基于三種預測模型的乳腺超聲BI-RADS分類3～5類結節惡性危險分層量化評分研究

陳亞巖 王迎秋 田 苗 廖婷婷 薛淑貞 羅 慧

1.汕頭大學醫學院，廣東汕頭 515000；2.深圳市龍華區婦幼保健院超聲科，廣東深圳 518109；3.深圳市人民醫院超聲科，廣東深圳 518001

乳腺癌為臨床常見惡性腫瘤，具有較高患病率及病死率[1]。《中國女性乳腺癌篩查與早診早治指南（2021，北京）》[2]指出，對于一般風險人群首先推薦單獨使用超聲進行乳腺癌篩查。2013年美國放射學會（American College of Radiology，ACR）第五版乳腺影像報告和數據系統（breast imaging reporting and data system，BI-RADS）加入了新的超聲術語[3]，但該系統未明確提出各亞分類具體劃分原則和建議，因而BI-RADS分類易受到超聲醫師的主觀判斷及經驗影響。本研究旨在探討兼具有效性和特異度、簡單易推廣的乳腺結節量化分類標準。

1 資料與方法

1.1 一般資料

選取2019年1月至2023年2月在深圳市人民醫院及深圳市龍華區婦幼保健院行乳腺超聲檢查并有明確病理結果的患者資料進行回顧性分析。超聲圖像由1名副主任醫師及1名獲得乳腺超聲專項培訓的主治醫師在未知病理結果的情況下對結節進行分析。納入標準：①BI-RADS分類為3～5類的乳腺結節；②超聲圖像清晰，判讀明確的病例；③臨床資料完整。排除標準：①臨床資料缺失、圖像判讀困難的病例；②乳腺炎性疾病及惡性病變的術后再發病例。最終本研究共納入女性患者638例，共計644個結節。由于本研究為回顧性研究，醫學倫理委員會免除倫理審查及患者的知情同意。

1.2 儀器與方法

采用Philips Affiniti50、EPIQ7C超聲診斷儀，線陣探頭頻率為5～12 MHz。

1.3 觀察指標

2名超聲醫師采取盲法判讀圖像，對644個結節參照BI-RADS分類標準進行分類。超聲征象賦值標準如下。①年齡X1：≤42歲，0；＞42歲，1。②部位X2：左側，0；右側，1；雙側，2。③乳腺組織構成X3：均勻，0；不均勻，1。④形狀X4：圓形或橢圓形，0；不規則，1。⑤方位X5：平行，0；不平行，1。⑥邊緣X6：清晰，0；模糊，1；成角或微分葉或毛刺，2。⑦成分X7：囊性，0；實性或混合性，1。⑧回聲X8：無回聲，0；高回聲/等回聲/強回聲，1；囊實混合回聲，2；低回聲，3。⑨回聲質地X9：均勻，0；不均勻，1。⑩鈣化類型X10：無鈣化，0；粗鈣化，1；微鈣化，2。? 后方回聲特征X11：無改變，0；增強，1；混合特征或衰減，2。? 位置X12：內上，0；內下，1；外下，2；外上，3；乳暈區，4。? 聲暈X14：無，0；有，1。? 最大直徑X15：≤22 mm，0；＞22 mm，1。?可疑淋巴結X16：無，0；有，1。? 血流豐富程度X17：無，0；少許，1；豐富，2。

1.4 統計學方法

采用SPSS 20.0統計學軟件進行數據分析，隨機將644個乳腺結節分為訓練組（n=439）和測試組（n=205）[4]。計量資料采用均數±標準差（）表示，采用t檢驗。應用χ2檢驗分析乳腺結節良惡性情況在不同超聲征象之間的差異，進一步采用二元logistic回歸，使用前進逐步似然法，將單因素分析中P＜ 0.1的變量納入多因素分析，基于計數法[5]、權重法[6]、回歸公式法[7]建立預測模型。采用MedCalc 20.0.10軟件繪制受試者工作特征（receiver operating characteristic curve， ROC）曲線并計算曲線下面積（area under curve，AUC），篩選出兼具有效性和特異度的最優模型。利用測試組對最優模型進行驗證。P＜ 0.05為差異有統計學意義。

2 結果

2.1 入組病例情況

入組患者平均年齡（42.95±10.67）歲，乳腺結節惡性率為25.31%（163/644），結節平均最大直徑為（17.49±13.62）mm。訓練組和測試組的平均年齡（t=-0.069，P=0.945）、結節平均最大直徑（t=-1.562，P=0.119）、結 節 的 惡 性 率（χ2=1.798，P=0.407）比較，差異無統計學意義。

2.2 訓練組的乳腺結節超聲特征分析

單因素分析結果顯示，結節的部位、形狀、方位、邊緣、回聲質地、鈣化類型、后方回聲特征、最大直徑、可疑淋巴結、血流情況，這10個超聲特征和患者年齡具有統計學意義（P＜ 0.05）。對上述指標進行logistic回歸分析顯示，年齡＞42歲，形狀不規則、方位不平行、邊緣成角或微分葉或毛刺、微鈣化、后方回聲混合特征或衰減是乳腺結節惡性的危險因素（P＜ 0.05）。

2.3 三種預測模型的診斷價值

基于多因素回歸分析的結果，分別建立基于計數法、權重法和回歸公式法的預測模型，ROC曲線圖見圖1。根據多因素分析結果重新調整賦值：①邊緣X6：完整或模糊，0；成角或微分葉或毛刺，1。②鈣化類型X10：無鈣化或粗鈣化，0；微鈣化：1。③后方回聲特征X11：無改變或增強，0：混合特征或衰減，1。其余超聲征象賦值不變。

圖1 BI-RADS分類系統與三種預測模型的ROC曲線圖

2.3.1 計數法 計算可疑超聲征象及年齡＞42歲的個數。

2.3.2 權 重 法 總 評 分=X1+2×（X5+X11）+3×（X4+X6+X10）。

2.3.3 回歸公式法 調整賦值后重新建立logistic回歸方程，得出惡性乳腺結節的擬合概率為：P=exp（-8.172+1.458×X1+3.476×X4+1.998×X5+2.532×X6+3.195×X10+1.222×X11）/[（1+exp（-8.172+1.458×X1+3.476×X4+1.998×X5+2.532×X6+3.195×X10+1.222×X11）]。

2.3.4 BI-RADS分類系統與三種預測模型診斷效能的比較 BI-RADS分類系統與三種預測模型在訓練組中診斷乳腺結節良惡性的比較結果顯示，三種預測模型的AUC均顯著高于BI-RADS分類系統（P＜ 0.001），見表1。

2.3.5 基于權重法的BI-RADS 訓練組中，基于權重法和回歸公式法的預測模型對良惡性乳腺結節的診斷價值高于計數法（P＜ 0.001）。基于權重法和回歸公式法的預測模型對良惡性乳腺結節的診斷價值差異沒有統計學意義（P=0.526）。因此，考慮臨床應用的簡單實用性，采用權重法建立BIRADS分類。測試組205個各類別結節的惡性構成比見表2，各類別結節的惡性構成比均在BI-RADS的理論范圍內。典型影像見圖2～3。

表2 訓練組和測試組基于權重法的BI-RADS量化評分分類

圖3 非特殊類型浸潤性乳腺癌

3 討論

2020年女性乳腺癌成為全球第一大癌癥[8]。超聲是亞洲女性乳腺病變最常用的檢查方法之一。以往研究表明超聲醫師在判讀乳腺腫塊形態、方位等方面具有較好的一致性，但在判讀乳腺腫塊回聲類型、腫塊邊緣等方面一致性較差[9]。在BI-RADS分類中，3～5類結節的惡性可能性跨度較大[3]，評估其惡性風險較為困難。因此本研究選擇BIRADS 3～5類的乳腺結節為研究對象。各版本超聲BI-RADS均未明確將年齡這一臨床因素納入評估分類標準。研究顯示，患者年齡越高，惡性可能性越大[10-11]。也有研究表明，在臨床工作中應該完全參照BI-RADS分類指南評估乳腺病灶，不應考慮年齡因素[12]。本研究分析結果顯示，年齡＞42歲是可疑惡性特征與我國乳腺超聲專家共識一致[13]。本研究在國內粟世桃等[5]乳腺結節量化評分研究基礎上，建立基于多種方法的量化評分預測模型，經分析，基于權重法的BI-RADS分類量化評分標準更客觀實用，其診斷效能高于傳統BI-RADS分類。表3中BI-RADS分類3，惡性構成比為0，5類的惡性構成比為100%，可能原因如下：①預測模型診斷3類和5類結節的診斷效能高；②由于樣本量相對較少，預測模型僅僅基于439個和205個觀測中進行分析，如進一步檢驗預測模型的診斷效能，需要有更大的樣本量。客觀、規范的影像學乳腺結節危險分層評估，可以為臨床提供更可靠的惡性風險范圍，便于臨床醫生制訂適宜的治療方案，減少不必要的穿刺活檢。

綜上所述，基于權重法建立BI-RADS分類量化評分標準更簡單實用，易于臨床推廣。本研究是回顧性研究，僅納入了乳腺結節的二維及血流征象，彈性成像、造影、容積成像等[14]新技術及家族史等臨床資料[15]未納入研究，未來將進一步增加參數變量，以優化模型。