乳腺癌的新發(fā)病例數(shù)已經超過肺癌,占全球新發(fā)癌癥病例的11.7%。2020 年我國新發(fā)乳腺癌病例42萬,明顯高于其他女性惡性腫瘤,且發(fā)病呈現(xiàn)出明顯低齡化特點。目前超聲檢查是篩查乳腺疾病的重要方法,可用于鑒別、診斷乳腺炎、乳腺腫塊、乳腺癌等,但早期二維超聲結果容易受到醫(yī)師經驗水平、操作水平的影響,存在一定的誤診和漏診風險。2003年乳腺超聲影像報告與數(shù)據(jù)系統(tǒng)(BI-RADS)分類的提出規(guī)范了乳腺超聲檢查,但不同觀察者的差異性對超聲診斷結果的影響依舊存在,如何盡可能降低人為因素對超聲結果的影響是近年研究的熱點。隨著人工智能的興起和數(shù)字醫(yī)療的快速發(fā)展,智能超聲已然成為研究熱點。人工智能超聲則可實現(xiàn)圖像信息的共享和分析,便于超聲醫(yī)師回顧、分析特殊病例,思考如何提高超聲診斷的準確性,同時也便于提高檢測效率,降低人為因素對超聲診斷結果的影響。S-Detect分類技術是一種基于病灶圖像分析的計算機輔助診斷工具,內嵌有“深度學習”算法,其可通過掃描獲得的各類靜態(tài)/動態(tài)圖像信息獲取必要的病灶信息,并在BI-RADS分類學習的基礎上對病灶的良惡性進行判讀,并自動出具分析報告,可提高超聲醫(yī)師的工作效率和診斷水平,近幾年開始有關于S-Detect分類技術應用于甲狀腺腫塊、乳腺腫塊的研究報道,其臨床潛能值得肯定。研究指出S-detect技術診斷乳腺良惡性腫塊的敏感度和特異度分別為61.9%和100%,而常規(guī)超聲的診斷敏感度和特異度則分別為95.7%和89.2%,姜海燕等報道稱鑒別診斷乳腺腫瘤良惡性的準確率為91.7%,且敏感性和特異度均在90%以上,閆虹等研究則指出S-detect技術診斷乳腺良性腫瘤時存在一定的漏診風險。雖然不同研究對S-detect技術診斷乳腺疾病的效能方面存在一定的不同,但均肯定了S-detect技術對于提高乳腺中的臨床價值,并可有效減少醫(yī)師操作因素以及主觀因素對診斷結果的影響,這顯然符合當前的研究大趨勢,但其在不同直徑良惡性乳腺腫塊鑒別診斷中的價值有待深入探究,其與不同資歷醫(yī)師常規(guī)超聲檢查的準確性如何缺乏橫向對比。因此,本研究旨在對比常規(guī)超聲與中S-Detect分類技術在診斷乳腺良惡性病灶方面的診斷效能,并基于乳腺腫瘤直徑和醫(yī)師資歷對兩種超聲技術的診斷價值進行亞組分析。
選取2021年2月~2021月12月在本院乳腺外科就診,確診為乳腺腫塊,擬行手術治療的患者62例納入研究,所有患者均為女性,年齡19~66(45.62±14.13)歲,共85個病灶。所有患者的乳腺超聲常規(guī)檢查均由3名超聲醫(yī)師完成,低年資醫(yī)師(2年)、中年資醫(yī)師(5年)和高年資醫(yī)師(8年)各1名,其檢測圖像留存編號并錄入計算機S-Detect進行分類,所有患者術前完善相關檢查,明確無手術禁忌癥后行微創(chuàng)腫物旋切術或開放手術,術后病理組織送檢作為診斷金標準。本研究已經經本院醫(yī)學倫理委員會審查通過(AQYY-YXLL-21-01)。
1.2.1 儀器 采用三星RS80A型彩色多普勒超聲診斷儀,L3-12A線陣探頭,探頭頻率3.0~12.0 MHz。
摘 要:通過近年來在教學過程中的觀察與分析,發(fā)現(xiàn)學生在歷史非選擇題的做答中存在“題目不見難,得分不見高”和“一看感覺會,答時難下筆”的怪現(xiàn)象。就以教學經驗來闡述該如何掌握歷史答題技巧,以期為相關人員提供參考。
1.2.2 方法 囑患者取自然仰臥位,肩部外展,雙手置于枕頭,充分暴露乳房及腋窩。醫(yī)師常規(guī)檢查患側乳房的各個象限并保留圖像,內容包括二維聲像圖和彩色多普勒血流成像。常規(guī)超聲圖像顯示病灶特征面后切換至S-Detect TM模式,隨后操作者通過觸屏的方式明確病灶區(qū)域后,計算機可自動檢查、顯示病灶信息并根據(jù)內嵌的數(shù)據(jù)信息做出病灶“可能良性”、“可能惡性”的診斷(圖1、2),并自動生成分析報告,每名患者的S-Detect報告與超聲醫(yī)師的診斷結果進行對比,所有患者的姓名以編號代替,所有醫(yī)師均不知曉病例順序,不知曉病理結果。
本報訊 “化工廠里這么清新整潔,還有鮮花噴泉,我還是頭一次瞅見!”11月13日,近30名來自山東濟南的種糧大戶來安徽六國化工股份有限公司參觀,在該公司弘毅廣場前流連忘返,紛紛拿起手機拍照留影。
3.3 耐受性試驗表明,19株菌在耐乙醇能力、耐低pH值能力以及耐SO2能力方面都跟商業(yè)菌株CH35差異不顯著,都具有較強的耐受能力。
S-Detect 技術長軸切面和長軸垂直切面的診斷AUC面積及Kappa值無顯著差異(>0.05,表2)。
S-Detect分類與不同年資醫(yī)師診斷的皮爾森相關系數(shù)結果表明,S-Detect分類診斷與高年資醫(yī)師的診斷結果高度相關,相關系數(shù)達到0.97。表明S-Detect的診斷準確性基本可以媲美高年資醫(yī)師,同時S-Detect分類診斷結果與年資等級呈現(xiàn)正相關,年資等級越高,相關性越強,這也表明S-Detect的診斷效能要高于低年資醫(yī)師(圖3)。
經濟水平的提升,讓學生的物質生活水平也相應提高,尤其是家庭經濟生活水平較高的學生手中有了更多可供學生支配的錢財。但是,即便是在這種經濟水平背景下,學生仍然沒有理財意識,節(jié)約意識更是十分低下,而學生的消費中,也存在一定的從眾心理,往往不管自己的需求,而是看著他人購買了某種物品,基于從眾心理,自己也有擁有相應的物品,更有部分學生在消費和購物中存在求異心理,希望自己的物品時獨一無二、與眾不同的,所以更加崇尚舶來品,通過特殊的渠道中購買更具個性化的物品,這也導致了學生的消費出現(xiàn)非理性,購買心理畸形的現(xiàn)狀。所以,即便是目前學生擁有了一定的金錢,也難以在學生的節(jié)儉和理財意識下保存下來,而是更多的揮霍。
低年資醫(yī)師診斷敏感性、特異性、準確度及AUC面積均低于S-Detect診斷,且Kappa值差異有統(tǒng)計學意義(<0.05);中年資醫(yī)師診斷的敏感性、準確度低于SDetect 診斷,診斷特異性和AUC 面積高于S-Detect,Kappa值差異無統(tǒng)計學意義(>0.05),高年資醫(yī)師診斷敏感性低于S-Detect,診斷的特異性、準確度及AUC面積高于S-Detect診斷,Kappa值差異無統(tǒng)計學意義(>0.05,表1)。
在本研究結果中,比較了S-Detect技術不同切面的診斷結果,發(fā)現(xiàn)S-detect技術的長軸切面診斷結果的假陰性率與假陽性率略低于垂直切面,無顯著差異。同時S-Detect技術診斷結果的假陰性率與假陽性率低于低年資醫(yī)師常規(guī)超聲結果,表明其在診斷結果的真陽性率與真陰性率均處于較高水平,與中、高年資醫(yī)師常規(guī)超聲結果基本無差異(圖4)。
采用SPSS23.0統(tǒng)計軟件進行統(tǒng)計學分析,敏感性、特異性、準確度分析采用ROC分析,ROC曲線下面積(AUC)用于評價診斷效能,以病理結果作為診斷“金標準”,S-Detect 及常規(guī)超聲與病理結果的一致性分析采用Kappa 檢驗,以<0.05為差異有統(tǒng)計學意義。采用R語言統(tǒng)計軟件包psych對S-Detect與不同年資醫(yī)師診斷結果進行皮爾森相關性分析以及統(tǒng)計學顯著性檢驗,運用檢驗統(tǒng)計每組皮爾森相關系數(shù)之間的顯著性,相關系數(shù)表示關聯(lián)強度。
62 例乳腺腫塊患者共檢出85 個病灶,直徑3~66(19.23±8.41)mm。其中良性病灶共60個,占比70.59%,包括乳腺纖維腺瘤39個、乳腺腺病14個、乳腺導管內乳頭狀瘤4個、其他病理類型3個;惡性病灶共25個,占比29.41%,包括浸潤性導管癌16個、導管內癌3個、乳頭狀癌1個、粘液腺癌3個、其他病理類型2個。
BI-RADS診斷標準參照Elverici等的標準:3類表現(xiàn)為良性特征,病灶形態(tài)呈橢圓形,呈平行生長,邊緣光整、與周圍組織界限較清,后方回聲無明顯改變;惡性征象:形態(tài)不規(guī)則,邊緣不光整,與周圍組織邊界不清,非平行生長,內部含有微鈣化灶,后方回聲信號衰減,周邊組織異常,若具備其中任意1項惡性征象,則為BIRADS 4a類,任意2項則為BI-RADS 4b類,任意3項則為BI-RADS 4c類。BI-RADS 4b類及以上為惡性,BIRADS 5類惡性程度最高。S-Detect軟件可基于圖像自動分析并輸出良惡性判定報告,無需人工判讀。
9、人工授粉:西瓜植株進入座果期遇上陰雨天必須進行人工授粉,人工授粉抹花粉多,西瓜形成子粒多,可增產20%,授粉時每株要授粉2個果以上,授粉時間為開花當天早6∶30分~10點,花粉成時才能授粉,選擇主側蔓上發(fā)育良好、子房肥大、外行正的幼果,把雌花授好粉后用事先卷好的紙帽套上,套紙帽可防雨水,又防風大磨傷幼瓜,造成化果。開花座果期遇雨可采用強力坐瓜靈處理授粉。
本研究結果顯示,直徑>20 mm 的病灶數(shù)共52個,直徑≤20 mm的病灶數(shù)共33個。中年資醫(yī)師在對直徑≤20 mm的乳腺腫塊進行診斷分析時,常規(guī)超聲診斷敏感性、特異性、準確度及AUC 面積均優(yōu)于S-Detect技術,常規(guī)超聲的Kappa 值顯著優(yōu)于S-Detect 技術(<0.05),而對直徑>20 mm 的乳腺腫塊進行診斷分析時,S-Detect 技術診斷特異性、準確度及AUC 面積優(yōu)于常規(guī)超聲,Kappa 值與常規(guī)超聲相比差異明顯(<0.05,表3)。
本研究通過AUC面積對常規(guī)超聲與S-Detect分類系統(tǒng)診斷乳腺腫塊的效能進行了對比分析,結果低年資醫(yī)師診斷敏感性、特異性、準確度及AUC面積均低于S-Detect診斷,中年資醫(yī)師診斷的敏感性、準確度低于S-Detect診斷,診斷特異性和AUC面積高于S-Detect診斷,高年資醫(yī)師診斷敏感性低于S-Detect診斷,診斷的特異性、準確度及AUC面積高于S-Detect診斷?;贙appa值分析可知S-Detect診斷與病理診斷結果的一致性明顯高于低年資醫(yī)師常規(guī)超聲檢查(<0.05),與中年資及高年資醫(yī)師常規(guī)超聲檢查結果無顯著差異(>0.05)。低年資醫(yī)師常規(guī)超聲診斷效能不高考慮與低年資醫(yī)師從事超聲診斷時間較短,臨床經驗并不十分豐富,在圖像分析診斷方面的能力相對欠缺,對腫塊的圖像特征認識不足有關。高年資醫(yī)師的超聲診斷經驗較為豐富,對腫塊的聲像圖特征有更為清晰地認識,可對比靜態(tài)圖和動態(tài)圖進行判斷,故超聲診斷效能相對較高。基于結果分析可知,S-Detect分類診斷基本達到了中、高年資醫(yī)師診斷水平,其與病理診斷結果的一致性并不明顯遜色于中、高年資醫(yī)師,這凸顯出S-Detect分類診斷技術在診斷乳腺腫塊中的價值。
同時,本研究考慮到乳腺腫塊大小的差異性,故以直徑20 mm為界限進行了亞組分析,并結合ROC對中年資醫(yī)師常規(guī)超聲和S-Detect技術診斷的效能進行了對比,結果顯示當乳腺病灶直徑>20 mm 時,S-Detect技術的診斷特異性、準確度、AUC面積及Kappa值均優(yōu)于常規(guī)超聲,由此可見,在診斷乳腺大腫塊(直徑超過20 mm)方面S-Detect具有明顯優(yōu)勢。當乳腺病灶≤20 mm時,S-Detect技術的診斷特異性與Kappa值明顯低于常規(guī)超聲,這提示S-Detect技術在診斷乳腺小病灶方面并不具有優(yōu)勢,這與Zhao、賀芳等報道結果基本一致;本研究中1例患者病灶最大徑為6 mm,SDetect診斷為良性結節(jié),而常規(guī)超聲提示內部有鈣化灶,病灶整體呈低回聲,按照BI-RADS 分類為BIRADS 4b類,考慮惡性病灶可能性較大,最終病理結果為浸潤型導管癌。由此可見,對于乳腺惡性結節(jié),特別是小病灶(直徑不足20 mm)時,單獨使用S-Detect分類技術的診斷準確性不高,但S-Detect技術可以作為常規(guī)超聲診斷的一種補充,理論上可一定程度上提高常規(guī)超聲診斷乳腺癌的效能。
筆者認為S-detect技術具有其特點和優(yōu)勢,其可通過反復閱片降低操作者的主觀因素對結果的影響,一定程度上彌補低年資醫(yī)師經驗不足引發(fā)的漏診、誤診問題,便于低年資超聲醫(yī)師的成長;但是,S-Detect技術操作無法完全做到智能診斷,系統(tǒng)內默認將病灶的鈣化、血管分布、周圍組織變化、淋巴腫大等信息設定為“unknow”,這些診斷信息的錄入和修正仍需操作者完成,故仍存在一定的主觀性;此外,S-Detect技術需要一段時間的系統(tǒng)學習方可掌握要領,熟練操作,提高病灶診斷鑒別能力,而儀器的使用、圖像的分辨度同樣可能造成S-detect分析結果出現(xiàn)偏倚。此外,常規(guī)超聲對病灶微鈣化較為重視并將其作為判斷乳腺病灶良惡性的重要參考,但這一觀察要點并未被納入S-Detect技術觀察指標之中,這可能是S-Detect技術仍存在誤診、漏診的原因之一。
綜上所述,S-Detect分類技術可用于乳腺良惡性腫塊的鑒別診斷,其診斷效能可以達到中、高年資醫(yī)師的BI-RADS分類的診斷水平,可減少醫(yī)師主觀因素對診斷結果的影響,但在診斷直徑不足20mm乳腺腫塊時的效能不十分理想,如何在臨床中更加恰當?shù)亟Y合使用SDetect還需要進行更深入的研究。