人工智能超聲對乳腺癌早期診斷及預后評估的價值分析

淦鳳萍，肖雪花，胡美娟

九江學院附屬醫院超聲科，江西 九江 332000

乳腺癌主要是乳腺上皮細胞在多種致癌因素影響下發生癌變，從而無限增殖引起的，早期常表現為乳房腫塊、乳頭溢液等癥狀，晚期則表現為腫瘤細胞向遠處轉移和浸潤[1]。乳腺癌病因較復雜，且危險因素難以控制，難以做到乳腺癌的一級預防，臨床目前主要以二級預防為主。提高乳腺癌早期診斷準確性對于疾病的二級預防意義重大，常規超聲檢查由于其無創、無輻射等優勢是臨床影像學診斷的重要部分，但對于操作的要求較高、依賴性較強，極容易出現漏診及誤診[2]。近年來，人工智能技術在臨床醫學中高速發展，人工智能與超聲結合具有較好的應用前景。本研究探討人工智能超聲對乳腺癌早期診斷以及預后評估的可行性及價值，為提高臨床乳腺超聲診斷率提供參考，現報道如下。

1 資料與方法

1.1 一般資料

收集2019年1月至2021年5月在九江學院附屬醫院檢查的疑似早期乳腺癌患者的病歷資料。納入標準：女性；出現乳腺腫塊或乳頭溢液等疑似乳腺癌癥狀；影像學和組織病理學資料完整。排除標準：合并其他惡性腫瘤；合并嚴重臟器功能障礙；存在精神障礙。根據納入、排除標準，共納入310例疑似早期乳腺癌患者，年齡29～69歲，平均（46.58±9.47）歲；病理結果：惡性病變88例，良性病變222例。本研究經醫院倫理委員會批準通過，所有患者均知情同意并簽署知情同意書。

1.2 檢查方法

超聲檢查分別由兩名副高職稱的超聲醫師進行，兩名醫師互不清楚對方診斷結果。彩色多普勒超聲檢查：采用邁瑞Resona I9高端彩色多普勒超聲診斷儀，不運行Smart Breast智能系統，患者取仰臥位，充分暴露乳房和雙側腋窩，操作者手持探頭，以乳頭為中心，對周圍乳腺、引流淋巴結等進行橫、縱、斜等多方位檢查，尋找腫塊病灶區域，觀察腫塊附近的血流信號，明確腋窩淋巴結是否異常，結合圖像特征中腫塊的形態、大小、邊界、包膜、回聲和鈣化情況進行診斷。同時根據具體情況調節儀器參數，使圖片更加清晰、層次分明。

人工智能超聲檢查：采用裝載了Smart Breast智能系統的邁瑞Resona I9高端彩色多普勒超聲診斷儀進行檢查，首先超聲醫師手動進行常規超聲檢查（操作同彩色多普勒超聲檢查），運行Smart Breast系統，系統對腫塊病灶區域可以快速識別并進行定位。找到病灶區域后，手動重復性地對腫塊區域進行多方位動靜態超聲圖像采集（圖像的采集標準：初步調整儀器參數，保證圖像質量，如乳腺脂肪通常表現為中水平灰階、遠場深度剛好顯示胸膜即可，超聲醫師可以根據具體情況進行局部聚焦觀察等），采集完畢后系統進行腫塊感興趣區的自動繪制（超聲醫師若發現異常可對自動繪制的感興趣區進行實際調整），并基于乳腺影像報告和數據系統（breast imaging reporting and data system，BI-RADS）進行全自動分析，提取腫塊的形態、大小、邊界、回聲、血流頻譜等特征數據，隨后系統輸出腫塊的影像特征和診斷結果并與對應病灶進行關聯，醫師可以根據患者情況添加多個病灶，最后醫師確認無誤后輸出影像診斷報告。

1.3 觀察指標

記錄兩種檢查方法的結果并比較人工智能超聲與彩色多普勒超聲對早期乳腺癌的診斷價值。對比術后復發組和未復發組患者治療前后的超聲表現。

1.4 評價標準

惡性腫瘤[3]：①腫塊表面凹凸不平，形狀不規則，邊界模糊不清且不見包膜，表現為浸潤性生長；②回聲不均勻，內部出現點狀強回聲；③淋巴結區域血流異常，縱橫直徑比不小于0.7。BI-RADS分級標準[4]：0級，具有明顯體征但超聲無明顯異常，需要結合其他影像學進一步評估；1級，無明顯乳腺癌體征，超聲圖像正常；2級，良性病變，經過多次復查圖像基本可以排除惡性腫瘤；3級，可能屬于良性病變，惡性腫瘤概率小于2%，需短期多次復查；4級，可能屬于惡性病變，需要進行病理學診斷確認；5級，高度可能為惡性病變，需積極采取適當的診斷及對癥處理。

1.5 統計學方法

采用SPSS 22.0軟件進行統計分析，計量資料以均數±標準差（）表示，組間比較采用t檢驗；計數資料以例數及率（%）表示，組間比較采用χ2檢驗；采用Kappa檢驗進行一致性分析，Kappa值≥0.40表明二者具有一致性，Kappa值越高一致性越高，Kappa值﹥0.75表明二者高度一致；以P﹤0.05為差異有統計學意義。

2 結果

2.1 診斷價值的比較

310例疑似乳腺癌患者經過病理學檢查，陽性88例，陰性222例。彩色多普勒超聲檢查診斷乳腺癌的靈敏度、特異度、準確度分別為84.09%、70.72%、74.52%。人工智能超聲檢查診斷乳腺癌的靈敏度、特異度、準確度分別為86.36%、79.28%、81.29%。彩色多普勒超聲和人工智能超聲診斷乳腺癌與病理結果的一致性均一般（0.40﹤Kappa值﹤0.75），但人工智能超聲診斷乳腺癌與病理結果的一致性更高。（表1、表2）

表1 彩色多普勒超聲與人工智能超聲診斷乳腺癌與病理結果的對照

表2 彩色多普勒超聲與人工智能超聲對乳腺癌的診斷效能

2.2 超聲影像學特征

兩種超聲影像結果顯示，早期乳腺癌患者大多表現為以下特征：①腫塊邊界不清晰，呈鋸齒狀或蟹足狀；②內部回聲不均勻，表現為低回聲；③縱橫直徑比大于1；④沙粒樣等微鈣化；⑤血流豐富，明顯呈現高速高阻頻譜；⑥皮膚凹陷、組織增厚水腫。從腫塊形態來看，大部分惡性病變患者均可見邊界不清晰的腫塊，形態不規則，邊緣不光整，主要表現為呈角、毛刺狀。從聲波模式來看，惡性病變主要表現為不均勻回聲，部分患者還有沙粒樣、弧形等微鈣化。從血流形態來看，惡性病變區域血流信號明顯增加，一般呈無規律性走向且血流阻力指數﹥0.7。良性病變患者大多表現出典型的良性超聲特征，腫塊包膜、聲暈等界限清晰可見，形狀規則，血流較少，也有部分良性病變患者出現了不規則、邊界不清晰腫塊以及血流阻力指數﹥0.7等表現，但多為0～Ⅰ級信號。

2.3 超聲表現的比較

88例乳腺癌患者均進行手術治療，根據預后復發情況分為復發組（n=10）和未復發組（n=78）。治療后，復發組和未復發組患者超聲表現中組織厚度、回聲和血流形態比較，差異均有統計學意義（χ2=38.512、52.258、24.674，P﹤0.01）。（表3）

表3 治療前后復發組與未復發組患者的超聲表現

3 討論

乳腺癌是威脅女性生命健康的頭號殺手，近年來中國乳腺癌發病率呈逐年升高的趨勢，提高其臨床診斷率具有重要意義。隨著科學技術的發展，計算機輔助診斷得到廣泛應用，其是指將影像學等醫學圖像要素、特征進行提取、處理，通過結合感興趣區，進行分類識別和疾病診斷，輔助臨床醫師更精準地對疾病進行診斷[5]。

醫學影像學是臨床醫學領域的一個重要組成部分，人工智能相關技術系統在其領域內的應用已成為臨床研究熱點，人工智能技術已經在腫瘤影像學診斷中取得了良好的臨床效果[6]。本研究結果顯示，310例疑似乳腺癌患者經過病理學檢查，陽性88例；彩色多普勒超聲檢查，陽性139例，真陽性74例；人工智能超聲檢查，陽性122例，真陽性76例。同時Kappa一致性分析顯示，人工智能超聲診斷結果與病理結果一致性更高。人工智能超聲的特異度、準確度均明顯高于彩色多普勒超聲。這提示人工智能超聲明顯提高了準確度，有利于提高早期乳腺癌臨床診斷的準確性，與相關研究結果類似[7-8]。分析其原因，人工智能超聲可以有效縮短醫師對超聲圖像特征的識別時間，在不影響診斷靈敏度的情況下提高特異度。Xu等[9]研究采用自動乳腺全容積掃描成像系統，在人工智能輔助軟件的幫助下有效減少閱片時間，提高了診斷的準確度。由于手動超聲檢查對超聲醫師有較大的依賴性，診斷結果容易受其工作年限、臨床經驗、操作手法等客觀因素的影響，從而出現漏診及誤診。而人工智能系統自動提取并分析超聲圖像特征，不被客觀因素影響。本研究結果顯示，復發組和未復發組患者超聲表現中組織厚度、回聲和血流形態比較，差異均有統計學意義，絕大多數復發組患者出現組織厚度異常、回聲異常、血流形態異常。這提示通過病灶周圍組織厚度以及血流形態對乳腺癌患者進行預后評估是可行的，腫瘤細胞生長增殖后極易侵犯周圍局部組織從而導致患者出現多種體征，當浸潤在腺體和皮膚之間則引起酒窩狀；浸潤在淋巴管中，則引起淋巴管堵塞，出現橘皮征；這些異常皮膚體征引起正常解剖層次的改變，導致超聲回聲與周圍正常組織不同，主要表現為低回聲。同時腫瘤細胞的快速生長增殖需要大量的營養物質和氧氣供應，因此其周圍血流形態會受到影響。相關研究表明，乳腺癌患者超聲影像特征越多越明顯，其腫瘤異質性越強，復發風險越高[10]。超聲檢查可以及時發現這些微小癥狀，從而對預后進行評估。

綜上所述，人工智能超聲可以提高臨床超聲醫師的診斷準確度，減少漏診及誤診的發生，同時對于預后復發的評估具有較高的可行性，值得臨床推廣。但是本研究中部分良性病變患者也存在邊界不規則和不清晰腫塊，以及血流阻力指數﹥0.7等表現，超聲診斷仍存在一定局限性，人工智能系統仍需進一步經過大數據訓練，加強對不典型特征的辨識分析能力，進一步改進。