目的观察卵巢-附件报告和数据系统超声2022版(O-RADS US v2022)及其联合恶性风险指数4(RMI4)鉴别附件良、恶性肿瘤的价值。方法回顾性分析126例手术病理诊断为附件肿瘤患者,根据O-RADS US v2022将1~3类归为良性病变、4~5类归为恶性病变,...目的观察卵巢-附件报告和数据系统超声2022版(O-RADS US v2022)及其联合恶性风险指数4(RMI4)鉴别附件良、恶性肿瘤的价值。方法回顾性分析126例手术病理诊断为附件肿瘤患者,根据O-RADS US v2022将1~3类归为良性病变、4~5类归为恶性病变,以450为RMI4分类的临界值,基于二者进行联合分类。以病理结果为金标准,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估单一O-RADS US v2022、RMI4及其联合鉴别附件良、恶性肿瘤的效能。结果126例附件肿瘤中,良性94例、恶性32例。O-RADS US v2022鉴别附件良、恶性肿瘤的敏感度、特异度、准确率及AUC分别为78.13%、80.85%和80.16%、0.795,RMI4分别为71.88%、84.04%和80.95%、0.780;二者联合的特异度及准确率(93.62%、92.06%)均高于单一O-RADS US v2022(χ^(2)=7.322、5.967,P=0.007、0.015)或RMI4(χ^(2)=4.625、5.331,P=0.032、0.021),而敏感度及AUC(87.50%、0.906)差异均无统计学意义(P均>0.05)。结论O-RADS US v2022能有效鉴别附件良、恶性肿瘤,联合RMI4可提高鉴别特异度及准确率。展开更多
目的分析卵巢附件报告和数据系统(ovarian-adnexal reporting and data system,O-RADS)在卵巢肿瘤良恶性鉴别中的诊断效能,并与不同级别超声医生诊断卵巢良恶性肿瘤进行比较,评价O-RADS系统在临床中的应用价值。方法回顾性分析2019年1月...目的分析卵巢附件报告和数据系统(ovarian-adnexal reporting and data system,O-RADS)在卵巢肿瘤良恶性鉴别中的诊断效能,并与不同级别超声医生诊断卵巢良恶性肿瘤进行比较,评价O-RADS系统在临床中的应用价值。方法回顾性分析2019年1月至2022年6月就诊于首都医科大学附属北京天坛医院的卵巢肿瘤患者200例,分别由一名高年资超声医生和一名低年资超声医生对图像进行良恶性判读,由另外两名经过培训的低年资超声医生参考O-RADS系统进行分类,两名医生意见有分歧时,两人商议得出最终结果,以病理结果为金标准,计算并比较低年资医生、高年资医生及O-RADS分类诊断卵巢肿瘤良恶性的灵敏度、特异度、阳性预测值、阴性预测值、正确率及与病理诊断之间的一致性,即Kappa值。结果200例患者共222个卵巢肿瘤中,病理诊断为良性者147个、病理诊断为恶性者75个。高年资医生诊断的灵敏度89.3%,特异度93.1%,阳性预测值87.0%,阴性预测值94.4%,正确率91.8%,Kappa值0.82;低年资医生诊断的灵敏度为73.3%,特异度为80.9%,阳性预测值66.2%,阴性预测值为85.6%,正确率78.4%,Kappa值0.53。以病理结果为金标准绘制受试者工作特征(receiver operating characteristic,ROC)曲线,O-RADS系统诊断卵巢肿瘤良恶性的曲线下面积(area under the curve,AUC)为0.892,以O-RADS>3类作为诊断肿瘤良恶性的最佳截断值,O-RADS系统诊断卵巢肿瘤良恶性灵敏度为93.3%,特异度为81.6%,阳性预测值72.1%,阴性预测值为96.0%,正确率85.5%,Kappa值0.70。结论O-RADS在鉴别卵巢肿瘤良恶性中具有较好的诊断效能,可以作为低年资医生判断卵巢肿瘤良恶性的有用工具,当应用O-RADS系统遇到分类困难或难以确定的病例时,仍然要转诊到高年资医生进行会诊。展开更多
卵巢-附件肿块的良恶性鉴别诊断对妇科管理策略和患者预后有重大影响。尽管超声可以将大多数卵巢-附件病变正确分类,但对于10%~30%的卵巢-附件病变超声并不能明确诊断。MRI能够为超声不确定的病变提供更准确的诊断,从而改善患者的临床...卵巢-附件肿块的良恶性鉴别诊断对妇科管理策略和患者预后有重大影响。尽管超声可以将大多数卵巢-附件病变正确分类,但对于10%~30%的卵巢-附件病变超声并不能明确诊断。MRI能够为超声不确定的病变提供更准确的诊断,从而改善患者的临床管理及预后。2022年美国放射学会(American College of Radiology, ACR)发布了卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System, O-RADS)MRI风险分层系统的指南,用于准确评估卵巢-附件病变。然而,作为一种新方法,该风险分层系统存在挑战:需要制订标准化的MRI协议以及专业的灌注曲线分析软件,此外,对于O-RADS MRI的临床应用,还可能需要对放射科医生进行专业培训。未来需要进一步进行前瞻性队列研究,以制订针对每个O-RADS MRI风险类别的临床管理建议。目前,尚缺乏对O-RADS MRI相关研究进展的系统总结,本文就O-RADS MRI的提出、临床意义及应用价值、相关研究热点、不足及未来发展方向等方面研究进展进行综述,以期帮助放射科医生在临床工作中应用该风险分层系统,并尝试寻找该风险分层系统潜在的提升点,进而不断提升该风险分层系统的鉴别诊断效能。展开更多
目的探索合成MRI(synthetic MRI,syMRI)对卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System,O-RADS)MRI 3~5分的卵巢附件占位良恶性鉴别的效能。材料与方法回顾性分析在2021年8月至2023年6月期间于我院就诊的10...目的探索合成MRI(synthetic MRI,syMRI)对卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System,O-RADS)MRI 3~5分的卵巢附件占位良恶性鉴别的效能。材料与方法回顾性分析在2021年8月至2023年6月期间于我院就诊的100例盆腔占位患者病例及影像资料,共计附件肿块126例,所有占位的O-RADS MRI评分均为3~5分。以手术病理或至少1年的随访结果为诊断标准。所有患者均在3.0 T MRI扫描仪上进行盆腔MRI扫描,包括syMRI及扩散加权成像(diffusion-weighted imaging,DWI)序列。在附件区病灶的实性成分的最大层面勾画感兴趣区,以获得syMRI定量参数[T1、质子密度(proton density,PD)、T2^(*)、R2^(*)]及表观扩散系数(apparent diffusion coefficient,ADC)值。采用独立样本t检验或Mann-Whitney U检验比较各参数的差异,通过logistic回归分析建立syMRI及syMRI+ADC诊断模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线比较各参数及模型的诊断效能,DeLong检验比较各模型ROC曲线下面积(area under the curve,AUC)的差异。结果入组100例患者共126个病灶,其中良性55例,恶性71例。T1、T2^(*)、R2^(*)及ADC值在两组间差异有统计学意义(P<0.05),其鉴别卵巢附件良恶性病变的AUC分别为0.739[95%置信区间(confidence interval,CI):0.652~0.826]、0.780(95%CI:0.698~0.862)、0.783(95%CI:0.699~0.866)及0.674(95%CI:0.576~0.772)。syMRI及syMRI+ADC模型的AUC分别为0.860(95%CI:0.791~0.929)及0.879(95%CI:0.818~0.940),二者之间差异无统计学意义,均高于ADC值(P<0.05)。结论syMRI在鉴别O-RADS MRI 3~5分卵巢附件病变的良恶性中具有很好的效能。展开更多
目的探讨MRI特征联合临床指标[糖类抗原125(carbohydrate antigen 125,CA125)、绝经状态、年龄]对优化卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System,O-RADS)MRI评分4分肿块风险分层的价值,并评估能否提高O-R...目的探讨MRI特征联合临床指标[糖类抗原125(carbohydrate antigen 125,CA125)、绝经状态、年龄]对优化卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System,O-RADS)MRI评分4分肿块风险分层的价值,并评估能否提高O-RADS MRI评分系统诊断性能。材料与方法回顾性纳入57例进行术前盆腔MRI增强检查并经组织病理学证实的卵巢-附件肿块患者的影像及临床资料,所有肿块的O-RADS MRI评分均为4分,由两名经验丰富的放射科医师评估得出,结果不一致时协商决定。以病理结果为金标准,对O-RADS MRI 4分肿块良、恶性组的MRI和临床指标进行差异性分析,将有差异统计学意义的指标利用分类与回归决策树(classification and regression tree,CART)构建模型,用于进一步细分4分肿块。绘制受试者工作特征(receiver operating characteristic,ROC)曲线评价决策树模型的预测准确性。分别评估优化4分肿块前后O-RADS MRI评分系统的诊断性能,并比较两者的曲线下面积(area under the curve,AUC)。计算不同经验水平阅片者之间优化后预测结果的一致性。结果(1)57例O-RADS MRI 4分肿块中,良性22例,恶性35例。实性组织T2WI低信号常见于良性肿块(P<0.001)。乳头状突起和不规则增厚的囊壁/分隔常见于恶性肿块(P<0.001,P=0.008)。CA125>35 U/mL多见于恶性肿块(P<0.05)。决策树模型预测4分肿块良恶性的AUC为0.984(95%CI:0.908~1.000),敏感度97.1%、特异度90.9%、准确度94.7%。(2)应用决策树模型对4分肿块优化后,在整个人群中,O-RADS MRI评分系统的AUC从0.838提升至0.945(P<0.001);在绝经前妇女中,AUC从0.818提升至0.934(P<0.001);在绝经后妇女中,AUC从0.871提升至0.962(P=0.008)。不同经验水平医师之间的优化后预测结果一致性极好(Kappa值分别为0.887、0.869)。结论在本研究中,基于实性组织MRI特征联合临床指标CA125开发的预测模型有助于优化O-RADS MRI 4分肿块风险分层,并显著提高了O-RADS MRI评分系统的诊断效能,尤其在绝经前女性中。展开更多
文摘目的观察卵巢-附件报告和数据系统超声2022版(O-RADS US v2022)及其联合恶性风险指数4(RMI4)鉴别附件良、恶性肿瘤的价值。方法回顾性分析126例手术病理诊断为附件肿瘤患者,根据O-RADS US v2022将1~3类归为良性病变、4~5类归为恶性病变,以450为RMI4分类的临界值,基于二者进行联合分类。以病理结果为金标准,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评估单一O-RADS US v2022、RMI4及其联合鉴别附件良、恶性肿瘤的效能。结果126例附件肿瘤中,良性94例、恶性32例。O-RADS US v2022鉴别附件良、恶性肿瘤的敏感度、特异度、准确率及AUC分别为78.13%、80.85%和80.16%、0.795,RMI4分别为71.88%、84.04%和80.95%、0.780;二者联合的特异度及准确率(93.62%、92.06%)均高于单一O-RADS US v2022(χ^(2)=7.322、5.967,P=0.007、0.015)或RMI4(χ^(2)=4.625、5.331,P=0.032、0.021),而敏感度及AUC(87.50%、0.906)差异均无统计学意义(P均>0.05)。结论O-RADS US v2022能有效鉴别附件良、恶性肿瘤,联合RMI4可提高鉴别特异度及准确率。
文摘目的分析卵巢附件报告和数据系统(ovarian-adnexal reporting and data system,O-RADS)在卵巢肿瘤良恶性鉴别中的诊断效能,并与不同级别超声医生诊断卵巢良恶性肿瘤进行比较,评价O-RADS系统在临床中的应用价值。方法回顾性分析2019年1月至2022年6月就诊于首都医科大学附属北京天坛医院的卵巢肿瘤患者200例,分别由一名高年资超声医生和一名低年资超声医生对图像进行良恶性判读,由另外两名经过培训的低年资超声医生参考O-RADS系统进行分类,两名医生意见有分歧时,两人商议得出最终结果,以病理结果为金标准,计算并比较低年资医生、高年资医生及O-RADS分类诊断卵巢肿瘤良恶性的灵敏度、特异度、阳性预测值、阴性预测值、正确率及与病理诊断之间的一致性,即Kappa值。结果200例患者共222个卵巢肿瘤中,病理诊断为良性者147个、病理诊断为恶性者75个。高年资医生诊断的灵敏度89.3%,特异度93.1%,阳性预测值87.0%,阴性预测值94.4%,正确率91.8%,Kappa值0.82;低年资医生诊断的灵敏度为73.3%,特异度为80.9%,阳性预测值66.2%,阴性预测值为85.6%,正确率78.4%,Kappa值0.53。以病理结果为金标准绘制受试者工作特征(receiver operating characteristic,ROC)曲线,O-RADS系统诊断卵巢肿瘤良恶性的曲线下面积(area under the curve,AUC)为0.892,以O-RADS>3类作为诊断肿瘤良恶性的最佳截断值,O-RADS系统诊断卵巢肿瘤良恶性灵敏度为93.3%,特异度为81.6%,阳性预测值72.1%,阴性预测值为96.0%,正确率85.5%,Kappa值0.70。结论O-RADS在鉴别卵巢肿瘤良恶性中具有较好的诊断效能,可以作为低年资医生判断卵巢肿瘤良恶性的有用工具,当应用O-RADS系统遇到分类困难或难以确定的病例时,仍然要转诊到高年资医生进行会诊。
文摘卵巢-附件肿块的良恶性鉴别诊断对妇科管理策略和患者预后有重大影响。尽管超声可以将大多数卵巢-附件病变正确分类,但对于10%~30%的卵巢-附件病变超声并不能明确诊断。MRI能够为超声不确定的病变提供更准确的诊断,从而改善患者的临床管理及预后。2022年美国放射学会(American College of Radiology, ACR)发布了卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System, O-RADS)MRI风险分层系统的指南,用于准确评估卵巢-附件病变。然而,作为一种新方法,该风险分层系统存在挑战:需要制订标准化的MRI协议以及专业的灌注曲线分析软件,此外,对于O-RADS MRI的临床应用,还可能需要对放射科医生进行专业培训。未来需要进一步进行前瞻性队列研究,以制订针对每个O-RADS MRI风险类别的临床管理建议。目前,尚缺乏对O-RADS MRI相关研究进展的系统总结,本文就O-RADS MRI的提出、临床意义及应用价值、相关研究热点、不足及未来发展方向等方面研究进展进行综述,以期帮助放射科医生在临床工作中应用该风险分层系统,并尝试寻找该风险分层系统潜在的提升点,进而不断提升该风险分层系统的鉴别诊断效能。
文摘目的探索合成MRI(synthetic MRI,syMRI)对卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System,O-RADS)MRI 3~5分的卵巢附件占位良恶性鉴别的效能。材料与方法回顾性分析在2021年8月至2023年6月期间于我院就诊的100例盆腔占位患者病例及影像资料,共计附件肿块126例,所有占位的O-RADS MRI评分均为3~5分。以手术病理或至少1年的随访结果为诊断标准。所有患者均在3.0 T MRI扫描仪上进行盆腔MRI扫描,包括syMRI及扩散加权成像(diffusion-weighted imaging,DWI)序列。在附件区病灶的实性成分的最大层面勾画感兴趣区,以获得syMRI定量参数[T1、质子密度(proton density,PD)、T2^(*)、R2^(*)]及表观扩散系数(apparent diffusion coefficient,ADC)值。采用独立样本t检验或Mann-Whitney U检验比较各参数的差异,通过logistic回归分析建立syMRI及syMRI+ADC诊断模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线比较各参数及模型的诊断效能,DeLong检验比较各模型ROC曲线下面积(area under the curve,AUC)的差异。结果入组100例患者共126个病灶,其中良性55例,恶性71例。T1、T2^(*)、R2^(*)及ADC值在两组间差异有统计学意义(P<0.05),其鉴别卵巢附件良恶性病变的AUC分别为0.739[95%置信区间(confidence interval,CI):0.652~0.826]、0.780(95%CI:0.698~0.862)、0.783(95%CI:0.699~0.866)及0.674(95%CI:0.576~0.772)。syMRI及syMRI+ADC模型的AUC分别为0.860(95%CI:0.791~0.929)及0.879(95%CI:0.818~0.940),二者之间差异无统计学意义,均高于ADC值(P<0.05)。结论syMRI在鉴别O-RADS MRI 3~5分卵巢附件病变的良恶性中具有很好的效能。
