分类决策树辅助盆腔MRI术前诊断子宫内膜癌伴卵巢恶性肿瘤

• 作者: 周丽娜 徐晓娟 李楠 杨守鑫 欧阳汉 赵心明 陈雁
• 来源期刊: 中国介入影像与治疗学
• 学科: 医学
• 关键词: 子宫内膜癌 卵巢肿瘤 磁共振成像 决策树
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 临床研究
• 页码范围: 681-685
• 页数: 5页
• 分类号: R737.33|R445.2
• 字数: 4484字
• 语种: 中文
• DOI: 10.13929/j.1672-8475.201706046

摘要

目的 采用分类决策树方法,探索盆腔MRI结合患者临床信息在术前诊断子宫内膜癌合并卵巢恶性肿瘤中的价值.方法 回顾性分析801例子宫内膜癌患者资料,其中伴卵巢恶性肿瘤者(EC-OMT组)58例,不伴者(EC组)743例,比较两组患者术前临床资料及盆腔MRI征象,计算盆腔MRI对子宫内膜癌合并卵巢恶性肿瘤的诊断效能,采用决策树模型筛选有效的术前诊断指标.结果 EC-OMT组子宫内膜病变浸润肌层深度超过EC组,其侵犯宫颈和宫角、发生腹盆腔淋巴结转移、腹膜转移的比例以及附件区发现肿物的比例均大于EC组,差异均有统计学意义(P均＜0.01).两组间宫旁受累差异无统计学意义(1.72％ vs 0.40％,P=0.26).盆腔MRI术前诊断子宫内膜癌合并卵巢恶性肿瘤的敏感度为51.72％(30/58),特异度为99.87％(742/743).经决策树模型筛选出3项有诊断意义的指标:宫角受累、附件区肿物及血清CA125,诊断子宫内膜癌合并卵巢恶性肿瘤的敏感度为89.66％(52/58).结论 采用分类决策树方法对盆腔MRI和相关临床信息建立决策树模型,可提高对子宫内膜癌合并卵巢恶性肿瘤的术前诊断敏感度.