超聲定量參數(shù)的預(yù)測模型在乳腺病變中的應(yīng)用

許仁豪，隋秀芳，裴 蓓，張 行，張 杰

乳腺癌作為女性最常見的惡性腫瘤之一，已經(jīng)嚴重威脅女性的健康，早期鑒別診斷尤為重要。超聲技術(shù)作為篩查乳腺病變的重要手段，其影像學(xué)報告及數(shù)據(jù)系統(tǒng)(breast imaging-reporting and data system，BI-RADS)現(xiàn)已廣泛應(yīng)用于乳腺超聲檢查中，但對BI-RADS 4級病變良惡性的鑒別仍然十分困難。彈性成像技術(shù)中聲脈沖輻射力成像(acoustic radiation force impulse，ARFI)技術(shù)可以通過測量剪切波速度(shear wave velocity，SWV)來定量反映乳腺組織的硬度；彩色多普勒超聲能夠顯示出病變內(nèi)的血流信號，測量出血流阻力指數(shù)(resistent index，RI)，評價病變內(nèi)的血流情況。2種技術(shù)均可提供定量參數(shù)，該研究旨在使用這些定量參數(shù)(SWV、RI)構(gòu)建的分類算法模型來更加精準(zhǔn)預(yù)測乳腺BI-RADS 4級病變的良惡性，以期降低乳腺穿刺活檢率。

1 材料與方法

1.1 病例資料

收集2015年1月—2018年12月間安徽醫(yī)科大學(xué)附屬省立醫(yī)院超聲科241例女性患者，年齡13～80(45.0±12.6)歲，每位患者只有最可疑或者最大的病灶被納入研究，共241個乳腺病變。每個乳腺病變均經(jīng)過常規(guī)超聲檢查且BI-RADS分級為4級，排除標(biāo)準(zhǔn)為無病理結(jié)果、哺乳期及妊娠期。本研究經(jīng)本院倫理委員會機構(gòu)批準(zhǔn)，并均在患者知情同意下進行。

1.2 儀器與方法

采用Simens Acuson S2000彩色多普勒超聲診斷儀，配有9L-4線陣探頭，頻率為4～9 MHz。首先患者取仰臥位，充分暴露其乳房，對乳腺進行常規(guī)超聲檢查，探查出病灶后，記錄部位、邊緣、形態(tài)、內(nèi)部及后方回聲、有無鈣化，再行彩色多普勒超聲檢查，多普勒的感興趣區(qū)域包括整個病灶和周圍少量組織，將彩色增益降低至背景噪聲剛好消失，保證最大靈敏度，然后測量出RI并記錄，無血流信號時RI記為0。常規(guī)超聲檢查完成后由2位超聲診斷經(jīng)驗超過10年的醫(yī)師對超聲圖像進行分析診斷，依據(jù)2013版BI-RADS分類指南進行分級。之后每一個4級病灶均需繼續(xù)進行ARFI，此操作由2位經(jīng)過ARFI技術(shù)培訓(xùn)的醫(yī)師進行操作，每位操作者需開啟聲脈沖輻射力測量界面，取樣框大小固定為6 mm×5 mm。需對同一病灶及病灶同水平腺體分別進行3次測量，綜合2人測量值中去掉最大值及最小值計算出平均值，記為SWV、SWV，并計算出SWV/SWV。測量SWV數(shù)值顯示為X.XX時以9 cm/s計算。

1.3 統(tǒng)計學(xué)處理

使用SPSS 24軟件進行統(tǒng)計分析。將收集的定量數(shù)據(jù)RI、SWV、SWV/SWV用ROC曲線來進行診斷準(zhǔn)確性的評價。再利用χ自動交互檢驗方法(chi-squared automatic interaction detector，CHAID)對定量數(shù)據(jù)進行分類分析，最小子節(jié)點和父節(jié)點分別設(shè)置為5和10。由CHAID自動計算出每個分支的截取值，構(gòu)建CHAID決策樹，即預(yù)測模型。其穩(wěn)定性通過10倍交叉驗證得到驗證。ROC曲線下面積比較采用

Z

檢驗，以

P

<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

病理結(jié)果顯示241例乳腺病變中惡性140例(58.1%)，良性101例(41.9%)。惡性病灶包括浸潤性導(dǎo)管癌127例、乳腺導(dǎo)管內(nèi)癌9例、浸潤性小葉癌3例、乳腺黏液癌1例；良性病灶包括纖維腺瘤60例、乳腺腺病7例、乳腺慢性炎癥14例、導(dǎo)管內(nèi)乳頭狀瘤6例、增生結(jié)節(jié)10例、其他4例。所有定量資料的診斷性能如圖1及表1所示。聲脈沖輻射力技術(shù)中診斷性能表現(xiàn)最佳的為SWV，其ROC曲線下面積為0.858(截斷值：3.830 m/s，AUC：0.858)，其次為SWV/SWV，其曲線下面積為0.856(截斷值：2.815，AUC：0.856)；在彩色多普勒超聲條件下，可以觀察出惡性病灶RI明顯高于良性病變RI，其ROC曲線下面積為0.781 (截斷值：0.695，AUC：0.781)。

圖1 SWV腫塊、SWV腫塊/SWV腺體及RI的ROC曲線比較

表1 定量參數(shù)與分類算法的診斷性能

將3種均具有一定診斷性能的定量資料使用CHAID算法分析，得出的分類樹狀圖如圖2所示，在SWV、SWV/SWV及RI3種定量資料中，由于SWV/SWV無法使分類樹再產(chǎn)生分歧且提高算法的精度，并沒有納入分類算法中。首先，當(dāng)SWV≤3.958 m/s時，得到節(jié)點1，此時再繼續(xù)考慮RI，當(dāng)RI≤0.620，得到節(jié)點3，惡性概率為3.3%；當(dāng)RI在0.62～0.79之間，得到節(jié)點4，惡性概率33.3%；當(dāng)RI>0.79，得到節(jié)點5，惡性概率為83.3%。當(dāng)SWV>3.795 m/s時，得到節(jié)點2，此時再考慮RI，當(dāng)RI≤0.71，得到節(jié)點6，惡性概率為83.3%；當(dāng)RI>0.71，得到節(jié)點7，惡性概率為100%。對于此分類樹，ROC曲線下面積為0.938，明顯高于RI、SWV及SWV/SWV的0.781(

Z

=4.72，

P

<0.001)、0.858(

Z

=2.68，

P

=0.003)及0.856(

Z

=2.81，

P

=0.002)，敏感性為98.6%，特異性為57.4%(表1)，該算法使得2例乳腺腫塊誤診為良性，2例均為乳腺浸潤性癌(圖3、4)。

圖2 分類算法樹形圖

圖3 乳腺浸潤性導(dǎo)管癌

圖4 乳腺浸潤性導(dǎo)管癌

3 討論

美國放射學(xué)會提出的BI-RADS分類法為乳腺病變的超聲診斷提供了規(guī)范化的標(biāo)準(zhǔn)，但是當(dāng)被分到4級時惡性程度為2%～95%，跨度較大，即使再細分為4a、4b、4c 3個亞類，也均要求行穿刺活檢。因此如果能對4級病變進一步鑒別診斷，那么既可避免一些不必要的活檢穿刺，又能使惡性可能性較大的病變得到及時的診治。本研究運用彩色多普勒技術(shù)及ARFI技術(shù)中的定量參數(shù)構(gòu)建乳腺BI-RADS 4級病變惡性風(fēng)險的預(yù)測模型，幫助快速區(qū)分出4級病灶中風(fēng)險較低的良性病灶進行密切隨訪。

ARFI技術(shù)使用聲脈沖輻射力使得相應(yīng)組織產(chǎn)生形變，通過測量形變產(chǎn)生的橫向SWV，定量反應(yīng)組織的硬度。多項研究表明AFRI技術(shù)能夠用來輔助鑒別乳腺病變的良惡性；并且李俊來 等發(fā)現(xiàn)在硬度大小上乳腺浸潤性導(dǎo)管癌>乳腺病>纖維腺瘤>腺體。由于大部分乳腺惡性腫塊生長迅速并且存在豐富的血管生長因子，使得彩色多普勒下乳腺惡性腫塊內(nèi)部血流信號豐富，RI較高。研究表明乳腺惡性腫塊的RI明顯高于良性腫塊，且多數(shù)惡性腫塊RI>0.7。

本研究終端節(jié)點3中2例誤診為良性的病變最大直徑分別為9 mm及8 mm，深度分別為16 mm及20 mm。在肖曉云 等研究中表明乳腺病變過小(最大直徑大于1 cm)及病變位置較深(距皮膚表面大于10～12 mm)時均會使彈性成像的診斷效能降低。綜合分析考慮本研究2例誤診原因可能因為病變太小或位置太深。

本次研究采用的3種定量資料的分類算法結(jié)果表明，納入SWV和RI時的預(yù)測模型有較高診斷性能，其ROC曲線下面積(0.938)高于單獨使用彩色多普勒或者聲脈沖輻射力技術(shù)，并且較高的敏感性(98.6%)保證了預(yù)測模型不易漏診癌癥，這與文獻研究相似。在分類樹的終端節(jié)點3中，60個乳腺腫塊中僅有2個是惡性，惡性概率僅為3.3%，因此可以考慮對60個病灶進行短期隨訪。并且此次研究應(yīng)用的均為定量數(shù)據(jù)，一定程度的避免了主觀上的偏差。研究局限性：本研究為回顧性研究、樣本量有限，并且僅限于BI-RADS 4級的病灶，有待于積累更多的病例進行研究，使得算法更具有可靠性及臨床相關(guān)性。利用SWV及RI 2個定量資料的分類算法建立的預(yù)測模型有較高的診斷性能，能夠提高BI-RADS 4級乳腺病灶中良性病灶檢出率，客觀幫助臨床決定是否進行穿刺活檢，減少不必要的有創(chuàng)檢查。