C-TIRADS 人工智能輔助診斷系統(tǒng)在甲狀腺可疑結節(jié)良惡性診斷中的應用

楊波，李照喜*，周璐，李文

1.華東療養(yǎng)院物理診斷科，江蘇 無錫 214065；2.華東療養(yǎng)院外科，江蘇 無錫 214065；*通信作者 李照喜doctor_lzx@163.com

甲狀腺影像數(shù)據(jù)和報告系統(tǒng)（thyroid imaging reporting and data system，TI-RADS）可以統(tǒng)一甲狀腺報告格式、便于醫(yī)師交流并規(guī)范后續(xù)處理。多個國家先后發(fā)布了多個版本的TI-RADS指南[1-4]，但各指南皆立足于本國情況，而目前我國超聲檢查中存在多種TI-RADS指南混用的問題，與我國醫(yī)療實際情況存在不匹配之處，也給臨床解讀甲狀腺超聲報告造成諸多困擾。2020年我國發(fā)布了甲狀腺結節(jié)超聲惡性危險分層中國指南[5]，制訂了中國甲狀腺超聲報告和數(shù)據(jù)系統(tǒng)（C-TIRADS），其分類基于超聲圖像特征的計數(shù)法，方便易行，符合我國臨床實際；但C-TIRADS對甲狀腺可疑結節(jié)的診斷效能尚未完全明確，并且診斷惡性截斷值存在爭議。人工智能（artificial intelligence，AI）輔助診斷系統(tǒng)客觀、可重復性強，已逐步應用于臨床研究中。目前，基于C-TIRADS的AI輔助診斷系統(tǒng)相關研究較少。本研究通過使用基于C-TIRADS的AI輔助診斷系統(tǒng)，比較其與不同年資超聲醫(yī)師對甲狀腺可疑結節(jié)的診斷效能，評估基于C-TIRADS的AI輔助診斷系統(tǒng)在甲狀腺可疑結節(jié)良惡性診斷中的應用價值及最佳診斷惡性截斷值。

1 資料與方法

1.1 研究對象 回顧性選取2018年1月—2021年12月華東療養(yǎng)院甲狀腺可疑結節(jié)患者441例（445個結節(jié)），男190例（191個結節(jié)），女251例（254個結節(jié)）；年齡21～70歲，平均（45.3±9.2）歲。結節(jié)最大徑0.6～3.8 cm。納入標準：①有明確手術或細針穿刺活檢病理結果；②存在可疑結節(jié)，即存在至少1項符合C-TIRADS指南的超聲惡性聲像圖特征。排除標準：①細針穿刺活檢細胞學病理Bethesda為I、Ⅲ、Ⅳ或V類且無手術組織學病理結果；②超聲檢查前進行甲狀腺有創(chuàng)檢查或治療；③超聲影像資料不全或質(zhì)量不佳。本研究經(jīng)本院倫理委員會批準（2022倫理批會第3號）。

1.2 儀器與方法

1.2.1 儀器 使用Siemens Sequoia、Esaote MyLab90、Philips iu22、Canon Aplio i900超聲診斷儀，線陣探頭，頻率3～12 MHz。

1.2.2 圖像分析 由2名從事淺表器官檢查工作15年以上的超聲科副主任醫(yī)師組成高年資組，2名工作5年以內(nèi)的超聲科住院醫(yī)師組成低年資組。各醫(yī)師均對患者檢查結果未知并獨立進行分析，根據(jù)C-TIRADS指南進行超聲特征計算并分類。結果不一致時由組內(nèi)2名醫(yī)師協(xié)商達成一致。

將能清晰顯示甲狀腺結節(jié)聲像圖特征的所有圖像導入超聲影像輔助診斷系統(tǒng)（Ten-D ACD System，SW-TH01/II，什維創(chuàng)新），手動圈定感興趣區(qū)（ROI），包括結節(jié)上下界及左右界，軟件自動分析結節(jié)超聲特征：結構、回聲、縱橫比、邊緣、局灶性強回聲，計數(shù)超聲良惡性特征并進行C-TIRADS分類（圖1），分類結果不一致時取分類最高者。

分別由低、高年資醫(yī)師組結合AI輔助診斷系統(tǒng)分析結果，逐一對照并對甲狀腺結節(jié)進行再次分類，記為低年資+AI組和高年資+AI組，比較各組分類結果。

1.2.3 C-TIRADS分類方法[5]以計數(shù)法對甲狀腺結節(jié)進行分類，實性、極低回聲、垂直位（縱橫比＞1）、微鈣化及邊緣模糊/不規(guī)則或甲狀腺外侵犯為可疑惡性特征，計1分；彗星尾征偽像為良性超聲特征，計-1分。將得分相加進行分類，見表1。

表1 基于計數(shù)法的C-TIRADS分類

1.3 統(tǒng)計學分析 應用SPSS 22.0、Med Calc 18.9.1軟件。計量資料采用±s表示，計數(shù)資料采用例數(shù)或百分比表示。以病理結果為“金標準”，繪制受試者工作特征（ROC）曲線，采用Z檢驗比較各組曲線下面積（AUC）。根據(jù)不同診斷惡性截斷值，計算各組的診斷敏感度、特異度、準確度、陽性預測值、陰性預測值及約登指數(shù)，并采用χ2檢驗進行比較。以P＜0.05為差異有統(tǒng)計學意義。

2 結果

2.1 甲狀腺結節(jié)病理結果 445個結節(jié)經(jīng)病理證實惡性結節(jié)277個，良性結節(jié)168個。所有惡性結節(jié)均經(jīng)手術病理證實，其中乳頭狀癌275個，髓樣癌2個。良性結節(jié)中，36個經(jīng)手術組織學病理明確，其中結節(jié)性甲狀腺腫25個，濾泡性腺瘤6個，慢性淋巴細胞性甲狀腺炎5個；132個經(jīng)過細針穿刺活檢細胞學病理明確，均為Bethesda Ⅱ類。

2.2 低、高年資組及AI組根據(jù)C-TIRADS分類的診斷結果 低、高年資組及AI組根據(jù)C-TIRADS各分類的良、惡性結節(jié)數(shù)量，惡性結節(jié)占比及AUC見表2。高年資組及AI組AUC均顯著大于低年資組（Z=7.977、7.763，P均＜0.001），高年資組與AI組AUC相仿（Z=1.683，P＞0.05）。

表2 低、高年資組及AI組根據(jù)C-TIRADS分類的良、惡性結節(jié)診斷結果

2.3 不同年資醫(yī)師聯(lián)合AI輔助診斷系統(tǒng)的診斷結果不同年資醫(yī)師聯(lián)合AI輔助診斷系統(tǒng)對甲狀腺可疑結節(jié)的C-TIRADS分類結果見表3。高年資+AI組診斷的AUC高于低年資+AI組（0.864比0.830），差異有統(tǒng)計學意義（Z=4.595，P＜0.001），但差距較前縮小。低年資+AI組對甲狀腺可疑結節(jié)診斷的AUC較未聯(lián)合使用時明顯提高（0.830比0.760；Z=6.724，P＜0.001），高年資+AI組對甲狀腺可疑結節(jié)診斷的AUC較前略有提高（0.864比0.858；Z=2.256，P=0.02），低年資+AI組診斷的AUC提高更明顯。

表3 不同年資醫(yī)師聯(lián)合AI輔助診斷系統(tǒng)對甲狀腺良、惡性結節(jié)C-TIRADS分類結果

2.4 不同診斷惡性截斷值診斷效能比較 不同診斷惡性截斷值比較，以TR4B為截斷值時各組對甲狀腺結節(jié)的診斷敏感度和陰性預測值最大；以TR4C為截斷值時各組的診斷準確度、約登指數(shù)及AUC最大；以TR5為截斷值時各組的診斷特異度和陽性預測值最大。以AUC最大為選取最佳截斷值的標準，診斷惡性最佳截斷值為TR4C時，各組AUC均明顯大于TR4B和TR5（均P＜0.001），見表4。

表4 低、高年資組及AI組不同診斷惡性截斷值診斷效能比較

3 討論

目前普通人群甲狀腺結節(jié)超聲檢出率可達19%～68%[1,6]，呈增高趨勢，為甲狀腺結節(jié)特別是甲狀腺可疑結節(jié)患者提供更好的臨床決策和后續(xù)健康管理至關重要。2020年中華醫(yī)學會超聲醫(yī)學分會發(fā)布的C-TIRADS將實性、極低回聲、垂直位、微鈣化以及邊緣模糊/不規(guī)則或甲狀腺外侵犯作為甲狀腺結節(jié)超聲惡性特征，彗星尾偽像作為良性特征，并通過計數(shù)法進行分類，便于操作，易于推廣，具有很高的實用價值。

然而，對于甲狀腺結節(jié)超聲特征的認識和判斷較為主觀，受到醫(yī)師工作經(jīng)驗的影響，并且與當時客觀環(huán)境、醫(yī)師主觀狀態(tài)等有關，存在不同醫(yī)師間和相同醫(yī)師不同時間的差異[7-9]。基于深度學習和卷積神經(jīng)網(wǎng)絡的新一代AI輔助診斷系統(tǒng)可以客觀、準確地識別甲狀腺結節(jié)超聲特征，可重復性高，已得到臨床研究證實[10-13]。本研究顯示，AI輔助診斷系統(tǒng)對于甲狀腺可疑結節(jié)C-TIRADS 4B、4C及5類的惡性率分別為40.5%、84.7%、100%，均在指南參考范圍內(nèi)，C-TIRADS 4A類的惡性率為11%，較低年資組更接近指南參考范圍；AI輔助診斷系統(tǒng)對于甲狀腺可疑結節(jié)的診斷AUC（0.849）與高年資組（0.858）相仿，顯著高于低年資組（0.760），與李婷婷等[14]的研究相似，可能與低年資醫(yī)師工作時間短、經(jīng)驗匱乏有關。

不同年資醫(yī)師聯(lián)合AI輔助診斷系統(tǒng)后，對甲狀腺可疑結節(jié)診斷的AUC均不同程度增大，低年資醫(yī)師從0.760升至0.830，高年資醫(yī)師從0.858升至0.864，低年資醫(yī)師聯(lián)合AI輔助診斷系統(tǒng)后增加幅度較大、受益明顯。

目前，C-TIRADS對于甲狀腺結節(jié)良惡性鑒別診斷的截斷值存在較大分歧。毛森等[15]、李潛等[16]認為使用TR4A作為截斷值較為合適，而丁思悅等[17]、李健等[18]則認為TR4B更好，喬敏等[19]、陳慶芳等[20]通過比較認為TR4C作為截斷值時診斷效能更高。以上差異可能與研究對象、方法及對C-TIRADS的認識和理解不同有關。本研究選擇對象為甲狀腺可疑結節(jié)（最低分類C-TIRADS 4A），符合臨床工作實際需要，分別比較TR4B、TR4C和TR5作為診斷惡性截斷值時的診斷效能發(fā)現(xiàn)：以TR4B為診斷惡性截斷值，敏感度高而特異度低，將不可避免地導致過度穿刺和手術；以TR5為診斷惡性截斷值，特異度高而敏感度低，將會出現(xiàn)漏診較多的現(xiàn)象；而以TR4C為診斷惡性截斷值，敏感度和特異度既保持在較高的水平，又達到了兼顧的效果，很好地平衡了漏診和過度治療的問題，此時無論AI輔助診斷系統(tǒng)還是不同年資的醫(yī)師，診斷準確度、約登指數(shù)及AUC均最高。因此，本研究使用TR4C作為C-TIRADS對甲狀腺可疑結節(jié)的診斷惡性最佳截斷值，其診斷效能最佳。

本研究尚存在一些不足：①為單中心回顧性研究，后期仍需擴大樣本量進行多中心研究；②目前AI輔助診斷系統(tǒng)僅支持分析二維靜態(tài)圖像，無法將超聲造影、彈性成像等信息加入其中，仍需進一步提高。

總之，基于C-TIRADS的AI輔助診斷系統(tǒng)在甲狀腺可疑結節(jié)良惡性鑒別診斷中具有較高價值，聯(lián)合使用可提高不同年資醫(yī)師的診斷效能，尤其是低年資醫(yī)師；不同年資醫(yī)師及聯(lián)合使用AI輔助診斷系統(tǒng)后對甲狀腺可疑結節(jié)良惡性鑒別診斷的最佳截斷值均為TR4C。