺叶状肿瘤患者MRI特征与肿瘤复发单因素Logistic回归分析结果(例)
MRI特征 无复发组(n＝53) 复发组(n＝12) OR值 95%CI P值
肿瘤边缘          
清晰 48 10      
不清晰 5 2 1.920 0.325~11.337 0.472
分叶征          
无 23 2      
有 30 10 3.833 0.764~19.224 0.102
多结节融合征          
无 49 12      
有 4 0     0.999
T2WI信号          
等/等高 8 1      
稍高 45 11 1.956 0.221~17.315 0.547
T1WI信号          
等/等高 23 5      
低 18 5 1.278 0.320~5.102 0.729
混杂高 12 2 0.767 0.129~4.556 0.770
强化方式          
均匀 34 1      
不均匀 19 11 19.680 2.360~164.440 0.006
TIC          
流入型(Ⅰ型) 39 9      
平台型(Ⅱ型) 14 3 0.929 0.220~3.928 0.920
DWI信号          
等高 5 1      
高 48 11 1.146 0.121~10.815 0.905
ADC信号          
低 20 2      
混杂高 33 10 3.030 0.602~15.260 0.179
表3 65例乳腺叶状肿瘤患者超声成像特征与肿瘤复发单因素Logistic回归分析结果(例)
超声特征 无复发组(n＝53) 复发组(n＝12) OR值 95%CI P值
肿瘤数量 1.51±0.85 1.33±0.65 0.675 －0.345~0.697 0.502
肿瘤形态          
规则 39 4      
不规则 14 8 5.571 1.149~21.419 0.012
肿瘤边缘          
光整 44 6      
不光整 9 6 4.889 1.281~18.664 0.020
分叶征          
无 46 7      
有 7 5 4.694 1.162~18.962 0.030
肿瘤内回声          
均匀 30 2      
不均匀 23 10 6.522 1.300~32.707 0.023
后方回声          
无变化 16 4      
衰减 3 2 2.667 0.327~21.733 0.360
增强 34 6 0.706 0.174~2.856 0.625
点状强回声          
无 45 6      
有 8 6 5.625 1.446~21.887 0.013
血流信号          
无/少量 41 5      
中等/丰富 12 7 4.783 1.283~17.828 0.020
囊性结构          
无 49 8      
有 4 4 6.125 1.268~29.576 0.024
表4 65例乳腺叶状肿瘤患者复发多因素Logistic回归分析结果
特征 B值 标准误 Wald值 P值 OR值 95%CI
发现与治疗间隔时间>6个月 3.473 1.338 6.742 0.009 32.230 2.343~443.367
MRI强化方式不均匀 2.821 1.424 3.925 0.048 16.786 1.030~273.431
超声肿瘤分叶征 2.699 1.303 4.287 0.038 14.861 1.155~191.205
图1 65例乳腺叶状肿瘤患者的复发预测模型列线图
图2 65例乳腺叶状肿瘤患者复发预测模型的受试者操作特征曲线注：曲线下面积为0.906
图3 65例乳腺叶状肿瘤患者复发预测模型的校准曲线
图4 65例乳腺叶状肿瘤患者复发预测模型的决策曲线分析
[1]
Liberman L, Bonaccio E, Hamele-Bena D, et al. Benign and malignant phyllodes tumors: mammographic and sonographic findings[J]. Radiology, 1996，198(1)：121-124.
[2]
Tse GM, Niu Y, Shi HJ. Phyllodes tumor of the breast: an update[J]. Breast Cancer, 2010，17(1)：29-34.
[3]
Yang WT, Bu H. Updates in the 5(th) edition of WHO classification of tumours of the breast[J]. Zhonghua Bing Li Xue Za Zhi, 2020，49(5)：400-405.
[4]
Fischer KM, S J Brooks J, Ugras SK. Invasive lobular carcinoma involving a borderline phyllodes tumor[J], Breast J, 2018，24(6)：1076-1077.
[5]
王明君，杨芳，赵红梅. 乳腺叶状肿瘤临床分析[J]. 河北医药，2015，37(6)：865-867.
[6]
贾翠，梅放，柳剑英，等. 乳腺叶状肿瘤的分级指标及预后相关因素探讨[J]. 中华病理学杂志，2017，46(01)：14-19.
[7]
Iasonos A, Schrag D, Raj GV, et al. How to build and interpret a nomogram for cancer prognosis[J]. J Clin Oncol, 2008，26(8)：1364-1370.
[8]
张晶，夏艳，王兆锦，等. 乳腺癌术后化疗患者营养不良风险的列线图模型构建[J]. 肿瘤代谢与营养电子杂志，2022，9(2)：224-228.
[9]
Chai X, Sun MY, Jia HY, et al. A prognostic nomogram for overall survival in male breast cancer with histology of infiltrating duct carcinoma after surgery [J]. Peer J, 2019，7：e7837.
[10]
Sadeghi M, Alamdaran SA, Daneshpajouhnejad P, et al. A Logistic regression nomogram to predict axillary lymph node metastasis in early invasive breast cancer patients[J]. Breast J, 2019，25(4)：769-771.
[11]
Pan X, Yang W, Chen Y, et al. Nomogram for predicting the overall survival of patients with inflammatory breast cancer: a SEER-based study[J]. Breast, 2019, 47: 56-61.
[12]
Kim JH, Ko ES, Lim Y，et al. Breast cancer heterogeneity: MR imaging texture analysis and survival outcomes[J]. Radiology, 2017, 282(3)：665-675.
[13]
Lu Y, Chen Y, Zhu L. Local recurrence of benign, borderline, and malignant phyllodes tumors of the breast: a systematic review and meta-analysis[J]. Ann Surg Oncol, 2019，26(5)：1263-1275.
[14]
Tan PH, Ellis I, Allison K, et al. The 2019 World Health Organization classification of tumours of the breast[J]. Histopathology, 2020，77(2)：181-185.
[15]
Reinfuss M, Mitus′ J, Duda K, et al. The treatment and prognosis of patients with phyllodes tumor of the breast: an analysis of 170 cases[J]. Cancer, 1996, 77(5)：910-916.
[16]
Cheng SP, Chang YC, Liu TP, et al. Phyllodes tumor of the breast: the challenge persists[J]. World J Surg, 2006，30(8)：1414-1421.
[17]
Choi N, Kim K, Shin KH, et al. The characteristics of local recurrence after breast-conserving surgery alone for malignant and borderline phyllodes tumors of the breast(KROG 16-08)[J]. Clin Breast Cancer, 2019，19(5)：345-353.
[18]
Lawrence AE, Saito J, Onwuka A, et al. Management of pediatric breast masses: a multi-institutional retrospective cohort study[J]. J Surg Res, 2021, 264：309-315.
[19]
张忠玲，熊辉. 乳腺良性叶状肿瘤真空辅助旋切与开放手术对术后局部复发的影响[J]. 医学信息，2023，36(12)：133-135+139.
[20]
Zhou ZR, Wang CC, Sun XJ, et al. Prognostic factors in breast phyllodes tumors: a nomogram based on a retrospective cohort study of 404 patients[J]. Cancer Med, 2018，7(4)：1030-1042.
[21]
钟镇铧，范凤凤，李占文. 乳腺良性叶状肿瘤不同手术治疗效果及复发危险因素分析[J].浙江医学，2022, 44(19)：2081-2084+2088.
[22]
Madhu Krishna B, Chaudhary S, Mishra DR, et al. Estrogen receptor α dependent regulation of estrogen related receptor β and its role in cell cycle in breast cancer[J]. BMC Cancer, 2018，18(1): 607.
[23]
Haagensen DE Jr, Kister SJ, Vandevoorde JP, et al. Evaluation of carcinoembryonic antigen as a plasma monitor for human breast carcinoma[J]. Cancer, 1978，42(3 Suppl)：1512-1519.
[24]
Zhang Y, Kleer CG. Phyllodes tumor of the breast: histopathologic features, differential diagnosis, and molecular/genetic updates[J]. Arch Pathol Lab Med, 2016，140(7)：665-671.
[25]
Abe M, Miyata S, Nishimura S. Malignant transformation of breast fibroadenoma to malignant phyllodes tumor: long-term outcome of 36 malignant phyllodes tumors[J]. Breast Cancer, 2011，18(4)：268-272.
[26]
王晓洁. 乳腺增生症发病的相关因素分析[J]. 实用医技杂志，2017, 24(3)：308-310.
[27]
刘艺萌. 乳腺导管内乳头状瘤及其共存病变的临床病理特征及预后分析[D]. 郑州大学，2021.
[28]
National Comprehensive Cancer Network. NCCN clinical practice guidelines in oncology. Breast cancer. Version 4.2023[EB/OL]. [2023-01-08].

URL    
[29]
Adesoye T, Neuman HB, Wilke LG, et al. Current trends in the management of phyllodes tumors of the breast[J]. Ann Surg Oncol, 2016, 23(10): 3199-3205.
[30]
Velazquez-Dohorn M, Gamboa-Dominguez A, Medina-Franco H, et al. Phyllodes tumor of the breast: clinicopathologic analysis of 22 cases[J]. Rev Invest Clin, 2013, 65: 214-220.
[31]
Anani T, Rahmati S, Sultana N, et al. MRI-traceable theranostic nanoparticles for targeted cancer treatment[J]. Theranostics, 2021，11(2)：579-601.
[32]
Yabuuchi H, Soeda H, Matsuo Y, et al. Phyllodes tumor of the breast: correlation between MR findings and histologic grade [J]. Randiology, 2006，241(3)：702-709.
[33]
Lee JY. Giantv phyllodes tumor of the breast with diffuse myxoid changes in an adolescent girl: a case report[J]. J Surg Case Rep, 2017，2017(2)：rjx019.
[34]
谷红玉，罗松，邓小毅，等. 不同病理级别的乳腺叶状肿瘤MRI成像分析[J]. 临床放射学杂志，2019，38(7)：1194-1197.
[35]
Kitajima K, Yamano T, Miyoshi Y, et al. Prognostic value of 18F-FDG PET/CT prior to breast cancer treatment. Comparison with magnetic resonance spectroscopy and diffusion weighted imaging[J]. Hell J Nucl Med, 2019，22(1)：25-35.
[36]
Cheng TW, Lee JY, Lee CS, et al. Validation of the Singapore nomogram for outcome prediction in breast phyllodes tumours: an Australian cohort [J]. J Clin Pathol, 2016, 69(12)：1124-1126.
[37]
Van Rijssel MJ, Pluim JPW, Chan HM, et al. Correcting time-intensity curves in dynamic contrast-enhanced breast MRI for inhomogeneous excitation fields at 7T [J]. Magn Reson Med, 2020, 84(2)：1000-1010.
[38]
林娇卡，姚海东，汪泽燕，等. 乳腺叶状肿瘤的影像学表现与病理相关性研究[J]. 现代医用影像学，2018，27(2)：430 -431.
[39]
Mai H, Mao Y, Dong T, et al. The utility of texture analysis based on breast magnetic resonance imaging in differentiating phyllodes tumors from fibroadenomas [J]. Front Oncol, 2019，9: 1021.
[40]
陈对梅，汪青山，王峻，等. 乳腺叶状肿瘤的MRI表现分析[J]. 磁共振成像，2013，4(1)：24-28.
[41]
双萍，乔鹏岗，秦永超，等. 乳腺叶状肿瘤MRI诊断价值[J]. 中国临床医学影像杂志，2014，25(12)：852-855.
[42]
Hahn M, Fugunt R, Schoenfisch B, et al. High intensity focused ultrasound (HIFU) for the treatment of symptomatic breast fibroadenoma[J]. Int J Hyperthermia, 2018，35(1)：463-470.
[43]
丁华杰，刘会玲，那磊，等. 超声弹性成像对乳腺增生症伴纤维腺瘤与乳腺癌BI-RADS校正价值[J]. 重庆医学，2017，46(35)：4930- 4931.
[44]
Basara Akin I, Ozgul H, Simsek K, et al. Texture analysis of ultrasound images to differentiate simple fibroadenomas from complex fibroadenomas and benign phyllodes tumors[J]. J Ultrasound Med, 2020, 39(10)：1993-2003.
[45]
张韵华，刘利民，夏罕生，等. 乳腺叶状肿瘤的二维、彩色及弹性超声表现[J]. 中国临床医学，2014，21(3)：307-310.
[46]
Papas Y, Asmar AE, Ghandour F, et al. Malignant phyllodes tumors of the breast: A comprehensive literature review[J]. Breast J, 2020，26(2)：240-244.
[47]
李成程. 基于X线及MRI影像特征与X线影像组学特征鉴别乳腺叶状肿瘤良恶性的价值[D]. 东南大学，2022.
[48]
Park SY. Nomogram: An analogue tool to deliver digital knowledge[J]. J Thorac Cardiovasc Surg, 2018，155(4)：1793.
[1] 魏淑婕, 惠品晶, 丁亚芳, 张白, 颜燕红, 周鹏, 黄亚波. 单侧颈内动脉闭塞患者行颞浅动脉-大脑中动脉搭桥术的脑血流动力学评估[J]. 中华医学超声杂志（电子版）, 2023, 20(10): 1046-1055.
[2] 张璇, 马宇童, 苗玉倩, 张云, 吴士文, 党晓楚, 陈颖颖, 钟兆明, 王雪娟, 胡淼, 孙岩峰, 马秀珠, 吕发勤, 寇海燕. 超声对Duchenne肌营养不良儿童膈肌功能的评价[J]. 中华医学超声杂志（电子版）, 2023, 20(10): 1068-1073.
[3] 朱连华, 费翔, 韩鹏, 姜波, 李楠, 罗渝昆. 高帧频超声造影在胆囊息肉样病变中的鉴别诊断价值[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 904-910.
[4] 丁建民, 秦正义, 张翔, 周燕, 周洪雨, 王彦冬, 经翔. 超声造影与普美显磁共振成像对具有高危因素的≤3 cm肝结节进行LI-RADS分类诊断的前瞻性研究[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 930-938.
[5] 张梅芳, 谭莹, 朱巧珍, 温昕, 袁鹰, 秦越, 郭洪波, 侯伶秀, 黄文兰, 彭桂艳, 李胜利. 早孕期胎儿头臀长正中矢状切面超声图像的人工智能质控研究[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 945-950.
[6] 陈舜, 薛恩生, 叶琴. PDCA在持续改进超声危急值管理制度中的价值[J]. 中华医学超声杂志（电子版）, 2023, 20(09): 974-978.
[7] 周钰菡, 肖欢, 唐毅, 杨春江, 周娟, 朱丽容, 徐娟, 牟芳婷. 超声对儿童髋关节暂时性滑膜炎的诊断价值[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 795-800.
[8] 刘欢颜, 华扬, 贾凌云, 赵新宇, 刘蓓蓓. 颈内动脉闭塞病变管腔结构和血流动力学特征分析[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 809-815.
[9] 张莲莲, 惠品晶, 丁亚芳. 颈部血管超声在粥样硬化斑块易损性评估中的应用价值[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 816-821.
[10] 郏亚平, 曾书娥. 含鳞状细胞癌成分的乳腺化生性癌的超声与病理特征分析[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 844-848.
[11] 张丽丽, 陈莉, 余美琴, 聂小艳, 王婧玲, 刘婷. PDCA循环法在超声浅表器官亚专科建设中的应用[J]. 中华医学超声杂志（电子版）, 2023, 20(07): 717-721.
[12] 孙帼, 谢迎东, 徐超丽, 杨斌. 超声联合临床特征的列线图模型预测甲状腺乳头状癌淋巴结转移的价值[J]. 中华医学超声杂志（电子版）, 2023, 20(07): 734-742.
[13] 罗刚, 泮思林, 陈涛涛, 许茜, 纪志娴, 王思宝, 孙玲玉. 超声心动图在胎儿心脏介入治疗室间隔完整的肺动脉闭锁中的应用[J]. 中华医学超声杂志（电子版）, 2023, 20(06): 605-609.
[14] 唐旭, 韩冰, 刘威, 陈茹星. 结直肠癌根治术后隐匿性肝转移危险因素分析及预测模型构建[J]. 中华普外科手术学杂志(电子版), 2024, 18(01): 16-20.
[15] 甄子铂, 刘金虎. 基于列线图模型探究静脉全身麻醉腹腔镜胆囊切除术患者术后肠道功能紊乱的影响因素[J]. 中华普外科手术学杂志(电子版), 2024, 18(01): 61-65.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号