目的:鼻腔鼻窦内翻性乳头状瘤(sinonasal inverted papillomas,SNIP)是鼻腔鼻窦最常见的良性肿瘤之一,具有一定的复发风险和恶变潜力,手术彻底切除肿瘤是目前SNIP首选的治疗方式。早期识别并诊断肿瘤对SNIP的诊疗至关重要,从而为患者提供及早、合理的手术干预,避免因手术方案选择不当造成的肿瘤残留,防止手术延误造成的肿瘤恶变。SNIP最cysteine biosynthesis需要鉴别的鼻腔鼻窦疾病是单侧慢性鼻窦炎伴/不伴鼻息肉(chronic rhinosinusitisMEK抑制剂 with/without nasal polyps,CRSw/s NP),由于两者临床表现无特异性、鼻窦CT表现相似,导致两者在临床诊断中,特别是门诊初诊中仍存在一定困难。此外,在目前的临床实践中,尚缺乏用于SNIP诊断的可靠血清肿瘤标志物,有待进一步探索。本研究旨在探究CT表现和临床特征对SNIP的诊断价值,并开发用于临床实践的列线图预测模型,以期为今后临床诊断提供指导。本研究还将探讨血清鳞状细胞癌相关抗原(squamous cell carcinoma antigen,SCCA)和细胞角蛋白19片段(cytokeratin fragment antigen 21-1,CYFRA 21-1)对SNIP的诊断价值,以期发现可用于SNIP诊疗的新型血清肿瘤标志物。方法:1.回顾性收集2016年11月至2021年12月期间就诊于青岛大学附属医院耳鼻咽喉头颈外科的267例SNIP患者和273例单侧CRSw/s NP患者的临床资料。记录患者的人口学和临床特征(包括性别、年龄、症状、鼻窦手术史,烟酒嗜好)和CT特征(病变边缘分叶状/波浪状,气泡征,局灶性骨质增生,弥漫性骨质增生,局灶性骨质侵蚀,病变CT值)。随机将其中200例SNIP患者和200例CRS患者纳入训练集,剩余67例SNIP患者和73例CRS患者纳入验证集。在训练集中,使用单因素和多因素Logistic回归分析筛选SNIP的独立预测因子,并构建列线图预测模型。使用校准曲线和受试者工作特征(receiver operating characteristic,ROC)曲线在训练集和验证集中分别验证该模型的预测能力。2.回顾性收集2018年10月至2022年11月期间就诊于青岛大学附属医院耳鼻咽喉头颈外科的82例SNIP的患者、47例鼻腔鼻窦鳞状细胞癌(sinonasal squamous cell carcinoma,SNSCC)患者、72例单侧CRSw/s NP的患者的临床资料。记录患者的人口学特征(性别、年龄)、吸烟史、饮酒史、术前血清肿瘤标志物SCCA和CYFRA21-1水平。分析上述三组人群术前血清肿瘤标志物水平差异。将SNIP患者进一步分为SNIP伴恶变组和不伴恶变组,分析SNIP伴恶变组与不伴恶变组、SNIP伴恶变组与SNSCC组之间术前血清肿瘤标志物水平差异。使用Logistic回归进一步筛选可用于诊断SNIP的血清肿瘤标志物,使用ROC曲线确定诊断截断值并判断其诊断能力。结果:1.在训练集中,通过单因素和多因素Logistic回归分析,结果显示年龄(OR=1.066,95%CI:1.036-1.097,P<0.001)、头面部疼痛(OR=0.391,95%CI:0.176-0.871,P=0.022)、鼻窦手术史(OR=5.741,95%CI:2.208-14.928,P<0.001)、病变边缘分叶状/波浪状(OR=14.430,95%CI:6.042-34.460,P<0.001)、气泡征(OR=9.841,95%CI:4.341-22.310,P<0.001)、局灶性骨质增生(OR=21.453,95%CI:8.170-56.329,P<0.001)、局灶性骨质侵蚀(OR=3.936,95%CI:1.434-10.802,P=0.008)、病变CT值(OR=1.050,95%CI:1.014-1.087,P=0.006)与SNIP显著相关,因此确定上述8个变量为SNIP的独立预测因子。根据这8个独立预测因子构建了列线图预测模型。校准曲线显示该预测模型在训练集和验证集中均有良好的拟合度。ROC曲线显示该预测模型在训练集和验证集的曲线下面积(area under the curve,AUC)分别为0.960(95%CI:0.942-0.978)和0.951(95%CI:0.929-0.971)。2.SNIP患者的血清SCCA和CYFRA 21-1水平高于CRS患者,Logistic回归分析显示血清SCCA和CYFRA 21-1是诊断SNIP的危险因素(SCCA OR=4.351,95%CI:2.094-9.042,P<0.001;CYFRA 21-1 OR=2.841,95%CI:1.548-5.214,P=0.001),ROC曲线显示,SCCA的AUC值为0.889(95%CI:0.827-0.952,P<0.001),预测截断值为1.59ng/m L,CYFRA 21-1的AUC值为0.745(95%CI:0.650-0.840,P<0.001),预测截断值为2.06ng/m L。SNIP患者的血清SCCA水平高于SNSCC患者,Logistic回归分析显示血清SCCA是诊断SNIP的危险因素(OR=1.244,95%CI:1.044-1.481,P=0.014),ROC曲线显示SCCA的AUC值为0.789(95%CI:0.692-0.886,P<0.001),预测截断值为1.85ng/m L。SNIP伴恶变患者的血清CYFRA 21-1水平高于SNIP不伴恶变患者,Logistic回归分析显示血清CYFRA 21-1是诊断SNIP伴恶变的危险因素(OR=2.623,95%CI:1.487-4.627,P=0.001),ROC曲线显示CYFRA 21-1的AUC值为0.845(95%CI:0.716-0.974,P<0.001),预测截断值为4.56ng/m L。SNIP伴恶变患者的血清SCCA和CYFRA 21-1水平高于SNSCC患者,Logistic回归分析显示血清CYFRA 21-1是诊断SNIP伴恶变的危险因素(OR=1.466,95%CI:1.058-2.030,P=0.021),ROC曲线显示CYFRA 21-1的AUC值为0.801(95%CI:0.656-0.945,P=0.002),预测截断值为3.55ng/m L。结论:1.SNIP患者在年龄、头面部疼痛、鼻窦手术史、病变边缘分叶状/波浪状、气泡征、局灶性骨质增生、局灶性骨质侵蚀、病变CT值方面与CRS患者存在显著差异,可作为SNIP的独立预Naporafenib分子量测因子。我们使用这8个独立预测因子构建了列线图预测模型,并对该预测模型进行了验证,证实了其有很强的预测能力。因此,基于患者临床和CT特征建立的列线图预测模型对SNIP有较高的诊断价值和临床应用前景。2.血清SCCA可用于诊断SNIP与CRS/SNSCC患者,诊断截断值分别为1.59ng/m L和1.85ng/m L。CYFRA 21-1可用于诊断SNIP与CRS患者,诊断截断值为2.06 ng/m L。CYFRA 21-1可用于诊断SNIP是否伴恶变,诊断截断值为4.56ng/m L。CYFRA 21-1可用于诊断SNIP伴恶变与SNSCC患者,诊断截断值为3.55ng/m L。这一研究结果揭示了血清SCCA可作为诊断SNIP的血清肿瘤标志物,CYFRA 21-1可作为诊断SNIP伴恶变的血清肿瘤标志物,为SNIP的诊断提供了新的潜在工具。