子宫内膜癌复发风险评估方法学中国专家共识2026

子宫内膜癌复发风险评估方法学中国专家共识202601020304背景与重要性共识制定方法学EC复发的风险评估模型的应用与发展CONTENTS目录背景与重要性01子宫内膜癌的发病率上升子宫内膜癌的发病率在发达国家和发展中国家均呈现逐年上升的趋势。子宫内膜癌的全球趋势02尽管大多数患者能够早期发现，但仍有10%到20%的患者会出现远处复发及转移。早期发现的挑战03如何准确评估患者的复发风险成为临床关注的重点之一，以改善患者生存结局。复发风险评估的重要性123复发风险评估的必要性尽管大多数患者能够早期发现，但仍有10%～20%的患者会出现远处复发及转移。病理组织学亚型是评估EC复发风险的重要因素之一，不同亚型的预后差异显著。分子分型提供了更精准的复发风险分层，但检测成本高且需要较长时间，限制了其在术前的应用。早期发现与复发风险病理组织学亚型影响分子分型的重要性病理诊断的主观性导致评估结果不一致，影响复发风险预测的准确性。分子分型的检测成本较高，限制了其在临床实践中的广泛应用。HECTOR等复杂模型依赖高质量数字化病理切片，推广难度较大。病理诊断主观性分子分型成本高模型推广难度大现有预测模型的局限性共识制定方法学共识制定标准注册信息目标人群与使用者本共识的制定遵循《世界卫生组织指南制订手册》和《中国制订/修订临床诊疗指南的指导原则》，确保方法学的科学性和规范性。本共识在国际实践指南注册与透明化平台进行注册，注册号为PREPARE-2025CN196，保证透明度和可追溯性。本共识主要供各等级医院的妇科医师、相关专科医师及其他医疗工作者参考，目标人群为EC患者，旨在提高复发风险评估的准确性和个体化治疗水平。共识制定标准与注册010203目标人群与使用者本共识主要供各等级医院的妇科医师、相关专科医师及其他医疗工作者参考，旨在提高子宫内膜癌患者复发风险评估的精准性。共识文件的目标使用者包括各级医院的妇科医生及相关专科医生，他们需要使用这些方法来更准确地评估患者的复发风险。通过提供经济高效且实用的临床方法，共识旨在帮助医疗工作者实现对子宫内膜癌患者复发风险的个体化精准治疗，从而提高患者预后。目标人群使用者定位临床应用价值010203确定临床问题的重要性基于文献证据的推荐意见系统检索与筛选策略通过会议讨论，聚焦于不同评估方法预测EC患者的临床复发情况。根据现有文献证据提出推荐意见，为临床实践提供科学指导依据。设立文献检索小组，采用系统检索数据库和特定检索关键词来筛选文献。临床问题的遴选与确定EC复发的风险评估01.02.03.病理组织学亚型是评估子宫内膜癌复发风险的关键因素。分子分型如POLE突变、dMMR等，与传统病理分级结合，提高预测准确性。整合临床病理参数，如年龄、分期、淋巴脉管间隙浸润等，构建综合模型。病理组织学亚型分子分型与病理结合临床病理参数整合危险因素识别HECTOR模型介绍Nomogram预测模型NaroNet模型HECTOR模型通过整合影像组学、基因组学、临床病理参数及动态治疗反应数据，实现精准风险分层。Nomogram模型是一种基于多因素回归分析的可视化预测工具，直观展示变量与复发风险的概率关系。NaroNet是第一个用于分析多路复用图像的弱监督深度学习框架，适用于低级别早期子宫内膜癌患者的复发风险分层。预测模型介绍HECTOR模型的预测优势Nomogram模型的实用性AIC参数筛选的应用HECTOR模型结合影像学、基因组学及临床病理参数，通过自监督学习与多模态数据融合，提供高准确性的复发风险分层，优于传统方法。Nomogram模型利用多因素回归分析，将复杂数学模型转化为可视化工具，便于临床医生快速解读，适用于多数医疗机构。AIC参数用于筛选最优预测模型中的变量，帮助临床医生从众多指标中挑选出最高效的复发风险评估因子，提高模型的准确性。模型比较与推荐意见模型的应用与发展010203HECTOR模型的优势与局限HECTOR模型融合了影像组学、基因组学及临床病理参数，通过深度学习实现精准风险分层。多模态数据整合HECTOR模型在多个测试集中的一致性指数（C-index）显著高于传统方法，显示出优越的预测能力。预测准确性高虽然HECTOR模型具有成本效益优势，但其对算法的高要求和依赖高质量数字化病理切片限制了其推广。成本效益与推广难度Nomogram模型的构建基础Nomogram模型的优势Nomogram模型的局限性基于多因素回归分析，Nomogram模型通过整合多个预测指标，直观展示变量与复发风险的概率关系。Nomogram模型将复杂的数学模型转化为图形化工具，易于临床医生理解和使用，提高了预测的准确性和实用性。尽管Nomogram模型具有诸多优势，但其多为静态模型，缺乏动态治疗反应的整合，且多基于回顾性研究，存在选择偏倚。Nomogram模型的实用性放射组学在预后评估中的应用放射组学是从影像学资料中提取有用的像素定量分析感兴趣区域，通过分析纹理特征预测患者的临床结局。放射组学的定义与应用磁共振成像(MRI)放射组学分析在预测子宫内膜癌的病理类型、是否伴随高危因素以及患者的预后等方面