王榮玲　江雨珊　唐婉晴　楊宗利

［摘要］目的探討卵巢-附件報告和數(shù)據(jù)系統(tǒng)（O-RADS）對卵巢良惡性腫瘤診斷的效能，并分析卵巢惡性腫瘤發(fā)生的危險因素。方法回顧性分析病理確診為卵巢腫瘤的417例患者的臨床資料，以病理結果為金標準，將患者分為惡性組和良性組，對兩組臨床資料進行比較，同時依據(jù)超聲圖像特征和O-RADS對患者進行分類，繪制受試者工作特征（ROC）曲線，分析O-RADS診斷效能。結果單因素及多因素分析示，囊壁厚度≥3 cm、有實性成分、血流評分3～4分、腹水、腹膜結節(jié)是卵巢惡性腫瘤發(fā)生的危險因素（P<0.05）。與O-RADS 5類歸為卵巢惡性腫瘤相比較，以O-RADS 4～5類歸為卵巢惡性腫瘤作為診斷依據(jù)，其診斷的靈敏度、準確率及曲線下面積均顯著升高（χ2=6.28～18.84，P＜0.05）。結論O-RADS分類能夠較好地鑒別診斷卵巢良惡性腫瘤，當O-RADS 4～5類視為卵巢腫瘤惡性高風險時，診斷效能最好。

［關鍵詞］卵巢腫瘤；超聲檢查；數(shù)據(jù)系統(tǒng)；診斷，鑒別；危險因素

［中圖分類號］R455.1;R737.31［文獻標志碼］A

Diagnostic efficacy of O-RADS in benign and malignant ovarian tumors and influencing factors for ovarian malignancy WANG Rongling， JIANG Yushan， TANG Wanqing， YANG Zongli（Department of Ultrasonography， The Affiliated Hospital of Qingdao University， Qingdao 266071， China）

［ABSTRACT］ObjectiveTo explore the diagnostic value of the ovarian-adnexal reporting and data system （O-RADS） in differentiating between benign and malignant ovarian tumors， and to analyze risk factors for malignant ovarian tumors. MethodsThe clinical data of 417 patients with ovarian tumors diagnosed by pathology were retrospectively analyzed. With pathological results as the gold standard， the patients were divided into malignant group and benign group. The clinical data of the two groups were compared. At the same time， the patients were classified according to ultrasound characteristics and O-RADS. A receiver operating characteristic （ROC） curve was used to analyze the diagnostic efficacy of O-RADS. ResultsThe univariable and mul-tivariable analyses showed that the risk factors for ovarian malignancy included cyst wall thickness ≥3 cm， solid components， blood flow score of 3-4 points， ascites， and peritoneal nodules （P<0.05）. Compared with O-RADS 5， using O-RADS 4-5 to diagnose ovarian malignancy significantly increased the sensitivity， accuracy， and area under the ROC curve （χ2=6.28-18.84，P<0.05）. ConclusionO-RADS can well differentiate between benign and malignant ovarian tumors. When using O-RADS 4-5 to indicate a high risk of ovarian malignancy， the diagnostic efficacy is best.

［KEY WORDS］Ovarian neoplasms; Ultrasonography; Data systems; Diagnosis， differential; Risk factors

卵巢癌是世界上第7大常見的女性腫瘤，早期無明顯癥狀，許多患者在確診時已處于晚期，死亡率較高[1]。超聲檢查是卵巢腫瘤篩查最常用的影像學方法，但其鑒別診斷卵巢腫瘤受經驗和主觀因素影響非常大，因此，臨床迫切需要有一種客觀有效的超聲診斷模型來鑒別卵巢腫瘤良惡性。美國放射協(xié)會提出了卵巢-附件報告和數(shù)據(jù)系統(tǒng)（O-RADS）[2]，目前研究多是將O-RADS分類與其他診斷模型進行比較[3-5]，但是單獨分析O-RADS分類鑒別卵巢腫瘤良惡性的診斷效能報道比較少。本研究通過回顧性分析417例卵巢腫瘤患者的臨床資料，旨在探討O-RADS分類鑒別診斷卵巢腫瘤良惡性的效能，并分析卵巢惡性腫瘤發(fā)生的危險因素，使診斷方法更加客觀規(guī)范，以提高臨床診斷卵巢惡性腫瘤準確率。

1資料與方法

選取2020年2月—2021年10月于我院婦科就診并術后病理確診為卵巢腫瘤的患者417例。納入標準：①術前均行超聲檢查者，②術前未接受過附件區(qū)手術及放化療治療者，③術前血清腫瘤標志物資料完整者。排除標準：①術前未進行超聲檢查者，②被歸為O-RADS 0類和O-RADS 1類的卵巢腫瘤者，③臨床資料不完整或圖像質量不佳者，④妊娠者。依據(jù)病理確診結果將所有患者分為良性組和惡性組（交界性腫瘤歸為惡性組）。

收集所有患者的臨床資料，包括患者的年齡、是否絕經及血清癌抗原125（CA125）、血清癌抗原199（CA199）、血清癌胚抗原（CEA）、血清人附睪蛋白（HE4）、血清甲胎蛋白（AFP）水平，同時收集卵巢腫瘤的超聲圖像特征，其中主要包括腫瘤直徑、囊壁厚度及分隔厚度、有無乳頭狀突起及突起的數(shù)目、有無腹腔積液及腹膜結節(jié)、腫瘤有無血供及血供豐富程度。對于附件區(qū)有2個或2個以上腫瘤包塊患者，選取具有最高惡性風險特征包塊進行分析；如果2個包塊超聲圖像特征基本相同，選取體積較大包塊。

根據(jù)O-RADS分類將卵巢腫瘤分為6類[2]。由2名有5年以上婦科超聲經驗的醫(yī)師，在雙盲情況下根據(jù)O-RADS分類將所有卵巢腫瘤分為0～5類，當分類結果有分歧時，由另一名高年資醫(yī)師再次評估，最終達成一致。將O-RADS 0～5類分為兩種情況鑒別卵巢腫瘤的良惡性，一種是將O-RADS 5類歸為卵巢惡性腫瘤，O-RADS 2～4類歸為良性腫瘤；另一種是將O-RADS 4～5類歸為卵巢惡性腫瘤，O-RADS 2～3類歸為良性腫瘤。

使用SPSS 26.0及MedCalc進行數(shù)據(jù)分析。分類變量比例表示，組間比較采用χ2檢驗；正態(tài)分布的計量資料采用±s表示，組間比較采用獨立樣本t檢驗，不符合正態(tài)分布的計量資料以M（P25，P75）表示，組間比較采用秩和檢驗。以病理結果為金標準，繪制受試者工作特征（ROC）曲線，并計算曲線下面積（AUC），各組的AUC比較采用Z檢驗。分別計算O-RASD分類兩種情況診斷卵巢惡性腫瘤的準確率、靈敏度、特異度、陽性預測值、陰性預測值，組間比較采用χ2檢驗。采用單因素和多因素logistic回歸模型分析卵巢惡性腫瘤發(fā)生的危險因素。以P＜0.05為差異有統(tǒng)計學意義。

2結果

2.1兩組患者的一般資料比較

根據(jù)患者的病理結果，惡性組168例，其中漿液性癌90例，黏液性癌8例，透明細胞癌16例，其他惡性腫瘤25例，交界性腫瘤29例；良性組249例，其中漿液性囊腺瘤45例，黏液性囊腺瘤54例，子宮內膜異位囊腫43例，卵巢冠囊腫6例，單純卵巢囊腫14例，畸胎瘤64例，纖維瘤12例，其他的良性腫瘤11例。417例患者根據(jù)O-RADS分類進行診斷，其中O-RADS 2類77例，O-RADS 3類164例，O-RADS 4類36例，O-RADS 5類140例。

兩組的患者年齡、絕經狀態(tài)以及血清CA125、HE4水平比較差異具有顯著性（t=－8.462，χ²=48.770，Z=11.313、12.574，P＜0.05），而血清中的CA199、CEA、AFP水平比較差異均無顯著性（P>0.05）。見表1。

2.2O-RADS分類鑒別診斷卵巢腫瘤良惡性效能

以O-RADS 5類鑒別卵巢腫瘤良惡性時，惡性患者140例，良性患者277例，預測卵巢惡性腫瘤的AUC為0.852；以O-RADS 4～5類鑒別卵巢腫瘤良惡性時，惡性患者176例，良性患者241例，預測卵巢惡性腫瘤的AUC為0.924。兩種方法診斷卵巢腫瘤良惡性的AUC、靈敏度、陰性預測值、準確率比較差異均有顯著性（χ²=6.28～18.84，P＜0.05），特異度、陽性預測值比較差異無顯著性（P>0.05），見表2、圖1。

2.3兩組患者卵巢腫瘤超聲特征比較及危險因素分析

單因素分析顯示，良性組和惡性組患者的腫瘤直徑、囊壁厚度、有實性成分、乳頭狀突起的數(shù)目、血流評分及腹水、腹膜結節(jié)情況比較差異具有顯著性（χ²=13.2～341.6，P＜0.05），單房或多房囊腫情況比較差異無顯著性（P>0.05）。見表3。將單因素分析有差異的指標納入多因素logistics回歸分析，結果顯示囊壁厚度≥3 cm、有實性成分、血流評分3～4分、腹水、腹膜結節(jié)為卵巢惡性腫瘤發(fā)生的危險因素（P＜0.05）。見表4。

3討論

近年來，卵巢癌的發(fā)病率呈逐年上升的趨勢，盡管卵巢癌在診斷和治療方面取得了很大的進展，但卵巢癌患者的5年生存率仍低于40%，卵巢癌患者早期無明顯癥狀，發(fā)現(xiàn)時多數(shù)已處于晚期[6]。因此，進行早期有效的篩查，并及時干預和采取針對性治療對改善卵巢癌患者的預后極為重要。超聲是卵巢腫瘤篩查首選的影像學診斷方法，國內外嘗試通過使用惡性風險指數(shù)、簡單法則、婦科影像報告與數(shù)據(jù)系統(tǒng)（GI-RADS）等[7-14]方法鑒別卵巢腫瘤良惡性，但上述方法的診斷效能還有待實踐驗證。美國放射學會O-RADS分類對卵巢腫瘤的超聲圖像特征進行了詳細的描述和解釋，根據(jù)卵巢腫瘤的超聲圖像特征將其分為0～5類，涵蓋了從正常到高度惡性的風險，并對每一種分類的卵巢腫瘤提供了相應管理措施，如哪些腫瘤需要隨訪、哪些腫瘤需保守治療或手術治療，為患者選擇合適治療措施提供了依據(jù)。

本研究中兩組患者的年齡、絕經狀態(tài)及血清CA125、血清HE4水平比較差異有顯著性，或可提示，年齡的增長、女性患者的絕經情況以及血清中CA125及HE4的升高與卵巢腫瘤的發(fā)生可能有關。本研究將O-RADS 4～5類歸為卵巢惡性腫瘤的AUC為0.924，O-RADS 5類歸為卵巢惡性腫瘤的AUC為0.852，這與國內外相關研究結果基本一致[15-17]。CAO等 [18]運用O-RADS分類診斷卵巢腫瘤良惡性的研究中，將O-RADS 4～5類歸為卵巢惡性腫瘤的靈敏度可以高達98.7%。BASHA等[19]對O-RADS分類、GI-RADS分類、簡單法則3種診斷方法的比較研究中，O-RADS分類診斷卵巢惡性腫瘤的靈敏度高達96.6%。楊文敏等[17]針對O-RADS分類、GI-RADS分類及簡單法則風險預測模型3種診斷方法進行了比較，O-RADS分類診斷的靈敏度為93.6%，認為O-RADS分類在鑒別卵巢腫瘤良惡性方面有較好的診斷效能。本研究中，將O-RADS 5類歸為卵巢惡性腫瘤診斷的靈敏度為75.6%，特異度為94.8%，而將O-RADS 4～5類歸為卵巢惡性腫瘤診斷的靈敏度為92.9%，特異度為91.2%。因此，若僅僅將O-RADS 5類歸為卵巢惡性腫瘤，漏診率將可能大幅度地增高，故而推薦將O-RADS 4～5類歸為卵巢惡性腫瘤。

本研究中，將O-RADS 4類歸為惡性或歸為良性時，O-RADS分類診斷卵巢腫瘤的靈敏度明顯不同，將O-RADS 4類歸為良性還是惡性對診斷結果極為關鍵。本研究中O-RADS 4類患者共36例，其中惡性30例，良性6例。通過對6例良性腫瘤的超聲圖像進行分析，發(fā)現(xiàn)其圖像特征較為混雜，如2例纖維瘤聲像圖表現(xiàn)為囊實性腫瘤，囊壁厚薄不一，內部實性區(qū)域內可見血流信號；2例出血性囊腫聲像圖表現(xiàn)為囊腫內回聲不均勻，囊壁厚薄不均，囊腔及內壁黏附的血塊與實性區(qū)域及乳頭狀突起相似，這也是本研究將上述6例卵巢腫瘤歸為O-RADS 4類的原因。本研究中O-RADS 5類患者共140例，其中惡性136例，良性4例，假陽性病例主要為黃體囊腫破裂及黏液性囊腺瘤；黃體囊腫破裂時，超聲圖像表現(xiàn)為盆腔內多處塊狀、不均質雜亂實性回聲，且盆腔內有大量積液；黏液性囊腺瘤超聲圖像表現(xiàn)為多房囊實性團塊，囊壁上多個乳頭狀突起，血流評分4分，故本研究將上述假陽性病例分為5類。因此卵巢腫瘤在O-RADS的準確分類對卵巢腫瘤的診斷效能影響較大，本研究中惡性組與良性組的血清CA125、HE4水平存在顯著差異，將O-RADS分類聯(lián)合血清CA125、HE4水平診斷卵巢腫瘤的良惡性或可進一步提高診斷效能。

本研究將O-RADS分類中涉及到的卵巢腫瘤的超聲圖像特征又進行了單因素與多因素分析，結果顯示囊壁厚度≥3 cm、有實性成分、血流評分3～4分、腹水、腹膜結節(jié)為卵巢惡性腫瘤發(fā)生的危險因素，證實了O-RADS分類標準化的超聲術語對鑒別卵巢惡性腫瘤的重要作用。當卵巢腫瘤超聲檢查發(fā)現(xiàn)有上述圖像特征時，可提示其具有一定的惡性風險，建議咨詢相關專家行進一步檢查或治療措施。

本研究為回顧性研究，分析的對象主要為靜態(tài)性圖像，而非實時動態(tài)觀察，另外部分腫塊也可能存在記錄不完整情況，致結果存在一定偏倚。

綜上所述，囊壁厚度≥3 cm、有實性成分、血流評分3～4分、腹水、腹膜結節(jié)為卵巢惡性腫瘤發(fā)生的危險因素。O-RADS分類對鑒別卵巢腫瘤良惡性具有較好的應用價值，當將O-RADS 4～5類歸為卵巢惡性腫瘤時，O-RADS分類具有較高的診斷靈敏度和特異度，可降低漏診率，建議在臨床實踐中推廣使用。

倫理批準和知情同意：本研究涉及的所有試驗均已通過青島大學附屬醫(yī)院醫(yī)學倫理委員會的審核批準（文件號QYFYWZLL26761）。所有試驗過程均遵照《人體醫(yī)學研究的倫理準則》的條例進行。受試對象或其親屬已經簽署知情同意書。

作者聲明：王榮玲、楊宗利參與了研究設計；王榮玲、江雨珊、唐婉晴參與了論文的寫作和修改。所有作者均閱讀并同意發(fā)表該論文，且均聲明不存在利益沖突。

［參考文獻］

[1]REID B M， PERMUTH J B， SELLERS T A. Epidemiology of ovarian cancer： A review[J]. Cancer Biol Med， 2017，14（1）：9-32.

[2]ANDREOTTI R F， TIMMERMAN D， STRACHOWSKI L M， et al. O-RADS US risk stratification and management system： A consensus guideline from the ACR ovarian-adnexal reporting and data system committee[J]. Radiology， 2020， 294（1）：168-185.

[3]王榮玲，房世保，孫詠梅，等. 卵巢-附件報告和數(shù)據(jù)系統(tǒng)與惡性風險指數(shù)鑒別卵巢腫瘤良惡性的對比研究[J]. 臨床超聲醫(yī)學雜志， 2022，24（5）：338-343.

[4]HIETT A K， SONEK J D， GUY M， et al. Performance of IOTA Simple Rules， Simple Rules risk assessment， ADNEX model and O-RADS in differentiating between benign and malignant adnexal lesions in North American women[J]. Ultrasound Obstet Gynecol， 2022，59（5）：668-676.

[5]CHEN H， YANG B W， QIAN L， et al. Deep learning prediction of ovarian malignancy at US compared with O-RADS and expert assessment[J]. Radiology， 2022，304（1）：106-113.

[6]LI L， CHEN F F， LIN A， et al. Detection of BRCA1/2 mutation and analysis of clinicopathological characteristics in 141 cases of ovarian cancer[J]. Comput Math Methods Med，? 2021：4854282.

[7]BASHA M A A， REFAAT R， IBRAHIM S A， et al. Gynecology Imaging Reporting and Data System （GI-RADS）：Diagnostic performance and inter-reviewer agreement[J]. Eur Radiol， 2019，29（11）：5981-5990.

[8]DOCHEZ V， CAILLON H， VAUCEL E， et al. Biomarkers and algorithms for diagnosis of ovarian cancer： CA125， HE4， RMI and ROMA， a review[J]. J Ovarian Res， 2019，12（1）：28.

[9]DOCHEZ V， RANDET M， RENAUDEAU C， et al. Efficacy of HE4， CA125， risk of malignancy index and risk of ovarian malignancy index to detect ovarian cancer in women with presumed benign ovarian tumours： A prospective， multicentre trial[J]. J Clin Med， 2019，8（11）：1784.

[10]GUO W， ZOU X H， XU H Y， et al. The diagnostic perfor-mance of the Gynecologic Imaging Reporting and Data System （GI-RADS） in adnexal masses[J]. Ann Transl Med， 2021，9（5）：398.

[11]VAN CALSTER B， VAN HOORDE K， FROYMAN W， et al. Practical guidance for applying the ADNEX model from the IOTA group to discriminate between different subtypes of adnexal tumors[J]. Facts Views Vis Obgyn， 2015，7（1）：32-41.

[12]齊陽柳，盧學峰. 惡性風險指數(shù)（RMI）結合超聲專家評估對卵巢良惡性腫瘤鑒別的應用價值[J]. 影像研究與醫(yī)學應用， 2021，5（14）：7-9.

[13]陳念，馬玲，胡義剛，等. IOTA簡單規(guī)則聯(lián)合Caruso評分鑒別卵巢良惡性腫瘤的應用價值[J]. 臨床超聲醫(yī)學雜志， 2019，21（2）：107-110.

[14]孟靖涵，何秀麗. IOTA SR與CA125、HE4、ROMA、RMI1、GI-RADS對卵巢良惡性腫瘤的診斷價值比較[J]. 中國實用婦科與產科雜志， 2021，37（1）：100-104.

[15]LAI H W， LYU G R， KANG Z， et al. Comparison of O-RADS， GI-RADS， and ADNEX for diagnosis of adnexal masses： An external validation study conducted by junior sonologists[J]. J Ultrasound Med， 2022，41（6）：1497-1507.

[16]PI Y L， WILSON M P， KATLARIWALA P， et al. Diagnostic accuracy and inter-observer reliability of the O-RADS scoring system among staff radiologists in a North American academic clinical setting[J]. Abdom Radiol （NY）， 2021，46（10）：4967-4973.

[17]楊文敏，呂國榮，陳秋月. 卵巢-附件報告及數(shù)據(jù)系統(tǒng)、婦科影像報告與數(shù)據(jù)系統(tǒng)和簡單法則風險預測模型鑒別診斷卵巢良、惡性腫瘤[J]. 中國醫(yī)學影像技術， 2021，37（9）：1368-1372.

[18]CAO L， WEI M J， LIU Y， et al. Validation of American college of radiology ovarian-adnexal reporting and data system ultrasound （O-RADS US）：Analysis on 1054 adnexal masses[J]. Gynecol Oncol， 2021，162（1）：107-112.

[19]BASHA M A A， METWALLY M I， GAMIL S A， et al. Comparison of O-RADS， GI-RADS， and IOTA simple rules regarding malignancy rate， validity， and reliability for diagnosis of adnexal masses[J]. Eur Radiol， 2021，31（2）：674-684.

（本文編輯 耿波 厲建強）