計算機輔助診斷技術(shù)可提高腫塊最大徑≤10 mm 早期乳腺癌的超聲診斷效能

趙楓，肖際東，文歡，賀芳

中南大學湘雅三醫(yī)院超聲科，湖南長沙410013

乳腺癌發(fā)病率逐年上漲，并趨于年輕化，其早期診斷和治療與患者生存和預后密切相關(guān)［1］。乳腺超聲是常用的乳腺癌篩查的手段，尤其適用于致密型乳腺［2-3］。但該檢查方式對早期乳腺癌診斷準確率較低，特別是腫塊最大徑≤20.0 mm的患者，影像特征不典型，圖像判斷受臨床經(jīng)驗的影響，極大干擾對病灶的定性診斷［4-6］。計算機輔助診斷（CAD）是醫(yī)學影像領(lǐng)域的一項新技術(shù)，主要包括CAD-MRI、CAD鉬靶、CAD超聲等，國內(nèi)外學者研究證實CAD技術(shù)能顯著提高乳腺疾病診斷的效能，發(fā)揮重要的輔助作用［7-9］。但由于早期計算機芯片技術(shù)水平的影響及舊版BI-RADS分類標準的不完善，既往關(guān)于CAD技術(shù)在早期乳腺癌中的應用報道存在一定的局限性，圖像識別能力及BI-RADS 分類判定水平低［10-12］。隨著人工智能識別在醫(yī)學影像領(lǐng)域的進步以及乳腺新版BI-RADS更新改進，CAD診斷能力得到大大提高。為了避免盲目應用或過渡依賴CAD技術(shù)造成誤診漏診，探討在早期乳腺癌中如何合理應用CAD具有重要意義。目前，關(guān)于早期乳腺癌CAD診斷的研究，國內(nèi)外尚未見腫塊大小差異對CAD輔助診斷早期乳腺癌的效能影響以及指導應用的報道［13-17］。本研究通過采用具有深度學習神經(jīng)網(wǎng)絡(luò)CAD新技術(shù)并結(jié)合新版BIRADS分類診斷標準，分析比較CAD輔助超聲診斷不同大小早期乳腺癌的準確性、特異性、敏感性等效能，探討腫塊大小差異對CAD輔助診斷的影響，為超聲醫(yī)生對CAD輔助診斷早期乳腺癌的效能及影響因素提供較綜合的認識，也為超聲醫(yī)生根據(jù)乳腺腫塊大小合理選擇應用CAD輔助診斷提供實踐參考，既不漏診誤診可疑的癌結(jié)節(jié)，又能充分發(fā)揮CAD輔助作用，使乳腺癌患者受益最大化。

1 資料與方法

1.1 一般資料

收集2018年1月～2019年12月于我院行乳腺超聲檢查的患者的臨床資料。納入標準：常規(guī)超聲篩查表現(xiàn)為實性病灶，最大徑≤20.0 mm；腫塊經(jīng)手術(shù)切除和（或）超聲引導下的穿刺活檢組織學病理證實，乳腺癌病灶均為臨床早期（T1期和Tis期）。排除標準：檢查前曾接受過化學藥物治療、內(nèi)分泌治療、放療或穿刺等臨床處理；處于妊娠期或哺乳期；臨床病史或超聲檢查資料不完整。存在≥2個腫塊的患者僅取與手術(shù)或穿刺獲得病理結(jié)果相對應的腫塊納入研究。最終滿足上述標準的120位患者，共120枚腫塊納入此研究。患者均為女性，其中，乳腺癌結(jié)節(jié)50例，乳腺良性結(jié)節(jié)70例，年齡27～75歲（43.4±8.2歲）。臨床病史包括：乳頭溢液17例，近期鉬靶檢查提示可疑病變建議超聲進一步檢查12例，捫及乳腺腫塊38例，無明顯臨床癥狀及體征者53例。乳腺腫塊的最大徑線范圍為6.2～20.0 mm（12.5±5.3 mm），腫塊最大徑≤10 mm 56枚，腫塊最大徑10～20 mm 64枚。本研究經(jīng)我院倫理委員會批準。

1.2 常規(guī)超聲掃查

采用三星公司RS80A超聲診斷儀，配備線陣探頭（頻率為5～13 MHz）。由1名具有10年乳腺超聲圖像診斷經(jīng)驗的超聲醫(yī)師根據(jù)Berg等［18］提出的掃查方案進行雙側(cè)乳腺常規(guī)超聲檢查并儲存圖像?；颊唠p臂抱頭暴露乳房及腋窩，取仰臥位檢查右乳，右側(cè)臥位檢查左乳。二維超聲探查到腫塊時，注意觀察腫塊的大小、數(shù)量、形態(tài)、輪廓、實質(zhì)回聲、邊界、縱橫比、周圍組織關(guān)系、腫塊血流豐富程度及血流分布等及雙側(cè)腋窩有無淋巴結(jié)腫大。

1.3 S-detect技術(shù)分析

參照Gewefel等［19］提出的標準，應用S-detect技術(shù)分析每個腫塊的矢狀面及矢狀面對應的橫切面的典型圖像。將腫塊置于圖像中心并凍結(jié)圖像再切換到Sdetect模式，準確標記腫塊位置，光標置于腫塊中心，按下確認鍵后，S-detect技術(shù)可自動檢測出病灶的邊界并描跡，提供出診斷結(jié)論（可能良性或者可能惡性）。Sdetect 技術(shù)自動分析腫塊圖像并得出基于超聲BIRADS分類的6大特征（包括形態(tài)學特征、聲學特征）分析及診斷結(jié)論。納入本研究的S-detect技術(shù)的關(guān)于腫塊的6大特征描述包括形狀（圓形、橢圓形、不規(guī)則形），方向（平行、非平行），邊緣（完整、模糊、成角狀、微分葉、針狀的或毛刺狀），邊界（銳利邊界、高回聲暈），內(nèi)部回聲類型（無、低、等、高、囊實混合、不均勻）和后方回聲特性（無特征、增強、聲影、混合）。

1.4 影像評估

S-detect技術(shù)鑒別乳腺腫塊良惡性標準：選取具有典型特征的最大徑線矢狀切面和其對應的橫切面，其中任一切面診斷為可能惡性或者兩個切面同時診斷為可能惡性，則判定S-detect技術(shù)診斷腫塊為可能惡性，反之為可能良性［18］。

常規(guī)超聲診斷標準均參照北美放射學會制定的乳腺影像和數(shù)據(jù)報告系統(tǒng)(BI-RADS)進行分類［20-21］。腫塊具有良性特征（邊緣光整，橢圓形和平行位生長，后方回聲增強，邊緣銳利），則腫塊判定為BI-RADS 3類。腫塊惡性特征表現(xiàn)為：不規(guī)則形狀、非平行方位生長、不可界定的邊緣、高回聲暈、后方聲影和周圍組織異常。根據(jù)惡性懷疑程度分類：BI-RADS 4a類：腫塊具有1個惡性特征，惡性幾率>2%但≤10%；BI-RADS 4b類：腫塊具有2 個惡性特征，惡性幾率>10%但≤50%；BI-RADS 4c類：腫塊具有3個惡性特征，惡性幾率>50%但<95%。BI-RADS 5類，腫塊具有4個及以上惡性特征，惡性幾率≥95%為BI-RADS 5類腫塊。判定為BI-RADS 4b類及以上者為惡性，BI-RADS 4a類及以下者為良性［21-22］。

由2名醫(yī)師參與本次研究，分別具有5年及8年工作經(jīng)驗，經(jīng)BI-RADS分類培訓考核合格。進行評判之前，均未告知腫塊的病理結(jié)果。2名醫(yī)師均獨自閱讀乳腺腫塊的超聲圖像，依據(jù)超聲BI-RADS分類標準，進行腫塊描述及確定第1次診斷結(jié)論；再參考Choi等［9］學者提出的關(guān)于S-detect技術(shù)輔助超聲診斷的標準，得出第2次診斷結(jié)論。

1.5 統(tǒng)計學分析

采用統(tǒng)計學軟件MedCalc 17.1.0和SPSS20.0進行分析。計量資料用均數(shù)±標準差表示，計數(shù)資料采用配對卡方檢驗比較。以病理結(jié)果為金標準，比較分析計算機輔助診斷技術(shù)輔助前后兩次診斷的敏感性、特異性、準確性，繪制受試者操作特性（ROC）曲線及計算曲線下面積（AUC）。以P<0.05為差異有統(tǒng)計學意義。

2 結(jié)果

2.1 乳腺腫塊病理結(jié)果

120例乳腺腫塊中良性腫塊共70例，最大徑線范圍為6.2～19.5 mm，包括纖維腺瘤27例，乳腺慢性炎癥11例，乳腺增生22例，脂肪壞死7例，乳腺腺病3例；乳腺惡性腫塊共50例，最大徑線范圍為9.0～20.0 mm，包括浸潤性導管癌24例，浸潤性小葉癌10例，導管內(nèi)原位癌8例，粘液腺癌4例，低分化癌2例，乳頭狀癌1例，多形性癌1例。

2.2 乳腺腫塊超聲表現(xiàn)

最大徑≤10 mm組56例乳腺腫塊中，形態(tài)規(guī)則33例（良性19例，惡性14例），平行位生長44例（良性27例，惡性17例），邊緣光整23例（良性19例，惡性4例），邊界清晰33例（良性24例，惡性9例），后方回聲衰減10例（良性3例，惡性7例），周圍組織異常10例（良性2例，惡性8例），微鈣化15例（良性4例，惡性11例）。最大徑11～20 mm組64例乳腺腫塊中，形態(tài)規(guī)則35例（良性25例，惡性10例），平行位生長45例（良性30例，惡性15例），邊緣光整25例（良性22例，惡性3例），邊界清晰40例（良性32例，惡性8例），后方回聲衰減14例（良性4例，惡性10例），周圍組織異常18例（良性2例，惡性16例），微鈣化18例（良性7例，惡性11例）（表1）。

表1 兩組不同大小乳腺腫塊的超聲表現(xiàn)Tab.1 Ultrasonic features of breast masses with different size in two groups(n)

2.3 計算機輔助診斷在輔助前后兩次診斷的效能差異分析

常規(guī)超聲診斷最大徑≤10 mm組的乳腺腫塊56個（BIRADS 3類23個，4a類5個，4b類11個，4c類7個，5類10個）。聯(lián)合計算機輔助診斷技術(shù)后，對與計算機輔助診斷結(jié)果不符合的11枚腫塊第二次診斷（4a類調(diào)整到4b類4個，4b類調(diào)整到4a類7個），正確診斷45個病灶（BIRADS 3類19個，4a類7個，4b類6個，4c類4個，5類9個）診斷準確性由60.7%（34/56）上升到80.4%（45/56）。常規(guī)超聲診斷最大徑11～20 mm組的乳腺腫塊64個（BIRADS 3類23個，4a類11個，4b類11個，4c類6個，5類13個）；聯(lián)合計算機輔助診斷技術(shù)后，對與計算機輔助診斷結(jié)果不符合的20枚腫塊第二次診斷（4a類調(diào)整到4b類9個，4b類調(diào)整到4a類11個），正確診斷52個病灶（BIRADS 3類22個，4a類9個，4b類6個，4c類3個，5 類12 個）診斷準確性由68.8%（44/64）上升到81.3%（52/64）（表2、圖1）。

結(jié)合計算機輔助診斷技術(shù)診斷兩組不同大小乳腺腫塊（最大徑≤10 mm組與最大徑11～20 mm組），兩組的敏感度、特異性、準確性均有提高，乳腺腫塊最大徑≤10 mm組特異性、準確性、NPV前后差異具有統(tǒng)計學意義（P<0.05，表3）。

ROC曲線結(jié)果顯示：常規(guī)超聲診斷最大徑≤10 mm的AUC 為0.61，超聲聯(lián)合計算機輔助診斷的AUC 為0.80。超聲聯(lián)合計算機輔助診斷早期乳腺癌的AUC大于普通超聲，兩組比較差異具有統(tǒng)計學意義（Z=3.586，P<0.001）；常規(guī)超聲診斷最大徑11～20 mm的AUC為0.69，超聲聯(lián)合計算機輔助診斷技術(shù)的AUC為0.81，超聲聯(lián)合計算機輔助技術(shù)診斷早期乳腺癌的AUC大于普通超聲，但兩組比較差異無統(tǒng)計學意義（Z=1.718，P=0.086，圖2）。

表2 超聲與計算機輔助診斷不同大小乳腺腫塊的結(jié)果比較Tab.2 The comparison between the diagnosis results of US and computer-aided diagnosis for different size of masses(n)

Fig.1 患者女，56歲，右側(cè)乳腺一8 mm×6 mm實性腫塊；第1次常規(guī)診斷為良性（BI-RADS 3類），第2次結(jié)合計算機輔助診斷后診斷為惡性（BI-RADS 4b類）Fig.1 The patient was a 56-year-old woman with a mass in the right breast.The breast mass size is 8 mm×6 mm.The US diagnose of the breast mass by the radiologist was benign（BI-RADS 3）,and after the combination of US and computer-aided diagnosis technology,the diagnose was modified to malignant（BI-RADS 4b）.

表3 計算機輔助技術(shù)輔助前后診斷不同大小腫塊的效能比較Tab.3 The comparison of diagnostic efficacy in different size breast masses before and after combined with computeraided technology（%）

3 討論

腫塊大小是影響乳腺癌預后的重要生物學指標［23-24］，早期乳腺癌通常最大徑≤20 mm，最大徑≤10 mm 常定義為乳腺微小癌［25-26］。本研究以10 mm為組距，將乳腺腫塊分為兩組（最大徑≤10 mm組與最大徑11～20 mm組）。我們通過應用CAD輔助超聲對不同大小兩組乳腺腫塊良惡性進行診斷，發(fā)現(xiàn)CAD輔助診斷可不同程度的提高對兩個組別早期乳腺癌的診斷效能。乳腺腫塊大小不同，其輔助診斷的作用存在差異。在最大徑11～20 mm組中，CAD輔助診斷乳腺腫塊前后敏感性、特異性、準確性、AUC等指標有提升，但差異無統(tǒng)計學意義；而在最大徑≤10 mm組中，CAD輔助診斷乳腺腫塊前后準確性、特異性、AUC等多個指標均提高明顯，差異有統(tǒng)計學意義。我們的研究結(jié)果提示CAD輔助診斷早期乳腺癌的效果與腫塊的大小有關(guān)，尤其適用于最大徑≤10 mm的腫塊?？赡艿脑蚴牵簩τ谳^小組的早期乳腺癌，癌灶病變區(qū)域小，浸潤不典型，超聲惡性特征不明顯，應用常規(guī)超聲進行良惡性鑒別困難，尤其是對于乳腺癌診斷經(jīng)驗不足的醫(yī)師。CAD輔助診斷技術(shù)的應用，可為醫(yī)師提供關(guān)于腫塊的形態(tài)、邊緣、內(nèi)部回聲等關(guān)鍵的超聲特征分類信息以及計算機智能分析獲得診斷結(jié)論。這些內(nèi)容在一定程度上可以幫助醫(yī)師糾正不準確的超聲特征描述和分類，從而提高乳腺腫塊良惡性診斷的效能，發(fā)揮更好的輔助診斷作用［27-29］。而在乳腺腫塊直徑較大組中，由于腫塊生長時間長，部分腫塊在生長過程中發(fā)生惡變、內(nèi)部液化、鈣化，生物學特征表現(xiàn)典型，腫瘤良惡性特征容易被識別，常規(guī)超聲可較好的予以正確診斷，CAD技術(shù)的輔助診斷對這一類型的乳腺癌效能提升不顯著。

圖2 CAD輔助前后診斷乳腺腫塊最大徑≤10 mm組（A）及最大徑11～20 mm組（B）ROC曲線Fig.2 ROC curves of diagnosis in maximum diameter ≤10 mm breast masses group(A)and maximum diameter 11-20 mm breast masses group(B)with CAD assisted US.

與既往CAD輔助超聲診斷乳腺癌的相關(guān)研究比較，在技術(shù)層面上，本研究采用深度學習的新CAD技術(shù)，結(jié)合最新的BI-RADS分類診斷標準，在早期乳腺癌輔助診斷中智能自動識別程度更高，超聲描述的影像學特征更加精準，減少人為因素的影響。在研究內(nèi)容方面，效能評價指標更全面。本研究從特異性、敏感度、準確性、AUC等多個方面評估CAD輔助大小不同早期乳腺癌的應用價值。因此，本研究發(fā)現(xiàn)腫塊大小差異性在CAD輔助早期乳腺癌中的應用，可為臨床提供較全面的應用指導，使CAD在乳腺癌輔助診斷應用更加規(guī)范化和合理化。但在臨床實際工作中，過度依賴CAD技術(shù)也可引起漏診與誤診。CAD在目前僅推薦作為一種輔助診斷工具，而非作為單一或確定性的診斷方法［30-34］。

本研究的局限性主要是樣本數(shù)量及構(gòu)成方面存在一定的局限性，浸潤性導管癌占惡性病例的大部分，而良性病例則以纖維瘤和增生居多，其他種類病變的樣本量相對較少。在后續(xù)的研究中需要加大樣本量進一步分析。

綜上，計算機輔助診斷技術(shù)輔助超聲有助于提高早期乳腺癌的診斷效能，尤其是輔助最大徑≤10 mm的早期乳腺癌的鑒別診斷。這一技術(shù)可為醫(yī)師提供一種較好的乳腺腫塊客觀描述及診斷的輔助工具，具有重要臨床應用價值。