中國版甲狀腺影像報告和數據系統(C-TIRADS)聯合結節內部及周圍腺體硬度鑒別甲狀腺良、惡性結節

賀亞萍,歐陽向柳,鄭立春,夏永麗,韓澤朝,王慶文*

(1.唐山市工人醫院超聲醫學科,2.核醫學科,河北 唐山 063000)

甲狀腺結節發病率逐年升高[1]。超聲是評估甲狀腺良、惡性結節的主要影像學方法之一。甲狀腺影像報告和數據系統(thyroid imaging reporting and data system, TIRADS)[2]的產生規范了甲狀腺結節超聲報告中的描述;隨后我國專家制定了適應中國臨床實際的中國版TIRADS(Chinese-TIRADS, C-TIRADS)[3]。臨床上部分微小甲狀腺癌因缺乏典型超聲征象而易致漏診、誤診[4]。利用超聲剪切波彈性成像(shear wave elastography, SWE)技術可評估甲狀腺結節硬度,對鑒別診斷甲狀腺良、惡性結節具有較好效能[5-6];有學者[5]提出甲狀腺結節周圍腺體硬度對于鑒別其良惡性較具價值。本研究評估C-TIRADS聯合結節及其周圍腺體硬度對鑒別甲狀腺良、惡性結節的價值。

1 資料與方法

1.1 研究對象 回顧性收集2021年1月—2022年12月于唐山市工人醫院接受常規超聲及SWE檢查的117例甲狀腺結節患者,男37例、女80例,年齡29～73歲、平均(48.8±12.6)歲;74例為甲狀腺單發、43例為多發結節,對存在多發結節者選取可疑惡性程度高或直徑最大結節進行分析。納入標準:①經細針抽吸細胞學檢查(fine-needle aspiration cytology, FNAC)和/或手術病理診斷為甲狀腺良性或惡性結節;②甲狀腺結節周圍腺體支持測量楊氏模量值。排除標準:①曾接受甲狀腺手術或其他相關治療;②超聲資料不完整或圖像質量差。本研究經院醫學倫理委員會批準(GRYY-LL-KJ2022-061),檢查前患者均簽署知情同意書。

1.2 儀器與方法 采用Mindray Resona 8EXP型彩色多普勒超聲診斷儀、頻率5～14 MHz L14-5WU探頭及配備的實時SWE技術和Eshell分析工具進行甲狀腺檢查。囑患者仰臥,充分暴露頸部,先行常規超聲檢查,按照C-TIRADS指南記錄甲狀腺結節的超聲特征;將探頭置于甲狀腺縱切面,啟動彈性成像模式,調節ROI大小及位置,使之包含結節及至少5 mm周圍腺體組織且結節位于ROI中心,啟動質控圖,囑患者屏住呼吸,待彈性圖像穩定后激發圖像并凍結;以描跡法分別勾勒甲狀腺結節及周圍2 mm腺體的輪廓,測量其SWE參數,包括甲狀腺結節(E)及其周圍腺體(Eshell)的楊氏模量值[含最大值(Emax/Eshellmax)、平均值(Emean/Eshellmean)、最小值(Emin/Eshellmin)及標準差(ESD/EshellSD)]。

1.3 評估C-TIRADS分類 由分別具有5年及10年工作經驗的超聲科主治及副主任醫師各1名分別判讀超聲圖像,根據C-TIRADS標準,甲狀腺可疑惡性結節的超聲表現包括實性結節、極低回聲、微鈣化、垂直位及邊緣模糊、邊緣不規則或甲狀腺外侵犯(每項計1分),發現良性特征(彗星尾偽像)時減去1分;根據總得分判斷結節C-TIRADS分類:-1分為2類(良性,惡性率為0),0分為3類(良性可能,惡性率<2%),1分為4a類(低度可疑惡性,惡性率為2%～10%),2分為4b類(中度可疑惡性,惡性率為10%～50%),3或4分為4c類(高度可疑惡性,惡性率為50%～90%),5分為5類(高度惡性,>90%)。2名醫師意見不一致時,提請另1名具有15年以上超聲診斷經驗的主任醫師進行最終判斷。

1.4 C-TIRADS聯合SWE診斷標準 根據SWE值對C-TIRADS 4a、4b及4c類甲狀腺結節進行升級或降級,即SWE值≥截斷值時對C-TIRADS分類升級,反之則降級,而遇C-TIRADS分類為良性、良性可能或高度惡性結節時(即C-TIRADS 2、3及5類)維持原分類結果[6]。

1.5 統計學分析 采用SPSS 20.0和MedCalc 15.2.2統計分析軟件。以±s表示符合正態分布的計量資料,行獨立樣本t檢驗;以中位數(上下四分位數)表示非正態分布者,行Mann-WhitneyU檢驗。采用χ2檢驗比較計數資料。繪制受試者工作特征(receiver operating characteristic, ROC)曲線,計算曲線下面積(area under the curve, AUC),評估C-TIRADS、SWE參數及二者聯合鑒別甲狀腺良、惡性結節的效能,并以Z檢驗比較AUC的差異。P<0.05為差異有統計學意義。

2 結果

共納入 117例、117個甲狀腺結節,直徑5.1～20.7 mm、平均(9.24±3.61)mm;良性結節50個經FNAC或手術病理證實,惡性結節67個均經FNAC或手術病理證實為甲狀腺乳頭狀癌。

2.1 C-TIRADS和SWE的診斷效能 C-TIRADS鑒別甲狀腺良、惡性結節的AUC為0.736;以C-TIRADS 4c類為最佳截斷值,其診斷敏感度為79.10%、特異度為68.00%、準確率為74.36%。

惡性結節各SWE參數均高于良性結節(P均<0.001,表1)。Emax、Emean、Emin及ESD的AUC分別為0.816、0.752、0.664及0.705,以Emax的AUC最高;Eshellmax、Eshellmean、Eshellmin及EshellSD的AUC分別為0.834、0.804、0.693及0.697,以Eshellmax的AUC最高而與Emax差異無統計學意義(Z=1.044,P=0.297)。見表2。

表1 甲狀腺良、惡性結節SWE參數比較(kPa)

表2 SWE參數鑒別甲狀腺良、惡性結節的效能

2.2 C-TIRADS聯合SWE的診斷效能 分別以Emax及Eshellmax的截斷值聯合C-TIRADS進行診斷。

C-TIRADS+Emax和C-TIRADS+Eshellmax的AUC分別為0.835和0.843,二者差異無統計學意義(Z=0.574,P=0.566)而均高于C-TIRADS(AUC=0.736,Z=2.510、2.230,P均<0.05),其診斷特異度及準確率亦均高于C-TIRADS(P均<0.05)。見表3及圖1～3。

圖1 C-TIRADS及其聯合Emax或Eshellmax鑒別甲狀腺良、惡性結節的ROC曲線

圖2 患者女,70歲,甲狀腺乳頭狀癌 A.常規超聲聲像圖示甲狀腺右葉1.52 cm×0.95 cm實性低回聲結節,內見微鈣化(箭),C-TIRADS分類為4b,歸為良性結節; B.超聲彈性圖示該結節Emax為56.67 kPa,Eshellmax為61.84 kPa,均>截斷值,C-TIRADS聯合Emax或Eshellmax后均升級為C-TIRADS 4c,歸為惡性結節

圖3 患者女,35歲,甲狀腺良性結節 A.常規超聲聲像圖示甲狀腺右葉0.84 cm×0.54 cm實性低回聲結節,邊緣不清,內見微鈣化(箭),C-TIRADS分類為4c,歸為惡性結節; B.超聲彈性圖示該結節Emax為33.64 kPa,Eshellmax為41.69 kPa,均<截斷值,C-TIRADS聯合Emax或Eshellmax后均降級為C-TIRADS 4b,歸為良性結節

表3 C-TIRADS與其聯合SWE的診斷效能比較

3 討論

目前臨床存在多種不同版本的TIRADS,尤以美國放射學會TIRADS[7]應用較為廣泛;該指南基于超聲所見甲狀腺結節多種惡性特征進行賦分并計算積分,過程甚為煩瑣。而C-TIRADS采取計數分類法,只需對所涉及的6個超聲特征進行積分加減計算,即“五加一減”,應用便捷,有助于提高臨床工作效率[3]。本研究以C-TIRADS鑒別甲狀腺良、惡性結節的AUC為0.736,其最佳截斷值為C-TIRADS 4c類,與部分既往文獻[8-9]報道相符,但與蔡雪珍等[10]的結果不一致,可能與樣本不同及醫師閱圖過程中存在主觀性有關。

甲狀腺良、惡性結節的部分超聲表現存在重疊,使得TIRADS診斷結果存在一定假陽性率及假陰性率。SWE重復性較好,受操作者影響較小。既往研究[8,11]以SWE評估甲狀腺結節內部硬度,認為其鑒別甲狀腺良、惡性結節的效能良好。但甲狀腺惡性結節周圍腺體硬度具有與乳腺癌“硬環征”相似的特征,原因可能在于甲狀腺惡性腫瘤可刺激其周圍組織纖維細胞增殖[12]。本研究針對甲狀腺結節內部及周圍2 mm腺體進行硬度評估,結果顯示甲狀腺惡性結節及其周圍腺體的SWE參數均高于良性結節,與既往研究[13]結果相符;4個平行SWE參數中,以Emax和Eshellmax鑒別甲狀腺良、惡性結節的AUC最高,分別達0.816及0.834,與HE等[14]的類似;Emax與Eshellmax之間AUC差異無統計學意義,表明甲狀腺結節及其周圍2 mm腺體硬度均對鑒別良、惡性結節具有重要價值,且其診斷效能相當。本研究分別根據以Emax和Eshellmax的最佳截斷值聯合C-TIRADS進行診斷,其特異度、準確率及AUC均較單獨應用C-TIRADS有所提高,提示通過聯合甲狀腺結節內部及其周圍腺體硬度可修正C-TIRDAS分類而提高診斷效能,為臨床決策提供更為精準的指導。

綜上所述,C-TIRADS聯合甲狀腺結節及其周圍腺體硬度能有效鑒別甲狀腺良、惡性結節,提高C-TIRDAS診斷效能。但本研究為單中心回顧性分析,樣本量較小,惡性結節病理類型單一,且僅針對結節周圍2 mm評估Eshell,有待擴大樣本量后通過多中心前瞻性研究進一步完善。

利益沖突:全體作者聲明無利益沖突。

作者貢獻:賀亞萍研究實施、查閱文獻、撰寫文章;歐陽向柳研究實施、數據分析、經費支持;鄭立春圖像處理、統計分析;夏永麗和韓澤朝數據分析;王慶文研究設計、審閱及修改文章、指導。