人工智能輔助超聲檢查在甲狀腺結(jié)節(jié)良惡性判別中的應(yīng)用

耿祖仕,樊玉霞,盧秀波,趙海鑫

鄭州大學(xué)第一附屬醫(yī)院甲狀腺外科 鄭州 450052

甲狀腺癌是內(nèi)分泌系統(tǒng)最常見的惡性腫瘤之一,過去30 a來,中國甲狀腺癌發(fā)病率持續(xù)上升,并且預(yù)計這一趨勢將持續(xù)下去[1]。超聲檢查是甲狀腺結(jié)節(jié)初篩與診斷的首選方法,具有無創(chuàng)和費用低廉等特點。但超聲檢查受人為主觀因素影響較大,不同超聲醫(yī)師對同一甲狀腺結(jié)節(jié)的判斷可能差別巨大[2]。細針穿刺活檢(fine needle aspiration biopsy,FNAB)目前被認為是術(shù)前診斷甲狀腺結(jié)節(jié)良惡性的金標準,但該技術(shù)不僅有創(chuàng),而且在臨床指征把握、穿刺取材以及結(jié)果判讀水平上參差不齊[3-5]。近年來,更加簡便的AI輔助超聲檢查系統(tǒng)已被開發(fā)出來,可以實現(xiàn)在超聲檢查過程中實時同步分析影像并給出判斷結(jié)果,其在甲狀腺結(jié)節(jié)良惡性判別中的作用越來越凸顯[6]。本研究探討了AI輔助超聲檢查系統(tǒng)在術(shù)前甲狀腺結(jié)節(jié)良惡性判別中的應(yīng)用價值。

1 對象與方法

1.1 研究對象收集2021年11月至2022年5月就診于鄭州大學(xué)第一附屬醫(yī)院的874例患者、共計1 010個甲狀腺結(jié)節(jié)的資料。納入標準:①結(jié)節(jié)均經(jīng)AI輔助超聲檢查有明確結(jié)果,操作均由同一位甲狀腺?？漆t(yī)師完成。②均行患側(cè)甲狀腺手術(shù)并有明確的術(shù)后病理結(jié)果。排除標準:AI輔助超聲檢查前有甲狀腺手術(shù)或穿刺活檢等有創(chuàng)操作史者。874例患者中,男201例,女673例;年齡18～84歲。其中374例患者的405個甲狀腺結(jié)節(jié)在術(shù)前進行了FNAB檢查。本研究已獲得該院倫理委員會的批準。

1.2 AI輔助超聲檢查本研究采用某公司研發(fā)的Ian Thyroid Solution 100(簡稱ITS100)超聲影像智能檢查系統(tǒng)。硬件包括主機、GE Vivid iq超聲診斷儀、GE 9L-RS線陣探頭、AI輔助顯示屏等。該系統(tǒng)前期已使用大量數(shù)據(jù)建立了訓(xùn)練模型,在臨床應(yīng)用時可自動實時定位甲狀腺結(jié)節(jié),提取結(jié)節(jié)特征如最大直徑、縱橫比、邊界是否清晰、形態(tài)是否規(guī)則、回聲、鈣化灶等,并給出預(yù)測結(jié)果。預(yù)測結(jié)果為惡性時顯示紅色,記為“M”(Malignant);預(yù)測結(jié)果為良性時顯示綠色,記為“B”(Benign);并給出一個判斷結(jié)節(jié)良惡性的概率值(范圍0～1,非結(jié)節(jié)良惡性程度),該值越大表示AI對判定結(jié)果越有把握。由同一位具有8 a甲狀腺外科診療經(jīng)驗的醫(yī)師操作系統(tǒng)對患者進行檢查?；颊呷∪フ硌雠P位,充分暴露頸部,依據(jù)實際情況,調(diào)節(jié)ITS100系統(tǒng)的聚焦、深度和增益等參數(shù),以獲取最佳超聲影像信息。按照先左葉后右葉、由上至下、由內(nèi)向外的順序?qū)谞钕俚臋M切面、縱切面進行掃查,當(dāng)機器界面顯示穩(wěn)定的“M”或“B”且概率值>90%時認為結(jié)果有效。每個患者均進行3次有效規(guī)范化掃查,取出現(xiàn)2次以上的判斷結(jié)果為最終結(jié)果。

1.3 病理學(xué)檢查FNAB結(jié)果按TBSRTC分級(Bethesda系統(tǒng))分為Ⅰ～Ⅵ級,其中Ⅰ級為無法診斷/不滿意,Ⅱ級為良性,Ⅲ級為意義未確定的異型性/意義未確定的濾泡性病變,Ⅳ級為濾泡性腫瘤/可疑濾泡性腫瘤,Ⅴ級為可疑惡性,Ⅵ級確定為甲狀腺癌;將Ⅰ～Ⅳ級合并判定為良性,Ⅴ～Ⅵ級為惡性。甲狀腺術(shù)后病理和FNAB結(jié)果均由兩名以上的專業(yè)病理科醫(yī)師出具規(guī)范化病理報告。

1.4 統(tǒng)計學(xué)處理使用SPSS 21.0進行統(tǒng)計分析。以術(shù)后病理結(jié)果為金標準,分析AI輔助超聲檢查的診斷效能和FNAB的診斷效能,包括敏感度、特異度、準確度、約登指數(shù)。AI輔助超聲檢查與FNAB檢查結(jié)果的比較采用McNemar檢驗。檢驗水準α=0.05。

2 結(jié)果

2.1 AI輔助超聲檢查診斷效能分析1 010個甲狀腺結(jié)節(jié)中,術(shù)后病理檢查示惡性結(jié)節(jié)846個,其中838個為甲狀腺乳頭狀癌,2個為濾泡性甲狀腺癌,5個為甲狀腺髓樣癌,1個為甲狀腺鱗癌;交界性或良性結(jié)節(jié)164個,包括惡性潛能未定的濾泡性腫瘤、結(jié)節(jié)性甲狀腺腫、濾泡性腺瘤等。AI輔助超聲檢查對1 010個甲狀腺結(jié)節(jié)的分析結(jié)果見表1,診斷敏感度為92.6%,特異度為66.5%,準確度為88.3%,約登指數(shù)為0.591(P<0.001)。

表1 1 010個甲狀腺結(jié)節(jié)AI輔助超聲檢查的結(jié)果 個

2.2 AI輔助超聲檢查與FNAB的診斷效能比較405個術(shù)前進行超聲引導(dǎo)下FNAB檢查與AI輔助超聲檢查的甲狀腺結(jié)節(jié)良惡性判定結(jié)果見表2。對于病理診斷為惡性的347個結(jié)節(jié),AI輔助超聲診斷的敏感度高于FNAB(表3);對于病理診斷為良性的58個結(jié)節(jié),AI輔助超聲診斷的特異度低于FNAB(表4);AI輔助超聲診斷的準確度高于FNAB(表5)。

表2 405個甲狀腺結(jié)節(jié)AI輔助超聲檢查與FNAB的診斷結(jié)果 個

表3 347個惡性甲狀腺結(jié)節(jié)的AI輔助超聲檢查與FNAB診斷結(jié)果的比較 個

表4 58個良性甲狀腺結(jié)節(jié)的AI輔助超聲檢查與FNAB診斷結(jié)果的比較 個

表5 405個甲狀腺結(jié)節(jié)的AI輔助超聲檢查與FNAB診斷結(jié)果 個

3 討論

近年來隨著AI技術(shù)的飛速發(fā)展,越來越多基于AI的計算模型實現(xiàn)了對甲狀腺結(jié)節(jié)的精確識別,并已成功從實驗研究階段邁入臨床試用階段[6]。AI輔助超聲在具備單獨超聲檢查優(yōu)點的情況下,更少受到操作醫(yī)師主觀經(jīng)驗的影響,其結(jié)果判讀也簡便易懂。本研究對ITS100超聲影像智能檢查系統(tǒng)診斷甲狀腺結(jié)節(jié)良惡性的結(jié)果進行了評價。

與既往研究[7]相比,本研究納入了更多的甲狀腺結(jié)節(jié)數(shù)量。在1 010個甲狀腺結(jié)節(jié)中,AI輔助超聲診斷結(jié)果的敏感度為92.6%,特異度為66.5%,準確度為88.3%,約登指數(shù)為0.591。已有多項研究[8-10]表明,AI輔助超聲的診斷性能可以與經(jīng)驗豐富的放射科醫(yī)生相媲美,對于直徑1.5 cm以上的甲狀腺結(jié)節(jié)可以減少一些不必要的穿刺[11]。還有多中心研究[12]顯示AI聯(lián)合ACR TI-RADS分級診斷可顯著減少推薦進行活檢的良性甲狀腺結(jié)節(jié)數(shù)量。本研究還比較了405個甲狀腺結(jié)節(jié)的AI輔助超聲檢查和FNAB的判定效能。結(jié)果顯示,AI輔助超聲檢查的敏感度高于FNAB,特異度低于FNAB,準確度高于FNAB。甲狀腺惡性腫瘤多為生物學(xué)行為較為惰性的乳頭狀癌,且近年來逐步增長的甲狀腺癌發(fā)病率并沒有合并與之同步增長的疾病特異性病死率[13],惰性甲狀腺癌的過度治療有可能增加對患者的傷害[14]。作者認為AI輔助超聲檢查與FNAB相比更適合用于甲狀腺惡性腫瘤的初步篩查,但單獨AI輔助超聲檢查用于惡性病例的確診需要謹慎。

本研究由于進行手術(shù)治療的患者多為惡性病例,導(dǎo)致結(jié)果可能出現(xiàn)一定偏倚?？傮w而言,AI輔助超聲檢查對甲狀腺結(jié)節(jié)的良惡性判別有較高的敏感度和準確度,可輔助臨床醫(yī)師較好地開展疾病的篩查與診斷。鑒于目前AI輔助超聲發(fā)展尚處于初級階段,應(yīng)用時間尚短,隨著AI系統(tǒng)數(shù)據(jù)庫的完善尤其是良性結(jié)節(jié)樣本的優(yōu)化學(xué)習(xí),其診斷效能會進一步提升,并以其無創(chuàng)、實時快速、可重復(fù)、受人為因素影響小等優(yōu)點,在臨床應(yīng)用前景巨大。