切换至 "中华医学电子期刊资源库"
高级检索
中华腔镜泌尿外科杂志(电子版)

中华腔镜泌尿外科杂志(电子版) ›› 2026, Vol. 20 ›› Issue (03) : 273 -278. doi: 10.3877/cma.j.issn.1674-3253.2026.03.006

临床研究

基于CT角度界面和溢啤酒征对乏脂性肾血管平滑肌脂肪瘤与肾透明细胞癌的鉴别
许颜浩1, 邓正根1, 张晓坡1,2, 甘卫东1,†(), 郭宏骞1   
  1. 1210000　江苏，南京大学医学院附属鼓楼医院泌尿外科
    2210000　江苏，南京医科大学临床医学院
  • 收稿日期:2026-01-04 出版日期:2026-06-01
  • 通信作者: 甘卫东
  • 基金资助:
    江苏省卫生健康委员会医学科研重点项目(ZD 2022013)

Differentiation of fat-poor renal angiomyolipoma from clear cell renal cell carcinoma based on CT features: angular interface and overflowing beer sign

Yanhao Xu1, Zhenggen Deng1, Xiaopo Zhang2, Weidong Gan1,†(), Hongqian Guo1   

  1. 1Department of Urology, Nanjing Drum Tower Hospital, the Affiliated Hospital of Medical School, Nanjing University, Jiangsu 210000, China
    2Nanjing Medical University Clinical College, Jiangsu 210000, China
  • Received:2026-01-04 Published:2026-06-01
  • Corresponding author: Weidong Gan
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

许颜浩, 邓正根, 张晓坡, 甘卫东, 郭宏骞. 基于CT角度界面和溢啤酒征对乏脂性肾血管平滑肌脂肪瘤与肾透明细胞癌的鉴别[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2026, 20(03): 273-278.

Yanhao Xu, Zhenggen Deng, Xiaopo Zhang, Weidong Gan, Hongqian Guo. Differentiation of fat-poor renal angiomyolipoma from clear cell renal cell carcinoma based on CT features: angular interface and overflowing beer sign[J/OL]. Chinese Journal of Endourology(Electronic Edition), 2026, 20(03): 273-278.

目的

评估基于CT形态学特征——溢啤酒征和角度界面，对乏脂性肾血管平滑肌脂肪瘤（fpAML）与肾透明细胞癌（ccRCC）进行鉴别的价值。

方法

回顾性分析2019年1月至2024年12月于我院经病理证实的64例fpAML和195例ccRCC患者的临床及CT资料。所有患者肿瘤最大径均≤4 cm。采用单因素和多因素Logistic回归分析筛选鉴别fpAML与ccRCC的独立预测因子。通过构建递进诊断模型，评估核心影像学特征的增量诊断价值，并建立最优联合诊断模型。

结果

多因素Logistic回归分析表明，溢啤酒征（OR=25.127）、非类圆形（OR=6.284）、女性（OR=3.445）和较小的肿瘤最大径（OR=0.534）是鉴别fpAML的独立预测因子（均P<0.05）。角度界面在单因素分析中差异具有统计学意义（P<0.001），但在多因素模型中未被纳入。在临床模型（模型1，AUC=0.817）基础上加入溢啤酒征后（模型2），模型效能显著提升（AUC=0.930，P<0.001）。整合所有独立预测因子的联合模型（模型3）获得了最佳诊断效能（AUC=0.940），且优于模型2（P=0.023）。

结论

溢啤酒征是鉴别fpAML与ccRCC最强的独立CT预测因子，整合了溢啤酒征、肿瘤形状、性别和肿瘤最大径的联合诊断模型，可为临床提供高效、可靠的术前鉴别依据。

关键词: 乏脂性血管平滑肌脂肪瘤, 肾透明细胞癌, 计算机断层扫描（CT）, 溢啤酒征, 角度界面, 鉴别诊断
Objective

To evaluate the value of computed tomography (CT) morphological features, especially the "overflowing beer sign" and "angular interface", in differentiating fat-poor angiomyolipoma (fpAML) from clear cell renal cell carcinoma (ccRCC).

Methods

The clinical and CT data of 259 patients with pathologically confirmed fpAML (n=64) and ccRCC (n=195) at our hospital from January 2019 to December 2024 were retrospectively analyzed. All tumors had a maximum diameter of ≤4 cm. Univariate and multivariate logistic regression analyses were used to identify independent predictors for fpAML and ccRCC. Incremental diagnostic value of key imaging features was assessed by constructing progressive diagnostic models, and an optimal combined model was established.

Results

Multivariate logistic regression analysis identified the overflowing beer sign (OR=25.127), non-round shape (OR=6.284), female gender (OR=3.445), and smaller maximum tumor diameter (OR=0.534) as independent predictors for fpAML (all P<0.05). The angular interface was significant in univariate analysis ( P<0.001) but was not included in the final multivariate model. Adding the "overflowing beer sign" (model 2) to the clinical model (model 1) (AUC=0.817) significantly improved its performance (AUC=0.930, P<0.001). The combined model (model 3) incorporating all independent predictors achieved the best diagnostic performance (AUC=0.940), which was superior to model 2 (P=0.023).

Conclusion

The "overflowing beer sign" is the most powerful independent CT predictor for differentiating fpAML from ccRCC. A combined model integrating the overflowing beer sign, tumor shape, gender, and maximum diameter can offer an efficient and reliable tool for preoperative differentiation.

Key words: Fat-poor angiomyolipoma, Clear cell renal cell carcinoma, Computed tomography, Overflowing beer sign, Angular interface, Differential diagnosis
图1 肾肿瘤CT图像上溢啤酒征和角度界面示意图注：a示肾肿瘤凸出部分与肾表面接触长度≥3 mm，溢啤酒征阳性（红线）；b示将肿瘤实质部分的角度分为三个亚组（角度≤90°，角度>90°，圆形实质界面），角度界面定义为肾肿瘤在肾实质部分的角度≤90°（i）
表1 肾透明细胞癌（ccRCC）与乏脂性肾血管平滑肌脂肪瘤（fpAML）患者一般资料比较
组别 例数 年龄[岁，(±s)] 肿瘤最大径[cm，(±s)] 性别[例(%)]
男 女
ccRCC组 195 58.38±12.88 2.62±0.77 137 (70.3) 58 (29.7)
fpAML组 64 51.95±12.84 2.15±0.79 15 (23.4) 49 (76.6)
统计值   t=3.480 t=4.161 χ2=43.738
P值   <0.001 <0.001 <0.001
图2 反映溢啤酒征和角度界面的fpAML与ccRCC的典型CT图像注：a~c为3例不同的fpAML患者，展示了阳性的溢啤酒征（红线为示意性测量≥3 mm）和阳性的角度界面（红角为示意性测量≤90°）；d~f为3例不同的ccRCC患者，红色箭头处显示肿瘤与肾表面呈钝角接触（溢啤酒征阴性），红色虚线处显示肿瘤肾内界面为圆形或角度>90°（角度界面阴性），且d、f图可见肿瘤内囊性变
表2 ccRCC与fpAML患者CT形态学特征比较[例(%)]
  ccRCC组(n=195) fpAML组(n=64) χ2值 P值
平扫密度均匀     2.583 0.108
是 162 (83.1) 47 (73.4)    
否 33 (16.9) 17 (26.6)    
强化密度均匀     3.537 0.060
是 3 (1.5) 4 (6.3)    
否 192 (98.5) 60 (93.7)    
有无钙化     3.407 0.065
是 10 (5.1) 0 (0)    
否 185 (94.9) 64 (100)    
形状非类圆形     42.149 <0.001
是 56 (28.7) 50 (78.1)    
否 139 (71.3) 14 (21.9)    
是否囊性变     14.077 <0.001
是 126 (64.6) 23 (35.9)    
否 69 (35.4) 41 (64.1)    
角度界面     26.155 <0.001
有 35 (17.9) 35 (54.7)    
否 160 (82.1) 29 (45.3)    
溢啤酒征     83.136 <0.001
有 11 (5.6) 42 (65.6)    
否 184 (94.4) 22 (34.4)    
表3 鉴别fpAML与ccRCC的多因素Logistic回归分析结果
变量 回归系数(b) Wald χ2 P值 OR值 95%CI
溢啤酒征(有vs无) 3.224 45.418 <0.001 25.127 10.279~61.428
形状(非类圆形vs类圆形) 1.838 21.099 <0.001 6.284 2.845~13.882
性别(女性vs男性) 1.237 7.218 0.007 3.445 1.385~8.568
肿瘤最大径(cm) -0.627 5.862 0.015 0.534 0.322~0.887
图3 fpAML三个诊断模型的ROC曲线
表4 fpAML不同诊断模型的诊断效能比较
模型 模型包含的变量 AUC 95%CI 与模型1比较(P值) 与模型2比较(P值)
模型1 年龄+性别+最大径 0.817 0.755~0.879 - -
模型2 模型1+溢啤酒征 0.930 0.895~0.965 <0.001 -
模型3 溢啤酒征+形状+性别+最大径 0.940 0.908~0.972 <0.001 0.023
[1]
Bukavina L, Bensalah K, Bray F, et al. Epidemiology of renal cell carcinoma: 2022 update[J]. Eur Urol, 2022, 82(5): 529-542. DOI: 10.1016/j.eururo.2022.08.019.
[2]
Znaor A, Lortet-Tieulent J, Laversanne M, et al. International variations and trends in renal cell carcinoma incidence and mortality[J]. Eur Urol, 2015, 67(3): 519-530. DOI: 10.1016/j.eururo.2014.10.002.
[3]
Campbell S, Uzzo RG, Allaf ME, et al. Renal mass and localized renal cancer: AUA guideline[J]. J Urol, 2017, 198(3): 520-529. DOI: 10.1016/j.juro.2017.04.100.
[4]
Sung CK, Kim SH, Woo S, et al. Angiomyolipoma with minimal fat: differentiation of morphological and enhancement features from renal cell carcinoma at CT imaging[J]. Acta Radiol, 2016, 57(9): 1114-1122. DOI: 10.1177/0284185115618547.
[5]
Silverman SG, Israel GM, Herts BR, et al. Management of the incidental renal mass[J]. Radiology, 2008, 249(1): 16-31. DOI: 10.1148/radiol.2491070783.
[6]
Jinzaki M, Silverman SG, Akita H, et al. Renal angiomyolipoma: a radiological classification and update on recent developments in diagnosis and management[J]. Abdom Imaging, 2014, 39(3): 588-604. DOI: 10.1007/s00261-014-0083-3.[PubMed]
[7]
张彩祥, 赵有权. 未获术前确诊的肾血管平滑肌脂肪瘤临床特点分析[J]. 现代泌尿外科杂志, 2026, 31(1): 7-11. DOI: 10.12483/j.issn.1009-8291.2026.01.002.
[8]
Nason GJ, Morris J, Bhatt JR, et al. Natural history of renal angiomyolipoma favors surveillance as an initial approach[J]. Eur Urol Focus, 2021, 7(3): 582-588. DOI: 10.1016/j.euf.2020.06.004.
[9]
黄忠江, 姜增誉, 李健丁, 等. 基于增强CT影像组学联合机器学习鉴别均质性肾透明细胞癌与肾乏脂肪血管平滑肌脂肪瘤[J]. 实用医学杂志, 2021, 37(17): 2266-2270. DOI: 10.3969/j.issn.1006-5725.2021.17.020.
[10]
Leng S, Takahashi N, Gomez Cardona D, et al. Subjective and objective heterogeneity scores for differentiating small renal masses using contrast-enhanced CT[J]. Abdom Radiol (NY), 2017, 42(5): 1485-1492. DOI: 10.1007/s00261-016-1014-2.
[11]
Krishna S, Murray CA, McInnes MD, et al. CT imaging of solid renal masses: pitfalls and solutions[J]. Clin Radiol, 2017, 72(9): 708-721. DOI: 10.1016/j.crad.2017.05.003.
[12]
Kim YH, Han K, Oh YT, et al. Morphologic analysis with computed tomography may help differentiate fat-poor angiomyolipoma from renal cell carcinoma: a retrospective study with 602 patients[J]. Abdom Radiol (NY), 2018, 43(3): 647-654. DOI: 10.1007/s00261-017-1244-y.
[13]
Birnbaum BA, Hindman N, Lee J, et al. Multi-detector row CT attenuation measurements: assessment of intra- and interscanner variability with an anthropomorphic body CT phantom[J]. Radiology, 2007, 242(1): 109-119. DOI: 10.1148/radiol.2421052066.[PubMed]
[14]
Han K, Song K, Choi BW. How to develop, validate, and compare clinical prediction models involving radiological parameters: study design and statistical methods[J]. Korean J Radiol, 2016, 17(3): 339-350. DOI: 10.3348/kjr.2016.17.3.339.
[15]
Berland LL, Silverman SG, Gore RM, et al. Managing incidental findings on abdominal CT: white paper of the ACR incidental findings committee[J]. J Am Coll Radiol, 2010, 7(10): 754-773. DOI: 10.1016/j.jacr.2010.06.013.
[16]
Ogawa Y, Morita S, Takagi T, et al. Early dark cortical band sign on CT for differentiating clear cell renal cell carcinoma from fat poor angiomyolipoma and detecting peritumoral pseudocapsule[J]. Eur Radiol, 2021, 31(8): 5990-5997. DOI: 10.1007/s00330-021-07717-z.
[17]
Schieda N, Al-Subhi M, McInnes MDF, et al. Differentiating Small (≤4 cm) Solid Renal Masses: A 2022 Update on the Role of CT and MRI. Abdom Radiol (NY), 2022, 47(6): 2035-2051.
[18]
Tan S, Özcan MF, Tezcan F, et al. Real-time elastography for distinguishing angiomyolipoma from renal cell carcinoma: preliminary observations[J]. AJR Am J Roentgenol, 2013, 200(4): W369-W375. DOI: 10.2214/AJR.12.9139.
[19]
Ma Y, Ma W, Xu X, et al. A convention-radiomics CT nomogram for differentiating fat-poor angiomyolipoma from clear cell renal cell carcinoma[J]. Sci Rep, 2021, 11: 4644. DOI: 10.1038/s41598-021-84244-3.
[20]
Zhao J, Eyzaguirre E. Clear cell papillary renal cell carcinoma[J]. Arch Pathol Lab Med, 2019, 143(9): 1154-1158. DOI: 10.5858/arpa.2018-0121-rs.
[21]
Gurel S, Narra V, Elsayes KM, et al. Subtypes of renal cell carcinoma: MRI and pathological features[J]. Diagn Interv Radiol, 2013, 19(4): 304-311. DOI: 10.5152/dir.2013.147.
[22]
Diaz JI, Mora LB, Hakam A. The Mainz classification of renal cell tumors[J]. Cancer Control, 1999, 6(6): 571-579. DOI: 10.1177/107327489900600603.
[23]
Verma SK, Mitchell DG, Yang R, et al. Exophytic renal masses: angular interface with renal parenchyma for distinguishing benign from malignant lesions at MR imaging[J]. Radiology, 2010, 255(2): 501-507. DOI: 10.1148/radiol.09091109.
[24]
陈汉忠, 范钧泓, 刘双, 等. 临床及影像学特征在乏脂性血管平滑肌脂肪瘤与肾细胞癌(≤3 cm)鉴别中的作用[J]. 临床泌尿外科杂志, 2024, 39(1): 72-77. DOI: 10.13201/j.issn.1001-1420.2024.01.014.
[25]
史念, 张磊, 梅超, 等. 基于扩散谱成像的生境成像技术在鉴别肾透明细胞癌与肾乏脂血管平滑肌脂肪瘤异质性中的效能研究[J]. 磁共振成像, 2025, 16(9): 105-111.
[1] 朱彩霞, 刘志兴, 谌芳群, 王婧玲, 姚谨, 彭星琦, 毛毅, 陈莉. 超声黏弹性成像技术对≤3 cm 乳腺肿块良恶性的鉴别诊断价值[J/OL]. 中华医学超声杂志（电子版）, 2024, 21(12): 1095-1102.
[2] 汤伟伟, 徐丽娟, 李金, 绳兰兰. 下颌下腺分泌性癌1例并文献复习[J/OL]. 中华口腔医学研究杂志(电子版), 2025, 19(06): 405-409.
[3] 李钰, 叶璟威, 戚维天, 叶云林, 李向东, 李志勇, 刘卓炜. 广东省医学会泌尿外科疑难病例多学科会诊（第30期）——严重泌尿系感染伴淋巴结肿大[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2026, 20(03): 358-362.
[4] 刘新锋, 邓煜麟, 刘孝德, 闫道先, 石双胜, 黄德成, 刘悦, 刘学斌, 许朋, 董传江. 肥大细胞免疫球蛋白样受体1在肾透明细胞癌中的表达及临床意义[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2025, 19(04): 483-491.
[5] 丁强, 董翔, 甘卫东. TFE3 重排型肾细胞癌与肾透明细胞癌基于动态增强CT 和临床特征的鉴别[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2025, 19(03): 329-334.
[6] 张志昱, 张凡, 周奇, 欧阳骏, 林宇鑫, 张学锋. 术前炎性指标对肾透明细胞癌WHO/ISUP病理分级的预测价值[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2025, 19(03): 323-328.
[7] 曾丽华, 林碧云, 蔡敏仪, 易智君, 王晓冰, 陆元志. VHL、PBRM1、BAP1、SETD2 基因在肾透明细胞癌中的表达及临床意义[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2025, 19(02): 198-204.
[8] 谢汶歆, 马乐, 刘晔, 曹晓明, 张万春. 前列腺特异性膜抗原PET/CT在肾癌诊疗中的应用价值[J/OL]. 中华腔镜泌尿外科杂志(电子版), 2024, 18(05): 514-519.
[9] 陈惠姗, 曾惠清. 生物标志物在诊断渗出性和漏出性胸腔积液鉴别诊断中的研究进展[J/OL]. 中华肺部疾病杂志(电子版), 2026, 19(02): 330-334.
[10] 阳云平, 杨雯娟, 龙莉, 邬玉, 李羲. 非特异性间质性肺炎的诊断挑战与多学科协作策略[J/OL]. 中华肺部疾病杂志(电子版), 2026, 19(01): 173-176.
[11] 袁伟, 冯新红. 颈椎病合并臂丛神经炎22例患者的临床特点与诊疗分析[J/OL]. 中华肩肘外科电子杂志, 2026, 14(01): 21-28.
[12] 卫星彤, 李昊昌, 赵欣. 超声造影在鉴别诊断原发性肝癌类型上的研究进展[J/OL]. 中华临床医师杂志(电子版), 2025, 19(05): 392-396.
[13] 陈慧, 邹祖鹏, 周田田, 张艺丹, 张海萍. 皮肤镜对头皮红斑性皮肤病辅助鉴别诊断的研究进展[J/OL]. 中华临床医师杂志(电子版), 2024, 18(07): 692-698.
[14] 孙振晓, 于相芬. 嗅觉牵连障碍的诊断与治疗研究进展[J/OL]. 中华诊断学电子杂志, 2025, 13(02): 73-78.
[15] 梁雅文, 翟亚奇, 李明阳. 可疑浅表十二指肠乳头肿瘤性病变进展风险的危险因素分析[J/OL]. 中华胃肠内镜电子杂志, 2025, 12(04): 267-272.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号

AI
小
编
AI小编
你好！我是《中华医学电子期刊资源库》AI小编，有什么可以帮您的吗？