超聲新技術提升乳腺影像報告和數(shù)據(jù)系統(tǒng)分類特異度應用進展

王心怡，崔立剛

(1.北京大學第三醫(yī)院超聲科，北京 100191；2.北京大學腫瘤醫(yī)院暨北京市腫瘤防治研究所乳腺中心 惡性腫瘤發(fā)病機制及轉化研究教育部重點實驗室，北京 100142)

乳腺影像報告和數(shù)據(jù)系統(tǒng)(breast imaging reporting and data system， BI-RADS)系美國放射學會為統(tǒng)一乳腺X線攝影術語而提出，2003年第4版BI-RADS首次加入乳腺超聲相關內容，而2013年第5版不僅修訂了部分超聲術語，還對彈性成像做了相應規(guī)范。目前BI-RADS已得到臨床普遍認可，成為標準化報告的質量保證，其核心內容之一是對乳腺腫物進行分類評估，如4類腫物的惡性概率為2%～94%，建議取得組織病理學診斷。第5版將BI-RADS 4類腫物細分為3個亞類，但未改變對BI-RADS 4a類腫物(惡性可能>2%，但≤10%)進行活檢的建議。臨床工作中，醫(yī)師難以判定為BI-RADS 3類或4a類時，常傾向于將腫物分入BI-RADS 4a類，意在避免漏診，但可能帶來非必要的活檢[1]。超聲是篩查乳腺癌最常用的影像學方法之一，超聲BI-RADS分類對于乳腺腫物的臨床決策至關重要，但其診斷特異度偏低，如何降低假陽性率成為亟待解決的問題。本文對乳腺超聲新技術，包括超微血管成像(superb microvascular imaging， SMI)、全自動乳腺容積掃描(automatic breast volume scanner， ABVS)、彈性成像、超聲造影(contrast-enhanced ultrasound， CEUS)及人工智能(artificial intelligence， AI)輔助BI-RADS精準分類研究進展進行綜述。

1 SMI

相比良性腫瘤，惡性腫瘤豐富的新生血管是其生長和轉移的基礎，也是血流成像鑒別乳腺良惡性腫瘤的依據(jù)之一。SMI利用多普勒原理，采用新的算法以有效顯示低流速的微小血管，可彌補傳統(tǒng)彩色多普勒血流成像顯示腫瘤新生小血管的不足，是目前最新的血流成像技術，其診斷乳腺良惡性腫瘤的特異度已超越常規(guī)超聲[2]。CAI等[3]以血管指數(shù)≤4.0%作為BI-RADS 4類腫物降級的標準，將24.32%(54/222)4類腫物降為BI-RADS 3類，僅漏診1例。PARK等[4]以血管指數(shù)與其他定性特征為標準，將BI-RADS 4a類中34.29%(12/35)的良性腫物準確降級，且未出現(xiàn)漏診。相反，ZHU等[2]借助SMI的多種特征進行BI-RADS二次分類時，不僅未能降級，反而將2個良性腫物錯誤升級。王希等[5]建議，遇SMI顯示BI-RADS 4～5類腫物血管管徑均勻、走行平直或有伴行動靜脈時，可適當降級，但僅適用于富血供腫物。探頭加壓力度、腫物深度及血管走行均可能影響SMI顯示血流效果。目前對于SMI是否有助于提升BI-RADS的特異度尚無定論，單獨以SMI輔助BI-RADS分類時仍需謹慎。

2 ABVS

作為新型超聲容積成像技術，ABVS最早于2012年在美國獲準用于臨床。ABVS可在減少手持超聲人為因素影響的同時提供多切面重建圖像，是常規(guī)超聲檢查的重要補充；其診斷效能與常規(guī)超聲相當[6]，且二者聯(lián)合診斷的敏感度、特異度和準確率均高于常規(guī)超聲[7]。目前多數(shù)ABVS研究[8-9]僅關注如何提升惡性腫物檢出率，如“匯聚”征及衛(wèi)星灶等。van ZELST等[10]回顧性分析96個乳腺腫物的容積數(shù)據(jù)，發(fā)現(xiàn)為不同觀察者提供多切面重建圖像后，可將3%～18%良性腫物正確降級，但類似研究并不多見。雖然ABVS已經上市多年，但圖像分析工作量較大，國內較少將其用于乳腺常規(guī)檢查。

3 超聲彈性成像

彈性成像是對組織硬度進行成像。臨床所用彈性成像系統(tǒng)主要為應變彈性成像(strain elastography， SE)和剪切波彈性成像(shear wave elastography， SWE)。可用于臨床的SE系統(tǒng)最早于2003年問世，操作時需施加外力以引發(fā)組織形變，且僅能實現(xiàn)定性或半定量評估。隨后出現(xiàn)的SWE系統(tǒng)則使用機械壓力或聲脈沖輻射力引導組織產生形變，通過剪切波速度定量評估組織硬度。

彈性成像對乳腺腫物有較高診斷價值。ALHABSHI等[11]提出BI-RADS與SE聯(lián)合診斷既不降低敏感度，又能將常規(guī)超聲的特異度由61.4%提升至93%。SEO等[12]發(fā)現(xiàn)常用定量和半定量特征的診斷效能相似，SWE與SE輔助BI-RADS 4a類腫物降級時，分別可將100%和90%腫物準確降至BI-RADS 3類。BERG等[13]采用多中心研究分析SWE的9個定量和定性特征，發(fā)現(xiàn)超聲BI-RADS與任一特征聯(lián)合均可提高診斷效能，以最大硬度值和目測評分為最佳；且超聲BI-RADS聯(lián)合SWE可明顯提升診斷特異度，而并未顯著降低敏感度，可減少不必要的活檢。部分研究[14]認為SWE定性特征——“硬環(huán)”征(腫物周邊硬度增高區(qū)呈環(huán)形)具有較高特異度，聯(lián)合BI-RADS可顯著降低活檢率。WANG等[15]以剪切波速度或平均楊氏模量作為評價指標，發(fā)現(xiàn)BI-RADS與SWE聯(lián)合診斷同樣能提升特異度。

雖然彈性成像輔助常規(guī)超聲可有效減少不必要的活檢，但仍然存在一定局限性，如第5版BI-RADS評價硬度時采用定性指標，卻未明確各等級的劃分標準。此外，受設備和人為操作影響，作為診斷臨界值，應變比在不同研究之間相差較大，而文獻提供的數(shù)值在實際操作中可能缺乏參考價值。

4 CEUS

CEUS借助微泡造影劑顯示腫物的微血管和血流灌注，以增強血流與組織回聲對比，由此提升了超聲診斷的敏感度和特異度。XIAO等[16]認為單獨使用CEUS鑒別乳腺良惡性小結節(jié)(直徑<1 cm)的特異度超過SE，以CEUS和SE分別輔助BI-RADS降級，可使41.3%和31.4%的良性腫物患者免于活檢，而漏診率僅為1.1%和2.3%。LUO等[17]歸納出6種強化模式，在對235個BI-RADS 4類腫物進行假設性升降級后，活檢率由100%降至50.64%。LEE等[18]則得出更簡單的降級方法，即對邊界清晰且無強化或均勻強化的橢圓形BI-RADS 4類腫物可免于活檢，以此標準篩選后活檢率可降低31%。以上結果表明，常規(guī)超聲聯(lián)合CEUS可降低診斷假陽性率，大幅減少不必要的活檢。但CEUS屬有創(chuàng)操作，且需排除造影劑過敏等禁忌證，長達10 min的檢查時間也不便于臨床常規(guī)使用。另外，乳腺良惡性腫物的CEUS強化模式和診斷標準尚未統(tǒng)一，限制了該技術的推廣。

5 AI

AI是計算機科學的分支，將其引入醫(yī)學領域的目的在于模擬甚至超越醫(yī)生的診斷能力，提高診斷準確率。近年AI在乳腺癌影像學診斷領域發(fā)展迅速。FUJIOKA等[19]研究表明，以AI分析乳腺腫物的超聲圖像，診斷特異度明顯高于醫(yī)師。但大部分超聲領域AI研究為單中心、小樣本研究，所用算法仍處于研發(fā)階段，尚未經過臨床驗證。目前已實現(xiàn)商業(yè)化的超聲AI系統(tǒng)屈指可數(shù)，國內獲準臨床應用的系統(tǒng)為內置于Samsung RS80A超聲儀中的“S-Detect for breast”。

LI等[20]對10項針對S-Detect自身診斷效能的研究進行Meta分析，合并敏感度和特異度分別為0.82和0.86，受試者工作特征曲線下面積為0.89，提示AI具有較高的診斷特異度和準確率，或可成為優(yōu)化乳腺腫物活檢適應證的有效輔助方法。然而目前的S-Detect臨床研究主要集中在與醫(yī)師診斷效能相比較，認為其診斷準確率、特異度和陽性預測值均高于醫(yī)師[21]，S-Detect輔助下可顯著提升醫(yī)師的診斷效能[22-23]，且對低年資醫(yī)師尤為明顯[24]。BARTOLOTTA等[24]提及S-Detect有助于BI-RADS分類正確升降級；PARK等[23]發(fā)現(xiàn)不同觀察者在S-Detect輔助下對腫物降級的準確率高達89%～100%，但并未繼續(xù)深入分析。馮杰等[25]在S-Detect輔助下對46.15%(24/52)的BI-RADS 4類腫物進行假設性降級，顯著減低了活檢率及假陽性率，且漏診率無明顯增加。WANG等[26]采用S-Detect分析43個BI-RADS 4a類乳腺腫物，發(fā)現(xiàn)當2個最大垂直切面的診斷結果均為良性時可將腫物降至3類，且未出現(xiàn)漏診。由于相關研究樣本量偏低，仍需大樣本或多中心的試驗證實上述論點。為進一步提升診斷效能，AI輔助多種超聲成像模式聯(lián)合診斷已開始受到關注[27]，相信隨著技術的進步，AI在優(yōu)化乳腺腫物活檢適應證方面將會體現(xiàn)出自身價值。

6 小結

并非所有研究者均對超聲新技術輔助BI-RADS分類降級持肯定態(tài)度。KIM等[28]依據(jù)SWE最大硬度值對BI-RADS 4a類小結節(jié)(直徑≤2 cm)進行降級，診斷特異度得到顯著提升，但漏診率由0升至3.8%。研發(fā)既能提升診斷特異度而又不降低常規(guī)超聲敏感度的輔助成像技術是當前研究的重中之重。雖然在常規(guī)超聲基礎上聯(lián)合多種技術多參數(shù)診斷可能具有更好的診斷效能并提高觀察者間一致性和減少假陽性[29]，但其是否具備臨床操作可行性尚需探討。

綜上，彈性成像及CEUS均為輔助BI-RADS分類降級的有效方法，彈性成像普及率高、更易在臨床開展；ABVS及AI輔助BI-RADS分類降級的報道較少，但近年AI發(fā)展迅速，前景廣闊。采用超聲新技術對乳腺腫物BI-RADS分類降級時還應權衡利弊，在漏診率可接受的前提下謹慎而行。