超聲智能化診斷技術聯合彈性成像在鑒別甲狀腺良惡性結節中的價值

王翔 諶蘭 宋俊琨 王義(通信作者)

438300湖北省麻城市人民醫院超聲醫學科，湖北麻城

甲狀腺結節在成人群體中的發生率達50%[1]。隨著超聲技術的不斷發展，超聲彈性成像(SWE)技術廣泛在臨床上使用，其在乳腺、肝臟部分腫塊良惡性鑒別中具有較高的診斷準確率，但SWE 技術單一應用，其靈敏度與特異度均較低，需要聯合新技術提高靈敏度和特異度。隨著人工智能的發展，超聲智能化診斷(S-Detect 技術)應運而生[2]，該技術能夠對特定包塊的形態學特征進行圖像分析，是一種計算機輔助診斷技術(CAD)軟件[3]。S-Detect 技術能夠借助腫瘤檢查的病理數據進行分析，得出病變特征，進而為臨床選定圖像提供良惡性的判別建議。但目前對S-Detect 技術聯合SWE 技術對甲狀腺結節的良惡性鑒別診斷鮮有研究[4]。本文對選擇的甲狀腺結節患者實施S-Detect+SWE 技術檢查，旨在對比聯合診斷與單獨診斷對患者的臨床鑒別診斷效果。現報告如下。

資料與方法

選取2019年9月-2021年12月在湖北省麻城市人民醫院實施甲狀腺腫塊超聲檢查，并實施穿刺或手術的87例患者，作為研究對象。入選患者中，男45例，女42例，年齡23～75歲，平均(49.34±4.63)歲。

納入標準：①有明確的1 個或1 個以上的甲狀腺結節；②即將進行FNAB或外科手術；③年齡≥18歲；④本研究經患者及家屬知情同意且經我院倫理委員會批準。

排除標準：①患有對試驗不利或對其他入選者構成威脅的疾病，如精神類疾病；②孕期或哺乳期婦女；③超聲圖像質量差，不能滿足參數測量和分析；④有甲狀腺手術史或甲狀腺穿刺活檢史，接受過放化療；⑤檢查后沒有穿刺或手術病理結果；⑥穿刺或手術后沒有獲得明確良惡性診斷；⑦單純囊性結節、鈣化灶；⑧腫塊過大或者過小，導致S-Detect系統無法識別腫塊邊界；⑨基本資料不完整。

方法：①SWE 組：對患者進行常規超聲+SWE 技術檢查，入選患者采取Resona7 超聲診斷儀器，探頭頻率5～13 MHz，設定預設的乳房檢查條件，超聲上機操作由我院2 名超聲科醫生完成，醫生要具備5年以上的超聲診斷資質，且遵循雙盲法原則完成檢查。檢查時，使患者取仰臥位，必要時采取側臥位，檢查中要充分暴露結節部位，行二維超聲，檢查時要記錄甲狀腺結節超聲特征。然后對患者進行SWE 技術檢查，將模式切換至SWE 模式，探查患者的甲狀腺，探頭與體表要垂直，在壓力指數達到規定值時截取并將圖像給予保存，觀察顏色分布情況，經由派出的1名經驗豐富的超聲醫生進行彈性圖像評分，方法為采用SWE 技術在縱切面與橫切面上實施，得出彈性評分與彈性評分的比值，超聲醫生第3次給出良惡性判定結果。②智能組：對患者進行S-Detect 技術檢查，入選患者采用三星RS80A 型彩色多普勒超聲診斷儀進行檢查，頻率5～3 MHz，首先在2D 模式下橫切、縱切甲狀腺病灶，采用腫塊最大徑與其垂直切面作標準層面，而后切換至S-Detect模式，軟件自動對甲狀腺病灶區域進行勾畫，對自動分析程序給予激活，對結節性質進行評價，評價方法為使用S-Detect技術在縱切面與橫切面上實施，由1名經驗豐富的醫生在第2 次給出良惡性結節判斷結果。③聯合組：S-Detect+SWE技術檢查，檢查方法同SWE組+智能組。

觀察指標：①S-Detect：在內置算法的指導下，S-Detect 的二維圖像可能診斷為兩種類型：一種是良性；一種為惡性；對病灶的具體參數進行觀察且導出，如病灶成分、邊緣、方向、強度等。②SWE：0～4 分，病灶被不同顏色標記著，其中紅、藍兩色，以0分表示，或者三種顏色混合(紅、綠、藍)也代表0分；病灶區域(周圍組織)呈現綠色，以1 分表示；病灶區域主要為藍色、綠色，且以綠色為主，以2分表示；藍綠色，且藍色較多，以3分表示；在藍色覆蓋下的病灶區域，這可診斷為惡性結節，分數多在3分及3分以上。

統計學方法：采用SPSS 22.0 統計軟件，計量資料以(±s)表示，采用t檢驗；計數資料以[n(%)]表示，采用χ2檢驗；以P＜0.05為差異有統計學意義。

結 果

三種檢查方法與病理檢查結果情況分析：87 例患者中，SWE 組惡性結節43 例，智能組惡性結節45例，SWE組惡性結節56例。見表1。

表1 三組患者與病理檢查結果情況分析(n)

三組檢查方式對患者良惡性結節鑒別診斷靈敏度、特異度比較：聯合組檢查方法對患者良惡性結節鑒別診斷的靈敏度與特異度分別為91.80%、92.30%，其均明顯高于SWE 組與智能組，差異有統計學意義(P＜0.05)。見表2。

表2 三組患者的靈敏度、特異度比較(%)

討 論

大部分甲狀腺結節患者在不明確診斷的情況下行手術治療，這不僅不能促進疾病轉歸，反而影響患者健康，增加醫療負擔[5-6]。近年來隨著影像技術的發展，甲狀腺結節的檢出率逐年提高，但是在判斷結節良惡性方面準確率不高，有較多甲狀腺結節患者在無最終定性診斷下進行手術治療，這給患者健康和經濟均帶來較大負擔。為了避免此類不必要的穿刺活檢及手術，2009年，Horvath 等通過前瞻性研究分析1 097例甲狀腺良惡性結節，提出了甲狀腺超聲影像和數據報告系統(TI-RADS)模塊化的分類方法，但較為復雜[7]。2017年ACR 發 布 新 版TI-RADS 分 類。ACR 的TI-RADS 主要依據甲狀腺結節的5 個特征來進行分類：成分、回聲、形態、邊緣、有無強回聲。在這5個特征中不同的表現給予不同的分值，最后加在一起得到的分數，作為TI-RADS 分類的判斷標準。分類越高，惡性風險越大[9]。

SWE 技術可以對檢測部位進行區別，其也能區別受檢器官軟硬程度，對病灶的位置、形狀、病變及大小加以監測分析，但僅僅依靠該技術，無法確保其準確性，原因在于該技術不僅靈敏度較低，特異度也不是非常理想。S-Detect 技術是一種新興的計算機輔助診斷方法，以韓國和Russ TI-RADS 分級、ATA 指南分級為診斷基礎，利用深度學習模型CNN 自動檢測和分析甲狀腺腫瘤內部結構、回聲高低、邊界、方向、形態等信息實現病灶良惡性診斷[10]。S-Detect 技術的應用不僅可以提高診斷準確性和可重復性，還能大大降低超聲醫生的工作壓力，對初學者和臨床醫生有重要的參考價值[11]。但是由于S-Detect 技術分析圖像主要應用于灰階超聲圖像信息，采用縱切面、橫切面兩次分析甲狀腺結節，當判斷結果不一致時[12]，取惡性，且未采納彈性等相關信息，會高估S-Detect技術診斷惡性病例。本研究顯示，聯合組對患者的鑒別診斷價值更高，其對良惡性結節的鑒別診斷的靈敏度為91.80%，診斷特異度為92.30%，與其他兩組相比，聯合組的檢查方式更具優勢。提示S-Detect 技術+SWE 技術在甲狀腺良惡性結節中具有較好的鑒別診斷價值。

綜上所述，S-Detect技術聯合SWE技術在甲狀腺良惡性結節中具有較高的診斷價值，兩者聯合可提高診斷結果的一致性、特異性和靈敏度，能為臨床甲狀腺結節良惡性程度提供較好的診斷依據。