📄 医学

Development and Internal Validation of a Prediction Model for Ureteral Access Sheath Insertion Depth During Flexible Ureteroscopy Based on Patient Anthropometric and Anatomical Parameters

本研究开发并内部验证了一个结合 L1–耻骨联合距离与人体测量参数的多变量岭回归模型，用于准确预测柔性输尿管镜检查期间输尿管入路鞘的置入深度，该模型在测试集上实现了 0.661 的 R² 值，且 78.9% 的预测值与实际深度的误差在 ±2 cm 以内。

原作者： hengda Hu, Weixiong Ma, Wenpu Chen, Guofeng Yu

发布于 2026-09-29

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： hengda Hu, Weixiong Ma, Wenpu Chen, Guofeng Yu

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在手术室里，一名正在进行精细肾结石手术的医生正面临着一个无声的挑战：该将一根细长的柔性管推入体内多深。这根被称为输尿管入路鞘的管子起着保护通道的作用，允许医生引导内窥镜和器械进入输尿管（连接肾脏与膀胱的狭窄通道），而不会损伤脆弱的组织。如果管子推得太深，可能会刺破肾脏或撕裂内壁；如果推得不够深，医生就必须在X射线引导下反复地回抽和推进，从而增加患者的辐射暴露并延长手术时间。几十年来，决定停止位置的决策几乎完全依赖于医生的直觉、多年的经验以及基于患者体型的粗略估计。在手术开始前，一直没有可靠的方法可以知道确切的停止点。

上海金山区中心医院的一个研究团队致力于用精确的计算取代这种猜测。他们提出了一个简单的问题：能否通过测量患者已有的几项指标（如身高、体重）结合一张标准的术前X光片，来预测这根管子的完美深度？通过研究了124名接受此类手术的患者，该团队开发了一个数学模型，利用这些日常测量数据来预报管子需要进入的确切深度。他们的工作表明，通过观察人体内两个特定骨骼标志物之间的距离，医生现在可以高精度地估算正确深度，这有望让手术对所有人来说都更安全、更快速。

研究人员专注于一种此前尚未被广泛用于此目的的特定解剖学关系。他们测量了从腰椎下方到盆骨上方之间的距离。在人体中，输尿管大致沿着这条垂直路径运行，从靠近脊柱的肾脏区域向下延伸至膀ون。该团队假设，这个骨骼距离可以在术前通过标准X光片或快速扫描轻松观察到，因此可以作为输尿管路径长度的可靠“尺子”。他们将这一测量值与其他易于获取的数据相结合：患者的身高、年龄、性别、体重指数以及受累的一侧身体。

为了测试这一想法，该团队收集了2025年4月至2026年7月期间接受该手术的124名连续成年患者的数据。在每次手术中，医疗团队都会仔细记录管子插入的确切深度——即从会阴部皮肤到输尿管与肾脏交界处的距离。随后，他们将所有这些数字输入到一个旨在寻找模式的计算机系统中。该系统测试了六种不同的数学方法，以确定哪一种最能将患者的身体特征与手术中实际使用的深度联系起来。目标是找到一种不仅准确，而且足够简单，让医生无需复杂软件即可使用的计算方法。

结果显示，一种被称为岭回归（ridge regression）的特定统计模型效果最好。该模型成功预测了近79%患者的正确插入深度，误差范围仅为两厘米。在这一类手术领域，两厘米以内的误差被认为是临床可接受的，因为这意味着管子几乎肯定能到达正确的位置，而无需频繁调整。该模型确定了三个最具影响力的预测因素：性别（男性）、身高以及脊椎与耻骨之间的特定距离。有趣的是，研究发现，脊椎与耻骨之间的距离提供了身高和体重本身无法捕捉到的独特信息，从而增加了预测的精确度。

研究人员还测试了这种新方法是否优于仅使用骨骼测量值，或者仅使用身高和体重等标准身体测量值。他们发现，将所有因素结合起来的效果要好得多。仅使用骨骼距离的模型准确性较低，而仅使用身高和体重的模型也缺乏精确度。通过将它们结合在一起，团队创建了一个能够解释比任何单一因素更多深度变化的工具。研究证实，该模型是稳定的，它不仅仅是记住了这124名患者的数据，而是具有普适性，因为它在对不同亚组进行测试时表现一致。

尽管取得了这些令人鼓舞的成果，作者也谨慎地指出，这是一项内部研究，意味着它仅在他们自己的医院进行的测试。由于该患者群体主要是男性，反映了其医疗机构典型的肾结石手术人口统计学特征，这意味着该模型可能需要进一步测试，以确保对女性同样有效。研究人员强调，该工具并非旨在取代外科医生的判断或术中的X射线确认。相反，它是一个规划辅助工具，能为医生提供一个比凭直觉猜测更好的起始点。通过缩小管子应进入的范围，该工具可以减少医生调整管子的次数，从而缩短手术时间并减少患者的辐射暴露。

这项研究的最终目标是将一种主观的艺术转化为一门客观的科学。通过在常规X光片上测量从腰部到盆骨的距离，并将几个简单的数字输入计算器，外科医生现在可以在进行第一次切口前，获得一个基于数据的深度预估。该团队已将此计算过程转化为在线工具，方便任何医生立即使用。虽然这项研究迈出了重要一步，但作者承认，在将其作为全球手术的标准组成部分之前，该工具需要在不同医院、更大规模且更多样化的人群中进行测试。目前，它清晰地展示了当简单的测量结合现代分析技术时，如何能为复杂的医疗任务带来更高的精准度。

技术摘要：输尿管入路鞘置入深度预测模型的开发与内部验证

问题陈述
在软镜碎石术（fURS）过程中，输尿管入路鞘（UAS）的最佳置入位置目前主要取决于外科医生的经验、术中透视以及对体型的主观估计。置入深度不准确会带来显著风险：深度过大可能导致输尿管损伤、穿孔或黏膜撕裂；而深度不足则需要反复进行透视调整，从而增加辐射暴露和手术时间。虽然近期推出的柔性可导航吸引鞘（FANS）提高了对精确深度选择的需求，但目前尚无经过验证的术前工具来指导这一决策。以往的研究已将输尿管长度与身高及体型建立关联，但尚未正式建立一个专门用于预测 UAS 置入深度的、易于获取的放射学预测模型。

研究方法
这项单中心、回顾性队列研究遵循 TRIPOD 指南，纳入了 2025 年 4 月至 2026 年 7 月期间接受 fURS 并置入 UAS 的 124 例连续成年患者。

数据收集： 主要结局指标为实际 UAS 置入深度（cm），即术中从会阴皮肤到输尿管肾盂连接处（UPJ）的测量距离。选择了六个候选预测因子：身高、年龄、性别、手术侧别、体重指数（BMI）以及一种新型放射学测量指标：L1–耻骨联合距离（即从 L1 椎体下终板到耻骨联合上缘的头尾向距离，通过术前平片或 CT 扫描图像测量）。
模型开发： 使用分层随机抽样将数据集分为训练集（70%，n=86）和测试集（30%，n=38）。评估了六种回归算法：岭回归（Ridge）、Lasso 回归、贝叶斯岭回归（Bayesian Ridge）、随机森林（Random Forest）、支持向量回归（SVR）和多层感知器（MLP）。通过五折交叉验证进行超参数调优，并以平均绝对误差（MAE）作为选择标准。
验证： 使用 $R^2$ 、MAE、均方根误差（RMSE）以及预测值落在实际深度 $\pm$ 2 cm 范围内的比例来评估模型性能。内部验证包括留一交叉验证（LOOCV）和自助法重采样（1,000 次迭代），以估计乐观度并纠正过拟合。同时进行了嵌套模型比较，以量化 L1–耻骨联合距离相对于传统人体测量学变量的增量价值。

核心贡献

新型放射学预测因子： 本研究引入了 L1–耻骨联合距离 作为术前预测因子。该测量值近似于后腹膜输尿管的垂直跨度，且无需额外辐射或成本即可通过常规术前影像获得。
优化的机器学习模型： 通过对比分析，研究确定 岭回归（正则化参数 $\alpha=10$ ）为最优算法。它在准确性、稳定性和可解释性之间达到了最佳平衡，表现优于更复杂的非线性模型（如 SVR 和 MLP），后者在样本量较小的背景下出现了过拟给现象。
临床工具： 开发了一个免费开放的在线计算器，临床医生可以通过输入患者的人口统计学数据和 L1–耻骨联合距离来生成预测的置入深度。

结果

预测性能： 最终的岭回归模型在测试集上的 $R^2$ 为 0.661，MAE 为 1.24 cm，RMSE 为 1.56 cm。至关重要的是，78.9% 的预测值落在 $\pm$ 2 cm 的临床可接受阈值内。
变量重要性： 标准化系数显示，男性 ( $\beta=0.927$ )、身高 ( $\beta=0.811$ ) 和 L1–耻骨联合距离 ( $\beta=0.740$ ) 是最强的预测因子。BMI 也具有独立的贡献度 ( $\beta=0.410$ )，而年龄和侧别在调整后并非显著的独立预测因子。
增量价值： 与仅使用人体测量学变量相比，纳入 L1–耻骨联合距离显著提升了模型性能。 $R^2$ 从 0.606（仅人体测量学变量）增加到 0.649（全模型），这种提升具有统计学意义（ $\Delta R^2 = +0.043, p < .001$ ）。
内部验证： 自助法内部验证证实了极低的过拟合程度（乐观度 = 0.026），其校正后的 $R^2$ 为 0.659，校准斜率为 1.033，表明模型具有良好的校准度。

意义与主张
作者声称，本研究提供了首个结合人体测量学参数和新型低成本放射学测量指标来预测 UAS 置入深度的机器学习模型。研究断言，该模型具有临床可接受的准确度，平均误差约为 1.4 cm，远低于被认为能避免肾盏损伤的 2 cm 安全阈值。

其意义在于该模型可作为规划辅助工具，而非替代术中判断。通过缩小初始置入范围，该模型可以减少所需的透视调整次数，从而降低辐射暴露并缩短手术时间，对于初学者或处于学习曲线早期的医生尤为适用。作者强调，L1–耻骨联合距离捕捉到了标准身高或 BMI 无法反映的躯干比例方面的独立解剖变异。

局限性与未来方向
论文对目前的适用性持谨慎态度。作者承认该模型仅经过了内部验证，在广泛临床应用前，仍需在更大规模、更多样化的多中心队列中进行外部验证。研究指出，受试者以男性为主（72.6%），且缺乏关于医生估算值或透视调整次数的数据，这些均属于研究局限。作者总结道，虽然该模型是一个有用的起点，但它并不能取代术中进行透视确认的必要性。

技术摘要：输尿管入路鞘置入深度预测模型的开发与内部验证

类似论文