超聲定量參數(shù)的預(yù)測(cè)模型在乳腺病變中的應(yīng)用

許仁豪，隋秀芳，裴 蓓，張 行，張 杰

乳腺癌作為女性最常見(jiàn)的惡性腫瘤之一，已經(jīng)嚴(yán)重威脅女性的健康，早期鑒別診斷尤為重要。超聲技術(shù)作為篩查乳腺病變的重要手段，其影像學(xué)報(bào)告及數(shù)據(jù)系統(tǒng)(breast imaging-reporting and data system，BI-RADS)現(xiàn)已廣泛應(yīng)用于乳腺超聲檢查中，但對(duì)BI-RADS 4級(jí)病變良惡性的鑒別仍然十分困難。彈性成像技術(shù)中聲脈沖輻射力成像(acoustic radiation force impulse，ARFI)技術(shù)可以通過(guò)測(cè)量剪切波速度(shear wave velocity，SWV)來(lái)定量反映乳腺組織的硬度；彩色多普勒超聲能夠顯示出病變內(nèi)的血流信號(hào)，測(cè)量出血流阻力指數(shù)(resistent index，RI)，評(píng)價(jià)病變內(nèi)的血流情況。2種技術(shù)均可提供定量參數(shù)，該研究旨在使用這些定量參數(shù)(SWV、RI)構(gòu)建的分類算法模型來(lái)更加精準(zhǔn)預(yù)測(cè)乳腺BI-RADS 4級(jí)病變的良惡性，以期降低乳腺穿刺活檢率。

1 材料與方法

1.1 病例資料

收集2015年1月—2018年12月間安徽醫(yī)科大學(xué)附屬省立醫(yī)院超聲科241例女性患者，年齡13～80(45.0±12.6)歲，每位患者只有最可疑或者最大的病灶被納入研究，共241個(gè)乳腺病變。每個(gè)乳腺病變均經(jīng)過(guò)常規(guī)超聲檢查且BI-RADS分級(jí)為4級(jí)，排除標(biāo)準(zhǔn)為無(wú)病理結(jié)果、哺乳期及妊娠期。本研究經(jīng)本院倫理委員會(huì)機(jī)構(gòu)批準(zhǔn)，并均在患者知情同意下進(jìn)行。

1.2 儀器與方法

采用Simens Acuson S2000彩色多普勒超聲診斷儀，配有9L-4線陣探頭，頻率為4～9 MHz。首先患者取仰臥位，充分暴露其乳房，對(duì)乳腺進(jìn)行常規(guī)超聲檢查，探查出病灶后，記錄部位、邊緣、形態(tài)、內(nèi)部及后方回聲、有無(wú)鈣化，再行彩色多普勒超聲檢查，多普勒的感興趣區(qū)域包括整個(gè)病灶和周圍少量組織，將彩色增益降低至背景噪聲剛好消失，保證最大靈敏度，然后測(cè)量出RI并記錄，無(wú)血流信號(hào)時(shí)RI記為0。常規(guī)超聲檢查完成后由2位超聲診斷經(jīng)驗(yàn)超過(guò)10年的醫(yī)師對(duì)超聲圖像進(jìn)行分析診斷，依據(jù)2013版BI-RADS分類指南進(jìn)行分級(jí)。之后每一個(gè)4級(jí)病灶均需繼續(xù)進(jìn)行ARFI，此操作由2位經(jīng)過(guò)ARFI技術(shù)培訓(xùn)的醫(yī)師進(jìn)行操作，每位操作者需開(kāi)啟聲脈沖輻射力測(cè)量界面，取樣框大小固定為6 mm×5 mm。需對(duì)同一病灶及病灶同水平腺體分別進(jìn)行3次測(cè)量，綜合2人測(cè)量值中去掉最大值及最小值計(jì)算出平均值，記為SWV、SWV，并計(jì)算出SWV/SWV。測(cè)量SWV數(shù)值顯示為X.XX時(shí)以9 cm/s計(jì)算。

1.3 統(tǒng)計(jì)學(xué)處理

使用SPSS 24軟件進(jìn)行統(tǒng)計(jì)分析。將收集的定量數(shù)據(jù)RI、SWV、SWV/SWV用ROC曲線來(lái)進(jìn)行診斷準(zhǔn)確性的評(píng)價(jià)。再利用χ自動(dòng)交互檢驗(yàn)方法(chi-squared automatic interaction detector，CHAID)對(duì)定量數(shù)據(jù)進(jìn)行分類分析，最小子節(jié)點(diǎn)和父節(jié)點(diǎn)分別設(shè)置為5和10。由CHAID自動(dòng)計(jì)算出每個(gè)分支的截取值，構(gòu)建CHAID決策樹(shù)，即預(yù)測(cè)模型。其穩(wěn)定性通過(guò)10倍交叉驗(yàn)證得到驗(yàn)證。ROC曲線下面積比較采用

Z

檢驗(yàn)，以

P

<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

病理結(jié)果顯示241例乳腺病變中惡性140例(58.1%)，良性101例(41.9%)。惡性病灶包括浸潤(rùn)性導(dǎo)管癌127例、乳腺導(dǎo)管內(nèi)癌9例、浸潤(rùn)性小葉癌3例、乳腺黏液癌1例；良性病灶包括纖維腺瘤60例、乳腺腺病7例、乳腺慢性炎癥14例、導(dǎo)管內(nèi)乳頭狀瘤6例、增生結(jié)節(jié)10例、其他4例。所有定量資料的診斷性能如圖1及表1所示。聲脈沖輻射力技術(shù)中診斷性能表現(xiàn)最佳的為SWV，其ROC曲線下面積為0.858(截?cái)嘀担?.830 m/s，AUC：0.858)，其次為SWV/SWV，其曲線下面積為0.856(截?cái)嘀担?.815，AUC：0.856)；在彩色多普勒超聲條件下，可以觀察出惡性病灶RI明顯高于良性病變RI，其ROC曲線下面積為0.781 (截?cái)嘀担?.695，AUC：0.781)。

圖1 SWV腫塊、SWV腫塊/SWV腺體及RI的ROC曲線比較

表1 定量參數(shù)與分類算法的診斷性能

將3種均具有一定診斷性能的定量資料使用CHAID算法分析，得出的分類樹(shù)狀圖如圖2所示，在SWV、SWV/SWV及RI3種定量資料中，由于SWV/SWV無(wú)法使分類樹(shù)再產(chǎn)生分歧且提高算法的精度，并沒(méi)有納入分類算法中。首先，當(dāng)SWV≤3.958 m/s時(shí)，得到節(jié)點(diǎn)1，此時(shí)再繼續(xù)考慮RI，當(dāng)RI≤0.620，得到節(jié)點(diǎn)3，惡性概率為3.3%；當(dāng)RI在0.62～0.79之間，得到節(jié)點(diǎn)4，惡性概率33.3%；當(dāng)RI>0.79，得到節(jié)點(diǎn)5，惡性概率為83.3%。當(dāng)SWV>3.795 m/s時(shí)，得到節(jié)點(diǎn)2，此時(shí)再考慮RI，當(dāng)RI≤0.71，得到節(jié)點(diǎn)6，惡性概率為83.3%；當(dāng)RI>0.71，得到節(jié)點(diǎn)7，惡性概率為100%。對(duì)于此分類樹(shù)，ROC曲線下面積為0.938，明顯高于RI、SWV及SWV/SWV的0.781(

Z

=4.72，

P

<0.001)、0.858(

Z

=2.68，

P

=0.003)及0.856(

Z

=2.81，

P

=0.002)，敏感性為98.6%，特異性為57.4%(表1)，該算法使得2例乳腺腫塊誤診為良性，2例均為乳腺浸潤(rùn)性癌(圖3、4)。

圖2 分類算法樹(shù)形圖

圖3 乳腺浸潤(rùn)性導(dǎo)管癌

圖4 乳腺浸潤(rùn)性導(dǎo)管癌

3 討論

美國(guó)放射學(xué)會(huì)提出的BI-RADS分類法為乳腺病變的超聲診斷提供了規(guī)范化的標(biāo)準(zhǔn)，但是當(dāng)被分到4級(jí)時(shí)惡性程度為2%～95%，跨度較大，即使再細(xì)分為4a、4b、4c 3個(gè)亞類，也均要求行穿刺活檢。因此如果能對(duì)4級(jí)病變進(jìn)一步鑒別診斷，那么既可避免一些不必要的活檢穿刺，又能使惡性可能性較大的病變得到及時(shí)的診治。本研究運(yùn)用彩色多普勒技術(shù)及ARFI技術(shù)中的定量參數(shù)構(gòu)建乳腺BI-RADS 4級(jí)病變惡性風(fēng)險(xiǎn)的預(yù)測(cè)模型，幫助快速區(qū)分出4級(jí)病灶中風(fēng)險(xiǎn)較低的良性病灶進(jìn)行密切隨訪。

ARFI技術(shù)使用聲脈沖輻射力使得相應(yīng)組織產(chǎn)生形變，通過(guò)測(cè)量形變產(chǎn)生的橫向SWV，定量反應(yīng)組織的硬度。多項(xiàng)研究表明AFRI技術(shù)能夠用來(lái)輔助鑒別乳腺病變的良惡性；并且李俊來(lái) 等發(fā)現(xiàn)在硬度大小上乳腺浸潤(rùn)性導(dǎo)管癌>乳腺病>纖維腺瘤>腺體。由于大部分乳腺惡性腫塊生長(zhǎng)迅速并且存在豐富的血管生長(zhǎng)因子，使得彩色多普勒下乳腺惡性腫塊內(nèi)部血流信號(hào)豐富，RI較高。研究表明乳腺惡性腫塊的RI明顯高于良性腫塊，且多數(shù)惡性腫塊RI>0.7。

本研究終端節(jié)點(diǎn)3中2例誤診為良性的病變最大直徑分別為9 mm及8 mm，深度分別為16 mm及20 mm。在肖曉云 等研究中表明乳腺病變過(guò)小(最大直徑大于1 cm)及病變位置較深(距皮膚表面大于10～12 mm)時(shí)均會(huì)使彈性成像的診斷效能降低。綜合分析考慮本研究2例誤診原因可能因?yàn)椴∽兲』蛭恢锰睢?/p>

本次研究采用的3種定量資料的分類算法結(jié)果表明，納入SWV和RI時(shí)的預(yù)測(cè)模型有較高診斷性能，其ROC曲線下面積(0.938)高于單獨(dú)使用彩色多普勒或者聲脈沖輻射力技術(shù)，并且較高的敏感性(98.6%)保證了預(yù)測(cè)模型不易漏診癌癥，這與文獻(xiàn)研究相似。在分類樹(shù)的終端節(jié)點(diǎn)3中，60個(gè)乳腺腫塊中僅有2個(gè)是惡性，惡性概率僅為3.3%，因此可以考慮對(duì)60個(gè)病灶進(jìn)行短期隨訪。并且此次研究應(yīng)用的均為定量數(shù)據(jù)，一定程度的避免了主觀上的偏差。研究局限性：本研究為回顧性研究、樣本量有限，并且僅限于BI-RADS 4級(jí)的病灶，有待于積累更多的病例進(jìn)行研究，使得算法更具有可靠性及臨床相關(guān)性。利用SWV及RI 2個(gè)定量資料的分類算法建立的預(yù)測(cè)模型有較高的診斷性能，能夠提高BI-RADS 4級(jí)乳腺病灶中良性病灶檢出率，客觀幫助臨床決定是否進(jìn)行穿刺活檢，減少不必要的有創(chuàng)檢查。