摘" " 要" " 目的" " 基于術(shù)前臨床及超聲資料建立列線圖模型，探討其預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的臨床價值。方法" " 選取我院經(jīng)手術(shù)病理確診的卵巢癌患者475例，按照7∶3的比例將其隨機分為訓練集333例和驗證集142例，其中訓練集中發(fā)生淋巴結(jié)轉(zhuǎn)移92例（LNM組），未發(fā)生淋巴結(jié)轉(zhuǎn)移241例（NLNM 組）。比較兩組臨床及超聲資料的差異。應用Logistic回歸分析篩選預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的獨立影響因素，并繪制列線圖。繪制受試者工作特征（ROC）曲線，采用曲線下面積和一致性指數(shù)（C-index）評價列線圖模型的區(qū)分度；校準曲線和Brier評分評價其校準度；決策曲線評價其臨床適用性。結(jié)果" " 兩組腫瘤組織學分型、國際婦產(chǎn)科聯(lián)盟（FIGO）分期及位置比較差異均有統(tǒng)計學意義（均Plt;0.01）；且NLNM組Ki-67表達水平、多灶性占比、最大徑均小于LNM組，差異均有統(tǒng)計學意義（均Plt;0.001）。腫瘤最大徑、多灶性及Ki-67表達水平均為預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的獨立危險因素（OR=1.010、5.236、1.023，均Plt;0.01）。ROC曲線分析顯示，列線圖模型預測訓練集、驗證集中卵巢癌患者淋巴結(jié)轉(zhuǎn)移的曲線下面積分別為0.819（95%可信區(qū)間：0.770～0.868）、0.794（95%可信區(qū)間：0.717～0.870），C-index分別為0.837（95%可信區(qū)間：0.811～0.894）、0.749（95%可信區(qū)間：0.712～0.791），提示模型具有良好的區(qū)分度。校準曲線分析顯示，列線圖模型在訓練集和驗證集中的預測曲線與校準曲線均較為貼合，Brier評分分別為0.22、0.38，提示模型預測概率與實際概率的一致性較高，校準度較好。決策曲線分析顯示，列線圖預測訓練集、驗證集中卵巢癌患者淋巴結(jié)轉(zhuǎn)移的臨床適用性均較好。結(jié)論" " 基于術(shù)前臨床及超聲資料的列線圖模型在預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移中有一定的臨床價值。

關(guān)鍵詞" " 超聲檢查；卵巢腫瘤；淋巴結(jié)轉(zhuǎn)移；列線圖

［中圖法分類號］R445.1；R737.31" " " ［文獻標識碼］A

Clinical value of nomogram model based on preoperative clinical and ultrasonic data in predicting lymph node metastasis in ovarian cancer patients

YANG Yaqin，YE Xuewei，ZHOU Binqian，MAO Mingfeng，CUI Xinwu，LIU Jianxin

Department of Ultrasound，Wuhan Central Hospital，Tongji Medical College，Huazhong University of Science and Technology，Wuhan 430000，China

ABSTRACT" " Objective" " To establish a nomogram model based on preoperative clinical and ultrasonic data，and to explore its clinical value in predicting lymph node metastasis in ovarian cancer patients.Methods" " A total of 475 ovarian cancer patients confirmed by surgical pathology in our hospital were selected.They were randomly divided into a training set（n=333） and a validation set（n=142） at a ratio of 7∶3.There were 92 cases of lymph node metastasis（LNM group） and 241 cases without lymph node metastasis（NLNM group） in the training set.The clinical and ultrasonic data of LNM group and NLNM group were compared.Logistic regression analysis was applied to screen the independent influencing factors for predicting lymph node metastasis in ovarian cancer patients，and the nomogram was drawn.Receiver operating characteristic（ROC） curve was drawn，the area under the curve and consistency index（C-index） were used to evaluate the differentiation of the nomogram.Calibration curve and Brier score were used to evaluate the calibration degree.Decision curve was used to evaluate the clinical applicability.Results" " There were statistically significant differences in histological types，F(xiàn)IGO stage and tumor location between the two groups（all Plt;0.01）.Additionally，the expression level of Ki-67，proportion of multifocality and maximum diameter in the NLNM group were lower than those in the LNM group，with statistically significant differences（all Plt;0.001）.Tumor maximum diameter，multifocality and the expression level of Ki-67 were independent risk factors for predicting lymph node metastasis in ovarian cancer patients（OR=1.010，5.236，1.023，all Plt;0.01）.ROC curve analysis showed that the area under the curve of the nomogram model for predicting lymph node metastasis in ovarian cancer patients in the training and validation sets were 0.819（95%CI：0.770～0.868） and 0.794（95%CI：0.717～0.870），and the C-index were 0.837（95%CI：0.811～0.894），0.749（95%CI：0.712～0.791），respectively，indicating good differentiation of the model.Calibration curve analysis showed that the calibration degree of the prediction curve and calibration curve judged by the nomogram model was higher in the training and the validation sets，Brier score were 0.22，0.38，indicating good consistency between predicted and actual outcomes，and the calibration degree was good.Decision curve analysis showed good clinical applicability of the nomogram model for predicting lymph node metastasis in ovarian cancer patients in the training and the validation sets.Conclusion" " The nomogram model based on preoperative clinical and ultrasonic data has a certain clinical value in predicting lymph node metastasis in ovarian cancer patients.

KEY WORDS" " Ultrasonography；Ovarian tumors；Lymph node metastasis；Nomogram

卵巢癌是全球女性最常見的癌癥之一，也是婦科惡性腫瘤的第三大死因，2020年約有31.3萬例新發(fā)病例和20.7萬例死亡病例［1-3］。許多女性由于缺乏早期篩查，首次確診時已處于晚期［國際婦產(chǎn)科聯(lián)盟（International Federation of Gynecology and Obstetrics，F(xiàn)IGO）Ⅲ、Ⅳ期］，僅不到20%的患者被診斷為卵巢癌早期（FIGOⅠ、Ⅱ期）［4-5］。淋巴管是卵巢癌擴散的主要途徑，早期卵巢癌的淋巴結(jié)轉(zhuǎn)移發(fā)生率低于晚期［6］。淋巴結(jié)狀態(tài)顯著影響卵巢癌患者的生存期，是卵巢癌FIGO分期系統(tǒng)的重要影響因素［7］。伴有淋巴結(jié)轉(zhuǎn)移的卵巢癌通常被歸類為Ⅲ期或更高分期，其預后往往更差。據(jù)文獻［8］報道，14%的早期卵巢癌患者和44%～53%的晚期卵巢癌患者均可出現(xiàn)淋巴結(jié)轉(zhuǎn)移。因此并非所有卵巢癌患者均需行淋巴結(jié)清掃術(shù)。超聲檢查是婦科腫瘤的重要篩查手段，被廣泛應用于婦科腫瘤如卵巢癌的診斷中。本研究基于術(shù)前臨床及超聲資料建立列線圖模型，探討其預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的臨床價值，以期指導臨床手術(shù)和治療。

資料與方法

一、研究對象

選取2014年4月至2022年5月我院經(jīng)手術(shù)病理確診的卵巢癌患者475例，年齡13～83歲，平均（53.5±11.1）歲。按照7∶3的比例將475例患者隨機分為訓練集333例和驗證集142例。其中，訓練集中發(fā)生淋巴結(jié)轉(zhuǎn)移92例（LNM組），未發(fā)生淋巴結(jié)轉(zhuǎn)移241例（NLNM 組）；驗證集中發(fā)生淋巴結(jié)轉(zhuǎn)移45例，未發(fā)生淋巴結(jié)轉(zhuǎn)移97例。納入標準：①所有患者均接受卵巢癌切除術(shù)和淋巴結(jié)清掃術(shù)；②手術(shù)前2周內(nèi)接受超聲檢查；③均經(jīng)手術(shù)病理確診；④有明確的淋巴結(jié)狀態(tài)的病理結(jié)果。排除標準：①術(shù)前曾接受新輔助化療或放療；②合并其他腫瘤；③術(shù)前臨床資料或超聲資料不完整。本研究遵循《赫爾辛基宣言》，經(jīng)我院醫(yī)學倫理委員會批準（批準號：WHZXKYL2022-218），為回顧性研究故免除患者知情同意。

二、儀器與方法

1.超聲檢查：使用日立Aloka Nobuls彩色多普勒超聲診斷儀，EUP-V53W探頭，頻率5～9 MHz?；颊吲趴瞻螂祝〗厥?，經(jīng)陰道探頭掃查子宮及其附件，必要時使用經(jīng)腹部探頭掃查。納入的超聲圖像特征包括腫瘤最大徑、是否多灶性、位置（左側(cè)、右側(cè)、雙側(cè)）、形態(tài)（類圓形、不規(guī)則）、有無分隔、有無乳頭狀突起、血流評分、回聲是否均勻、有無鈣化、有無后方回聲、是否合并子宮肌瘤及子宮內(nèi)膜厚度；其中血流評分參考文獻［9］分為1～4分。

2.臨床資料獲取：從電子病歷系統(tǒng)中收集患者的病史、實驗室檢查和超聲資料。病史資料包括年齡、妊娠次數(shù)、生育次數(shù)、組織學分型和FIGO分期。組織學分型包括漿液性卵巢癌（SOC）、黏液性卵巢癌（MOC）、子宮內(nèi)膜樣卵巢癌（EEOC）、透明細胞癌（OCCC）及其他類型卵巢癌。實驗室檢查資料包括中性粒細胞與淋巴細胞計數(shù)比值（NLR）、孕激素受體（PR）、Ki-67表達水平、糖類抗原125（CA125）、糖類抗原153（CA153）、糖類抗原199（CA199）、糖類抗原724（CA724）及甲胎蛋白（AFP）；其中PR陽性定義為：陽性染色腫瘤細胞占比≥1%。

三、統(tǒng)計學處理

應用SPSS 26.0和GraphPad Prism 9統(tǒng)計軟件、R 4.2.2語言，計量資料以x±s表示，兩組比較采用t檢驗；計數(shù)資料以例或率表示，兩組比較采用χ2檢驗。采用單因素分析卵巢癌患者淋巴結(jié)轉(zhuǎn)移的影響因素，將單因素分析中Plt;0.1的變量納入二元Logistic回歸分析中，使用向前逐步回歸法進行分析，并根據(jù)該結(jié)果繪制預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的列線圖。繪制受試者工作特征（ROC）曲線，采用曲線下面積和一致性指數(shù)（C-index）評價列線圖模型的區(qū)分度；校準曲線和Brier評分評價其校準度；決策曲線分析評價其臨床適用性。Plt;0.05為差異有統(tǒng)計學意義。

結(jié)" 果

一、訓練集與驗證集臨床及超聲資料比較

訓練集與驗證集臨床及超聲資料比較差異均無統(tǒng)計學意義。見表1，2。

二、訓練集中NLNM組與LNM組臨床及超聲資料比較

訓練集中兩組腫瘤組織學分型、FIGO分期及位置比較差異均有統(tǒng)計學意義（均P lt;0.01）；且NLNM組Ki-67表達水平、多灶性占比、最大徑均小于LNM組，差異均有統(tǒng)計學意義（均P lt;0.001）。兩組其余臨床及超聲資料比較差異均無統(tǒng)計學意義。見表3，4和圖1，2。

三、二元Logistic回歸分析卵巢癌患者淋巴結(jié)轉(zhuǎn)移的獨立危險因素

將上述差異有統(tǒng)計學意義的指標納入單因素Logistic回歸分析，結(jié)果顯示腫瘤最大徑、多灶性、位置、后方回聲、組織學分型、Ki-67表達水平、NLR均為預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的危險因素；再將上述Plt;0.1的變量納入多因素Logistic回歸分析，結(jié)果顯示腫瘤最大徑、多灶性、Ki-67表達水平均為預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的獨立危險因素（均Plt;0.05）。見表5。

四、預測卵巢癌淋巴結(jié)轉(zhuǎn)移的列線圖模型的建立

基于腫瘤最大徑、多灶性及Ki-67表達水平3個獨立危險因素建立卵巢癌患者淋巴結(jié)轉(zhuǎn)移的列線圖，列線圖中每個變量的分值代表其對結(jié)局事件的貢獻程度，根據(jù)患者的個體情況計算總分，總分對應卵巢癌患者淋巴結(jié)轉(zhuǎn)移的風險概率。見圖3。

五、列線圖模型的驗證和評價

1.區(qū)分度：ROC曲線分析顯示，列線圖模型預測訓練集、驗證集中卵巢癌患者淋巴結(jié)轉(zhuǎn)移的曲線下面積分別為0.819（95%可信區(qū)間：0.770～0.868）、0.794（95%可信區(qū)間：0.717～0.870），C-index分別為 0.837（95%可信區(qū)間：0.811～0.894）、0.749（95%可信區(qū)間：0.712～0.791），提示模型具有良好的區(qū)分度。見圖4。

2.校準度：校準曲線分析顯示，列線圖模型在訓練集和驗證集中的預測曲線與校準曲線均較為貼合，Brier評分分別為0.22、0.38，提示模型預測概率與實際概率的一致性較高，校準度較好。見圖5。

3.臨床適用性：訓練集的決策曲線分析顯示，當概率閾值為 0.06～0.72時，列線圖模型的臨床獲益較高；驗證集的決策曲線分析顯示，當概率閾值為 0.04～0.88時，列線圖模型的臨床獲益較高。見圖6。

討" 論

卵巢癌是一種常見的婦科惡性腫瘤，根據(jù)病情的不同，手術(shù)治療常分為根治性手術(shù)和保守性手術(shù)2種方式［10］。在根治性手術(shù)中，淋巴結(jié)清掃術(shù)是一項非常重要的步驟，可以通過切除淋巴結(jié)清除患者體內(nèi)潛在的癌細胞，從而達到治療和預防卵巢癌轉(zhuǎn)移的目的［11］。但淋巴結(jié)清掃術(shù)也存在一定的風險和副作用，如術(shù)后可能發(fā)生淋巴結(jié)水腫、下肢靜脈栓塞等［12］。Kleppe等［13］研究顯示，F(xiàn)IGO分期Ⅰ、Ⅱ期卵巢癌患者淋巴結(jié)轉(zhuǎn)移發(fā)生率為14.2%。Lago等［14］研究顯示，僅2.9%的Ⅰ、Ⅱ期低級別卵巢癌患者存在淋巴結(jié)轉(zhuǎn)移。本研究訓練集中僅12例（3.6%）Ⅰ、Ⅱ期患者發(fā)生淋巴結(jié)轉(zhuǎn)移，驗證集中僅6例（4.2%）Ⅰ、Ⅱ期患者發(fā)生淋巴結(jié)轉(zhuǎn)移。對于淋巴結(jié)轉(zhuǎn)移可能性極小的患者行淋巴結(jié)清掃術(shù)可能并不能為患者帶來臨床獲益。因此，臨床需根據(jù)患者的具體情況和手術(shù)指征決定是否進行淋巴結(jié)清掃術(shù)。然而，在臨床工作中準確辨識高淋巴結(jié)轉(zhuǎn)移風險患者是相當具有挑戰(zhàn)性的，故術(shù)前預測患者是否發(fā)生淋巴結(jié)轉(zhuǎn)移尤為重要。本研究基于術(shù)前臨床及超聲資料建立列線圖模型，探討其預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的臨床價值。

目前術(shù)前預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的研究尚不充分，尚無足夠的數(shù)據(jù)或證據(jù)來建立準確的預測模型或指南，以確定患者淋巴結(jié)轉(zhuǎn)移的風險［13］。研究［15-17］表明，年齡、CA125、Ki-67表達水平、腫瘤最大徑、組織學類型、組織學分級、絕經(jīng)狀態(tài)等均與卵巢癌淋巴結(jié)轉(zhuǎn)移相關(guān)。本研究結(jié)果顯示，訓練集中NLNM組和LNM組腫瘤組織學分型、FIGO分期、位置、Ki-67表達水平、多灶性占比及最大徑比較差異均有統(tǒng)計學意義（均Plt;0.01），與上述研究結(jié)論基本一致，但本研究兩組CA125比較差異無統(tǒng)計學意義，與上述研究結(jié)論不同，可能是由于不同研究中患者的納入及排除標準不同。本研究將上述差異有統(tǒng)計學意義的指標納入二元Logistic回歸分析，結(jié)果顯示腫瘤最大徑、多灶性及Ki-67表達水平均為預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移的獨立危險因素（OR=1.010、5.236、1.023，均Plt;0.01）。分析原因為：Ki-67是一種用于評估細胞增殖活性的核心蛋白，被廣泛用于預測腫瘤的生長速度和潛在惡性程度［18］。Ki-67表達水平越高，表示腫瘤細胞越活躍，腫瘤生長速度越快，潛在的惡性程度和淋巴結(jié)轉(zhuǎn)移的風險均越高。除臨床資料中的Ki-67表達水平，超聲資料也與淋巴結(jié)轉(zhuǎn)移密切相關(guān)。本研究發(fā)現(xiàn)腫瘤越大，越容易發(fā)生淋巴結(jié)轉(zhuǎn)移。一項4110例患者的大規(guī)?；仡櫺匝芯浚?9］表明，當腫瘤最大徑lt;200 mm時，腫瘤最大徑與淋巴結(jié)轉(zhuǎn)移的風險相關(guān)，本研究結(jié)論與之一致。通常來說，隨著腫瘤的增大，其生長速度和侵襲性也會增加。更大的腫瘤往往意味著更多的腫瘤細胞和更高的腫瘤負荷，從而增加了腫瘤淋巴結(jié)轉(zhuǎn)移的可能性。另外，本研究發(fā)現(xiàn)多灶性腫瘤的淋巴結(jié)轉(zhuǎn)移風險高于單發(fā)腫瘤。分析原因為多灶性腫瘤往往具有更大的異質(zhì)性，不同病灶可能具有不同的生物學特性和臨床行為，部分病灶可能具有更高的侵襲性和轉(zhuǎn)移能力，從而增加了淋巴結(jié)轉(zhuǎn)移的風險。

列線圖作為一種圖形化的預測模型，具有直觀易懂、個性化預測、多因素綜合考慮、便于應用和良好的可視化效果等優(yōu)點，可為臨床決策和疾病預測提供重要依據(jù)［20］。本研究基于臨床及超聲資料確定的獨立危險因素建立列線圖模型，并繪制ROC曲線圖，采用曲線下面積和C-index評價模型的區(qū)分度，結(jié)果顯示該模型在訓練集和驗證集中的曲線下面積分別為0.819（95%可信區(qū)間：0.770～0.868）、0.794（95%可信區(qū)間：0.717～0.870），C-index分別為 0.837（95%可信區(qū)間：0.811～0.894）、0.749（95%可信區(qū)間：0.712～0.791），提示該模型具有較高的區(qū)分度，能夠有效區(qū)分有無淋巴結(jié)轉(zhuǎn)移的情況。校準曲線分析顯示，列線圖模型在訓練集和驗證集中的預測曲線與校準曲線均較為貼合，Brier評分分別為0.22、0.38，提示模型預測概率與實際概率的一致性較高，校準度較好。決策曲線分析顯示，列線圖模型預測訓練集、驗證集中卵巢癌患者淋巴結(jié)轉(zhuǎn)移的臨床適用性均較好，提示列線圖模型具有較好的預測價值，可作為臨床決策的有效輔助工具，為卵巢癌患者淋巴結(jié)轉(zhuǎn)移的治療和預后評估提供重要參考。

本研究的局限性：①本研究基于回顧性數(shù)據(jù)分析，存在一定的選擇偏倚；②僅進行了內(nèi)部驗證，未進行外部驗證；③僅考慮了臨床及超聲資料，未考慮其他可能的危險因素，如基因與遺傳等。待今后擴大樣本量進行深入驗證。

綜上所述，基于術(shù)前臨床及超聲資料的列線圖模型在預測卵巢癌患者淋巴結(jié)轉(zhuǎn)移中有一定的臨床價值，可為患者制定最佳的治療方案提供參考。

參考文獻

［1］ Konstantinopoulos PA，Matulonis UA.Clinical and translational advances in ovarian cancer therapy［J］.Nature Cancer，2023，4（9）：1239-1257.

［2］ Reynolds AC，Mckenzie LJ.Cancer treatment-related ovarian dysfunction in women of childbearing potential：management and fertility preservation options［J］.J Clin Oncol，2023，41（12）：2281-2292.

［3］ Sung H，F(xiàn)erlay J，Siegel RL，et al.Global Cancer Statistics 2020：GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries［J］.CA Cancer J Clin，2021，71（3）：209-249.

［4］ Borella F，Mitidieri M，Cosma S，et al.Update on prognostic and predictive markers in mucinous ovarian cancer［J］.Cancers，2023，15（4）：1172.

［5］ Jin Y，Ma X，Yang Z，et al.Low L3 skeletal muscle index associated with the clinicopathological characteristics and prognosis of ovarian cancer：a Meta-analysis［J］.J Cachexia Sarcopenia Muscle，2023，14（2）：697-705.

［6］ Desteli GA，Gultekin M，Usubutun A，et al.Lymph node metastasis in grossly apparent clinical stage Ⅰa epithelial ovarian cancer：hacettepe experience and review of literature［J］.World J Surg Oncol，2010，8（1）：106.

［7］ Duska LR，Kohn EC.The new classifications of ovarian，fallopian tube，and primary peritoneal cancer and their clinical implications［J］.Ann Oncol，2017，28（suppl_8）：viii8-viii12.

［8］ Morice P，Joulie F，Camatte S，et al.Lymph node involvement in epithelial ovarian cancer：analysis of 276 pelvic and paraaortic lymphadenectomies and surgical implications［J］.J Am Coll Surg，2003，197（2）：198-205.

［9］ Knipprath-Mészáros AM，Tozzi A，Butensch?n A，et al.High negative prediction for the basel sarcoma score：sonographic assessment of features suspicious of uterine sarcoma［J］.Gynecol Oncol，2023，174（1）：182-189.

［10］ 盧淮武，葉棟棟，吳斌，等.《2023 NCCN卵巢癌包括輸卵管癌及原發(fā)性腹膜癌臨床實踐指南（第1版）》解讀［J］.中國實用婦科與產(chǎn)科雜志，2023，39（1）：58-67.

［11］ 吳海芳，張海波，黃素靜，等.Nogo-B促進M2型巨噬細胞極化在卵巢癌細胞增殖、侵襲和血管生成中的作用研究［J］.現(xiàn)代腫瘤醫(yī)學，2023，31（5）：828-834.

［12］ Zwimpfer TA，Tal O，Geissler F，et al.Low grade serous ovarian cancer——a rare disease with increasing therapeutic options［J］.Cancer Treat Rev，2023，112（1）：102497.

［13］ Kleppe M，Wang T，Van Gorp T，et al.Lymph node metastasis in stages Ⅰ and Ⅱ ovarian cancer：a review［J］.Gynecol Oncol，2011，123（3）：610-614.

［14］ Lago V，Minig L，F(xiàn)otopoulou C.Incidence of lymph node metastases in apparent early-stage low-grade epithelial ovarian cancer：a comprehensive review［J］.Int J Gynecol Cancer，2016，26（8）：1407-1414.

［15］ Bachmann C，Kr?mer B，Brucker SY，et al.Relevance of pelvic and para-aortic node metastases in early-stage ovarian cancer［J］.Anticancer Res，2014，34（11）：6735-6738.

［16］ Powless CA，Aletti GD，Bakkum-Gamez JN，et al.Risk factors for lymph node metastasis in apparent early-stage epithelial ovarian cancer：implications for surgical staging［J］.Gynecol Oncol，2011，122（3）：536-540.

［17］ Wang F，Wang Y，Zhou Y，et al.Apparent diffusion coefficient histogram analysis for assessing tumor staging and detection of lymph node metastasis in epithelial ovarian cancer：correlation with p53 and Ki-67 expression［J］.Mol Imaging Biol，2019，21（4）：731-739.

［18］ Lee J，Lee YJ，Bae SJ，et al.Ki-67，21-gene recurrence score，endocrine resistance，and survival in patients with breast cancer［J］.JAMA Network Open，2023，6（8）：e2330961.

［19］ Wang J，Chen S，Zhong F，et al.A LASSO-derived prediction model for assessing the risk of lymph node metastasis in T1 and T2 epithelial ovarian cancer：an international retrospective cohort study［J］.Int J Surg，2023 Mar 27.doi：10.1097/JS9.0000000000000065.

［20］ 余麗惠，陳泳愉，伍衛(wèi)如，等.基于超聲圖像特征的列線圖模型預測乳腺葉狀腫瘤Ki-67表達水平的臨床價值［J］.臨床超聲醫(yī)學雜志，2024，26（2）：148-152.

（收稿日期：2023-11-07）