人工智能計算機輔助系統聯合超聲造影診斷TI-RADS 5類結節的價值

楊曉云 王 丹 康 琦 田 野 周 琦

超聲是目前篩查甲狀腺結節并對其進行惡性風險分層的首選方法，其中超聲造影能清晰顯示甲狀腺結節內微循環的灌注情況，提高了鑒別診斷甲狀腺結節良惡性的準確性［1］。但由于甲狀腺結節病理變化過程復雜，良惡性結節的常規超聲圖像和超聲造影動態圖像存在一定重疊。人工智能輔助系統（artificial intelligence computer aided system，AI-CAD）可協助臨床醫師鑒別甲狀腺結節的良惡性［2］。本研究旨在比較超聲造影、AI-CAD及其聯合對甲狀腺影像報告和數據系統（TI-RADS）5類結節的鑒別診斷價值。

資料與方法

一、臨床資料

選取2019年6～12月西安交通大學第二附屬醫院經組織病理學證實的TI-RADS 5類結節患者93例（共141結節），男31例，女62例，年齡21～70歲，平均（46.3±12.3）歲，結節直徑3～51 mm，平均（11.3±8.3）mm。其中良性結節54個，包括結節性甲狀腺腫39個，腺瘤型甲狀腺腫5個，肉芽腫性甲狀腺炎4個，甲狀腺濾泡性腫瘤3個，濾泡上皮乳頭狀增生、纖維脂肪組織增生、炎癥改變纖維增生各1個；惡性結節87個，包括甲狀腺乳頭狀癌80個，濾泡癌3個，淋巴瘤2個，甲狀腺未分化癌和髓樣癌各1個。本研究經醫院醫學倫理委員會批準，所有患者均知情同意。

二、儀器與方法

1.儀器與試劑：使用日立Hi Vision Ascendus彩色多普勒超聲診斷儀，15L8W線陣探頭，頻率8～15 MHz；EUP-L52線陣探頭，頻率3～7 MHz；造影劑使用意大利博萊科公司生產的SonoVue；AI-CAD為德尚韻興公司研發的DEMETICS超聲甲狀腺結節輔助診斷系統。

2.方法：所有患者均先行常規超聲檢查，儲存橫切和縱切水平最佳顯示切面圖像，同步導入AI-CAD系統，系統自動給出結節良惡性評分；然后調整切面及儀器深度，選擇病灶最大切面，且能同時顯示周圍正常甲狀腺切面為佳，切換至超聲造影模式，經外周靜脈注射造影劑，隨即5 ml生理鹽水沖管，觀察結節灌注情況。超聲圖像納入標準：①超聲圖像中甲狀腺結節顯示清晰；②包含整個結節；③結節周圍有正常甲狀腺組織；④超聲圖像中無血流信號疊加。

3.診斷標準：①AI-CAD系統：評分≤0.5判為良性，評分0.5～1.0判為惡性［3］；②超聲造影：惡性結節晚于正常甲狀腺增強或存在不均勻增強，超聲造影時邊界模糊、早于正常甲狀腺實質消退；良性結節與甲狀腺等增強，快于甲狀腺實質增強或病灶周邊呈環狀高增強、慢于甲狀腺實質消退［4］；③聯合應用標準：當AI-CAD系統或超聲造影任一方法判定為惡性該結節即為惡性。

三、統計學處理

結 果

一、超聲造影檢查結果及診斷效能分析

141個甲狀腺結節中，超聲造影檢出惡性結節100個，均表現為不均勻性弱增強（圖1A），檢出良性結節41個，其中28個表現為均勻性高增強（圖2A），13個表現為均勻性等增強。超聲造影診斷甲狀腺惡性結節的敏感性89.7%、特異性59.2%、準確率78.0%、陽性預測值79.6%，陰性預測值79.1%。見表1。

圖1 甲狀腺乳頭狀癌超聲造影圖和AI-CAD圖

圖2 結節性甲狀腺腫超聲造影圖和AI-CAD圖

表1 超聲造影對甲狀腺良惡性結節的診斷情況 個

二、AI-CAD檢查結果及診斷效能分析

141個甲狀腺結節中，AI-CAD檢出惡性結節76個（圖1B），良性結節65個（圖2B）。AI-CAD診斷甲狀腺惡性結節的敏感性78.2%、特異性85.2%、準確率80.9%、陽性預測值89.5%，陰性預測值79.1%。見表2。

表2 AI-CAD對甲狀腺良惡性結節的診斷情況 個

三、超聲造影聯合AI-CAD檢查結果及診斷效能分析

141個甲狀腺結節中，超聲造影聯合AI-CAD檢出惡性結節102個，良性結節39個。超聲造影聯合AI-CAD診斷甲狀腺惡性結節的敏感性94.3%、特異性63.0%、準確率82.3%、陽性預測值80.4%，陰性預測值87.2%。見表3。兩種方法聯合應用的診斷敏感性和準確率均高于其單獨應用（均P＜0.05）。

表3 超聲造影聯合AI-CAD對甲狀腺良惡性結節的診斷情況 個

討 論

根據美國放射協會制定的TI-RADS診斷標準［5］，5類甲狀腺結節惡性概率＞20%，建議進行長期隨訪、穿刺檢查甚至手術治療，但臨床實踐發現部分TI-RADS 5類結節病理結果為良性。目前超聲造影已廣泛應用于甲狀腺結節良惡性的鑒別診斷，避免了部分TI-RADS5類良性結節患者因誤診導致的過度治療，但甲狀腺良惡性結節的超聲造影增強模式會出現重疊，容易誤診。本研究結果顯示，141個TI-RADS 5類結節中超聲造影準確診斷110個，誤診31個，其中22個結節性甲狀腺腫均誤診為惡性結節，分析原因為結節性甲狀腺腫病理過程復雜，結節內組織反復增生和不均勻修復，故不同增生時期結節血供特點不相同，造影增強模式呈多樣性；另外，甲狀腺彌漫性病變也可能影響超聲醫師的診斷。另有9個惡性結節誤診為良性，其中7個位于甲狀腺峽部，主要原因為峽部結節易受甲狀軟骨和筋膜的影響，且病灶周圍腺體組織較少。

生物醫學工程領域的最新進展使醫學圖像分析成為最熱門的研究和開發領域之一，計算機深度學習技術模仿人類大腦中由多層轉換組成的深層體系結構，實現對超聲圖像的分割、特征學習和分類，已逐漸應用于肺臟、乳腺、眼底病變及甲狀腺疾病的影像學診斷中［6］。本研究結果顯示，AI-CAD診斷TIRADS5類惡性結節的特異性為85.2%，高于超聲造影的特異性59.2%，表明AI-CAD對TI-RADS5類結節有較高的鑒別診斷價值。本研究中AI-CAD對TI-RADS 5類結節的診斷準確率為80.9%，低于王洪杰等［7］研究結果（98.43%），可能與AI-CAD采用不同深度學習模型及甲狀腺診斷數據收集差異有關。本研究AI-CAD誤診甲狀腺結節27個，其中8個良性結節誤診為惡性，分析原因可能為良性結節合并出血，發生機化和玻璃樣變，部分結節內可見粗大鈣化及環狀鈣化后方常伴有聲影；19個惡性結節誤診為良性，分析原因可能為AI-CAD分析的是靜態圖像，同一結節不同切面顯示的特征有所不同，系統給出的概率值不同，操作者可能在留存圖像時未將惡性征像顯示出來，導致系統評分偏低。

另外，本研究將超聲造影和AI-CAD聯合應用于TI-RADS 5類結節的鑒別診斷，結果顯示其敏感性和準確率均高于單一技術，差異均有統計學意義（均P＜0.05），表明兩者聯合應用具有較高的臨床診斷價值。與以往研究［8］結論一致。本研究的不足：①樣本量較少；②試驗為單中心研究，結果可能存在入院率偏倚；③所用超聲儀器單一，研究對象中惡性結節病理組織類型較單一。

綜上所述，超聲造影和AI-CAD在診斷TI-RADS5類結節中均有重要價值，兩者聯合應用診斷價值更高。