乳腺AI與鉬靶在乳腺結(jié)節(jié)定性診斷及術(shù)前指導(dǎo)中的應(yīng)用價值

【摘要】 目的：觀察乳腺人工智能（AI）與鉬靶在乳腺結(jié)節(jié)定性診斷及術(shù)前指導(dǎo)中的應(yīng)用價值。方法：選取2019年1月—2023年6月萍鄉(xiāng)市人民醫(yī)院收治的乳腺結(jié)節(jié)患者164例，對所有患者行乳腺AI檢查及乳腺鉬靶檢查，以病理診斷結(jié)果為金標準，比較乳腺AI、鉬靶及兩者聯(lián)合對乳腺結(jié)節(jié)定性診斷及術(shù)前指導(dǎo)的價值。結(jié)果：164例患者中，經(jīng)手術(shù)病理結(jié)果發(fā)現(xiàn)174個乳腺結(jié)節(jié)，共136個良性病變（纖維腺瘤54例，乳腺病26例，肉芽腫性小葉性乳腺炎52例，單純性囊腫4例），38個惡性病變（浸潤性導(dǎo)管癌14例，乳頭狀癌12例，導(dǎo)管原位癌12例）。乳腺AI檢查定性診斷乳腺結(jié)節(jié)的敏感度、特異度及準確性分別為73.68%、91.17%及87.36%；乳腺鉬靶檢查為57.89%、85.29%及79.31%；兩者聯(lián)合敏感度及準確性分別為89.47%、91.95%，均顯著高于單獨診斷，差異均有統(tǒng)計學(xué)意義（P<0.05）。結(jié)論：乳腺AI聯(lián)合鉬靶檢測能顯著提高乳腺結(jié)節(jié)定性診斷效能，對于乳腺結(jié)節(jié)術(shù)前評估價值較高。

【關(guān)鍵詞】 乳腺AI 乳腺鉬靶 乳腺結(jié)節(jié) 定性診斷 術(shù)前指導(dǎo)

The Application Value of Breast AI and Molybdenum Target in Qualitative Diagnosis and Preoperative Guidance of Breast Nodules/LI Qi， LI Fengzhang， LIU Tianxiao. //Medical Innovation of China， 2024， 21（24）： -142

[Abstract] Objective： To observe the application value of breast artificial intelligence （AI） and mammography in qualitative diagnosis and preoperative guidance of breast nodules. Method： A total of 164 patients with breast nodules admitted to Pingxiang People's Hospital from January 2019 to June 2023 were selected， and all patients underwent breast AI and mammography. The pathological diagnosis results were used as the gold standard. The value of breast AI， mammography and their combination in qualitative diagnosis and preoperative guidance of breast nodules were compared. Result： Among 164 patients， 174 breast nodules were found through surgical pathology， with a total of 136 benign lesions （54 fibroadenomas， 26 breast diseases， 52 granulomatous lobular mastitis and 4 simple cysts） and 38 malignant lesions （14 invasive ductal carcinoma， 12 papillary carcinoma and 12 ductal carcinoma in situ）. The sensitivity， specificity and accuracy of qualitative diagnosis of breast nodules using breast AI examination were 73.68%， 91.17% and 87.36%， respectively; those of breast molybdenum target examination was 57.89%， 85.29% and 79.31%; the combined sensitivity and accuracy of the two methods were 89.47% and 91.95%， respectively， which were significantly higher than those of individual diagnosis， the differences were statistically significant （P<0.05）. Conclusion： Breast AI combined with mammography can significantly improve the qualitative diagnostic efficiency of breast nodules， and has high value in preoperative evaluation of breast nodules.

[Key words] Breast AI Mammography Breast nodule Qualitative diagnosis Preoperative guidance

First-author's address： Department of Imaging， Pingxiang People's Hospital， Pingxiang 337000， China

doi：10.3969/j.issn.1674-4985.2024.24.031

乳腺結(jié)節(jié)作為一種常見的乳腺疾病，近年來成為威脅女性生命安全的危險因素之一，其發(fā)病率呈現(xiàn)逐年上升的趨勢[1-2]。乳腺結(jié)節(jié)常見于乳腺腫瘤與乳腺增生，其中乳腺腫瘤有良性與惡性之分，兩者之間的預(yù)后水平差異較大，因此選擇合理高效的定性診斷措施對提高乳腺結(jié)節(jié)患者的臨床療效及預(yù)后水平意義重大[3-4]。目前臨床上常使用超聲、乳腺鉬靶、磁共振成像（MRI）等影像學(xué)檢查手段對乳腺結(jié)節(jié)患者進行診斷，具有方便快捷、操作簡單等優(yōu)點，但不同檢查方法之間的診斷效能存在差異[5-6]。乳腺鉬靶檢查常用于乳腺癌早期篩查過程中，對于篩查乳腺癌的準確性較高[7]，但讀圖診斷結(jié)果較大程度依賴于醫(yī)師的主觀經(jīng)驗。乳腺人工智能（artificial intelligence，AI）作為一種新興的檢測方法，具有快速識別、精準判斷及自動分析并生成診斷報告等優(yōu)勢而備受關(guān)注，既往研究表明乳腺AI檢測對于診斷乳腺結(jié)節(jié)、甲狀腺結(jié)節(jié)等定性診斷中臨床應(yīng)用價值較高[8-9]。本研究通過比較乳腺AI與乳腺鉬靶兩種檢查方式的乳腺結(jié)節(jié)定性診斷效能，探究其對乳腺結(jié)節(jié)定性診斷及術(shù)前指導(dǎo)中的應(yīng)用價值，為臨床診斷提供科學(xué)依據(jù)，現(xiàn)報道如下。

1 資料與方法

1.1 一般資料

選擇2019年1月—2023年6月萍鄉(xiāng)市人民醫(yī)院收治的乳腺結(jié)節(jié)女性患者164例，其中年齡24～59歲，平均（42.74±9.33）歲，病程1～36個月，平均（22.71±5.10）個月，病灶直徑2.9～82.4 mm，平均（12.96±7.31）mm。（1）納入標準：①經(jīng)臨床觸診發(fā)現(xiàn)乳腺腫塊，并經(jīng)超聲檢查發(fā)現(xiàn)乳腺結(jié)節(jié)；②均接受手術(shù)切除病灶，并確定具體的病理類型；③未接受其他結(jié)節(jié)治療方案；④對本研究方案充分了解后簽署相關(guān)同意書。（2）排除標準：①臨床資料不完善；②乳腺AI未能識別病灶；③伴有精神疾病，配合度較差；④具有手術(shù)禁忌證。本研究經(jīng)萍鄉(xiāng)市人民醫(yī)院醫(yī)學(xué)倫理委員會批準，患者及患者家屬知情同意本研究。

1.2 方法

1.2.1 乳腺AI檢查方法 患者在檢查時取仰臥位，對患者的乳腺部位進行全方位掃描后，記錄患者乳腺結(jié)節(jié)的大小、位置及邊界、形態(tài)等情況，將得到的病灶靜態(tài)圖傳輸至乳腺AI檢測系統(tǒng)，經(jīng)過預(yù)處理、建模及后處理三個步驟。首先是通過腺體分割的預(yù)處理后得到所需的腺體區(qū)域，經(jīng)過特定的復(fù)合網(wǎng)絡(luò)對圖像相關(guān)的特征信息進行有效捕捉，在提取的特征圖上使用定錨點的方法獲取相應(yīng)的檢出框，檢出患者乳腺部位的腫塊、結(jié)構(gòu)異常及不對稱等，最后通過后處理程序?qū)σ赶铝馨徒Y(jié)等的誤判進行剔除。得到AI自動檢測分析的病灶評級，通過歸一化方法得到該結(jié)節(jié)屬于乳腺影像報告和數(shù)據(jù)系統(tǒng)分類（breast imaging reporting and data system，BI-RADS）中的某一類別，其中0類為評估結(jié)果不完整，需要與其他檢查結(jié)果結(jié)合判斷；1類為結(jié)果未見異常；2類為良性病變，需進行定期隨訪；3類為良性病變可能；4a類為10%以下的惡性病變可能；4b類為10%～50%的惡性病變可能；4c類為>50%～95%的惡性病變可能；5類為95%以上的惡性病變可能[10]。≤3類歸為良性，4類及以上為惡性。

1.2.2 乳腺鉬靶檢查方法 采用SN-DR3數(shù)字乳腺X射線系統(tǒng)（上海聚慕醫(yī)療器械有限公司）對患者的雙側(cè)乳腺行頭足軸位檢查，選擇模式為自動曝光，根據(jù)不同患者的年齡及乳腺發(fā)育的實際情況，設(shè)定相應(yīng)的曝光條件，電壓為22～49 kVp，電流為50 mA。根據(jù)圖像顯示結(jié)果對患者的乳腺結(jié)節(jié)情況進行分析。良性：腫塊形態(tài)規(guī)則，邊界清晰；腫塊密度均勻，無鈣化灶；周圍組織結(jié)構(gòu)清晰，無浸潤性改變。惡性征象：腫塊形態(tài)不規(guī)則，邊界模糊；腫塊密度不均，有粗大顆粒狀鈣化灶；周圍組織結(jié)構(gòu)紊亂，可見浸潤性改變。分別由兩位具有豐富診斷經(jīng)驗的閱片醫(yī)師獨立進行閱片，當兩者診斷的結(jié)果不一致時，由兩位醫(yī)師進行討論并確定最終的診斷結(jié)果。

1.2.3 診斷標準 通過手術(shù)的病理結(jié)果確定患者乳腺結(jié)節(jié)類別。聯(lián)合診斷良性與惡性判斷標準：乳腺AI檢查與乳腺鉬靶檢查任意一項為惡性，判斷為惡性，兩者均為良性，判斷為良性。

1.3 統(tǒng)計學(xué)處理

選擇SPSS 18.0軟件對數(shù)據(jù)進行分析，計數(shù)資料用百分比表示，采用字2檢驗。P<0.05表示差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 診斷結(jié)果

164例患者中，經(jīng)手術(shù)病理結(jié)果發(fā)現(xiàn)174個乳腺結(jié)節(jié)，結(jié)節(jié)位于右乳84個，左乳90個。其中136個良性病變（纖維腺瘤54例，乳腺病26例，肉芽腫性小葉性乳腺炎52例，單純性囊腫4例），38個惡性病變（浸潤性導(dǎo)管癌14例，乳頭狀癌12例，導(dǎo)管原位癌12例）。

2.2 乳腺AI、鉬靶及兩者聯(lián)合檢查結(jié)果

通過乳腺AI檢查確診的40個惡性結(jié)節(jié)中，確診為惡性結(jié)節(jié)的有28個，確診率為70.00%，另外12例良性結(jié)節(jié)，經(jīng)病理檢查結(jié)果診斷為纖維腺瘤。確診為良性的134個結(jié)節(jié)中，經(jīng)病理檢查確診為良性的有124個，確診率為92.54%。通過乳腺鉬靶檢查確診的42個惡性結(jié)節(jié)中，確診為惡性結(jié)節(jié)的有22個，確診率為52.38%，另外20個良性結(jié)節(jié)，經(jīng)病理檢查結(jié)果診斷為肉芽腫性小葉性乳腺炎。確診為良性的132個結(jié)節(jié)中，經(jīng)病理檢查確診為良性的有116個，確診率為87.88%。通過乳腺AI聯(lián)合乳腺鉬靶檢查確診的44個惡性結(jié)節(jié)中，確診為惡性結(jié)節(jié)的有34個，確診率為77.27%。確診為良性的130個結(jié)節(jié)中，經(jīng)病理檢查確診為良性的有126個，確診率為96.92%。乳腺AI、鉬靶兩者聯(lián)合檢查的敏感度及準確性均顯著高于單一檢查組（P<0.05）。見表1、表2、表3、表4。

3 討論

近年來我國乳腺結(jié)節(jié)等疾病的發(fā)病率逐年上升，盡早進行合理定性診斷對于手術(shù)方案的選擇及提高患者的預(yù)后水平意義重大。乳腺鉬靶檢查能夠通過對患者的乳腺整體進行成像，從而降低了人為漏診率，另外由于乳腺鉬靶檢查對于1 cm以下的微小病灶識別的敏感性較高，能夠有效檢出早期惡性病變[11]。但有研究結(jié)果表明，乳腺鉬靶檢查伴有一定的電離輻射，患者接受度不高，且在檢測乳腺結(jié)節(jié)邊緣部位存在盲區(qū)，因此其應(yīng)用存在局限[12]。隨著醫(yī)學(xué)領(lǐng)域的不斷發(fā)展，AI技術(shù)在乳腺診斷方面?zhèn)涫荜P(guān)注。乳腺AI檢查能夠全方位對患者的乳腺病灶成像進行分類及識別，能進一步對乳腺癌進行診斷及評估預(yù)后水平[13]。既往研究表明，乳腺AI聯(lián)合超聲檢查對乳腺腫瘤良性與惡性診斷的準確率高達92%及以上，同時敏感度與特異度均超過90%，并大大縮短了檢查時間[14]。

本研究結(jié)果顯示，乳腺AI檢查定性診斷乳腺結(jié)節(jié)的敏感度、特異度及準確性分別為73.68%、91.17%及87.36%。乳腺AI技術(shù)能夠通過系統(tǒng)的深入分析，能夠高效準確地提取患者乳腺病灶處的結(jié)節(jié)形態(tài)特征，例如微小毛刺及微鈣化等，可以準確獲取患者病灶相關(guān)信息并進行傳輸。高思琦等[15]的研究結(jié)果顯示，乳腺AI在對乳腺良惡性病灶進行診斷時的特異度較高，本研究結(jié)果與之具有一致性。但是乳腺AI檢查仍會造成一些假良性與假惡性的診斷結(jié)果，本研究結(jié)果顯示12個經(jīng)乳腺AI檢查確診為惡性的結(jié)節(jié)，經(jīng)病理檢查結(jié)果診斷為纖維腺瘤，干擾了診斷結(jié)果。主要原因在于纖維腺瘤的靜態(tài)圖像與乳腺癌類似，從而導(dǎo)致AI分析時出現(xiàn)誤判現(xiàn)象。乳腺鉬靶檢查定性診斷乳腺結(jié)節(jié)的敏感度、特異度及準確性分別為57.89%、85.29%及79.31%。已有相關(guān)文獻[16]報道乳腺鉬靶檢查4a期病灶時，均表現(xiàn)出邊緣模糊、病灶組織呈現(xiàn)高密度影像，且腫瘤邊緣部位呈現(xiàn)毛刺影或放射狀影，同時也能較好體現(xiàn)腫瘤組織侵襲生長的狀態(tài)，使得乳腺鉬靶檢查的準確性與特異度較高[17-18]。本研究中乳腺鉬靶檢查存在較多的假良性與假惡性，提示乳腺鉬靶檢查與乳腺AI檢查聯(lián)合使用可提高診斷的準確性。另外本研究顯示乳腺AI聯(lián)合乳腺鉬靶定性診斷乳腺結(jié)節(jié)的敏感度及準確性分別為89.47%、91.95%，均顯著高于單一檢測方法，說明乳腺AI聯(lián)合鉬靶檢測能顯著提高乳腺結(jié)節(jié)定性診斷效能。主要原因在于乳腺AI與乳腺鉬靶聯(lián)合使用時，可提高檢查結(jié)果的客觀性及敏感度，兩者互為補充，發(fā)揮協(xié)同作用，共同提高了良惡性結(jié)節(jié)的檢出準確率。

BI-RADS分級中，通常4類及以上考慮惡性的可能性較大，往往需要建議患者做活檢手術(shù)明確結(jié)節(jié)最終性質(zhì)，并指導(dǎo)后續(xù)是否需要進一步手術(shù)治療[19-20]。乳腺AI聯(lián)合乳腺鉬靶檢查能夠更加直觀、清晰地對患者的乳腺病灶進行觀察，避免漏診及誤診等情況的發(fā)生，因此建議臨床聯(lián)合使用兩種檢查方法，根據(jù)檢查結(jié)果及時給予針對性處理策略，采取合適的治療方案，以提高患者的預(yù)后水平。本研究局限性在于樣本量較少，今后的研究可進一步擴大樣本量對聯(lián)合診斷效能進行驗證。

綜上所述，乳腺AI聯(lián)合鉬靶檢測能顯著提高乳腺結(jié)節(jié)定性診斷效能，對于乳腺結(jié)節(jié)術(shù)前評估價值較高。

參考文獻

[1]陳光玉，金永紅.乳腺結(jié)節(jié)的超聲聲像圖表現(xiàn)與病理結(jié)果的對比分析[J].中國CT和MRI雜志，2020，18（6）：85-88.

[2]郭飛，高靚，楊濤，等.分散型乳腺結(jié)節(jié)應(yīng)用麥默通微創(chuàng)旋切術(shù)治療的效果及預(yù)后分析[J].中國婦幼保健，2020，35（17）：3308-3310.

[3]喬向彬，肖保軍.VTIQ技術(shù)對乳腺BI-RADS4類結(jié)節(jié)的定性診斷價值[J].中南醫(yī)學(xué)科學(xué)雜志，2022，50（1）：71-74.

[4]陳劍瓊，肖榕，周瑋珺，等.灰階超聲影像組學(xué)在診斷乳腺結(jié)節(jié)良惡性中的應(yīng)用價值[J].安徽醫(yī)科大學(xué)學(xué)報，2022，57（2）：325-328.

[5]劉健，武敬平，王寧，等.彈性應(yīng)變率比值聯(lián)合乳腺超聲影像報告和數(shù)據(jù)系統(tǒng)診斷乳腺結(jié)節(jié)的應(yīng)用價值[J].中國醫(yī)學(xué)科學(xué)院學(xué)報，2021，43（1）：63-68.

[6]解福友，邱曉暉，劉藝超，等.3.0T乳腺動態(tài)增強MRI聯(lián)合鉬靶X線對直徑≤2cm乳腺小結(jié)節(jié)良惡性鑒別診斷價值[J].磁共振成像，2021，12（12）：71-74.

[7]王玲，薛天鴿，王振云.核磁共振、乳腺鉬靶對早期乳腺癌影像診斷的比較分析[J/OL].臨床醫(yī)藥文獻電子雜志，2019，6（10）：154.https：//d.wanfangdata.com.cn/periodical/ChlQZXJpb2RpY2FsQ0hJTmV3UzIwMjQwNzA0EhFsY3l5ZHp6ejIwMTkxMDExMhoIZHA0ZmsxZWM%3D.

[8]吳墅，趙佳琦，陳蕊.人工智能自動檢測系統(tǒng)輔助超聲診斷乳腺結(jié)節(jié)的臨床應(yīng)用[J].同濟大學(xué)學(xué)報（醫(yī)學(xué)版），2022，43（4）：509-514.

[9]劉芳欣，王洲，任永鳳，等.乳腺超聲人工智能應(yīng)用進展[J].中國醫(yī)學(xué)影像技術(shù)，2021，37（11）：1731-1734.

[10]羅成龍，宋一曼，于湛，等.基于乳腺數(shù)字X射線圖像紋理分析對乳腺BI-RADS 4類以上鈣化灶定性診斷的價值[J].鄭州大學(xué)學(xué)報（醫(yī)學(xué)版），2022，57（2）：233-237.

[11]趙婷，蔣世亮.乳腺鉬靶、超聲造影檢查鑒別診斷乳腺非腫塊樣強化病變的良惡性質(zhì)的對比分析[J].影像科學(xué)與光化學(xué)，2021，39（4）：512-516.

[12]王英穎，劉景哲，火忠，等.乳腺葉狀腫瘤的乳腺鉬靶X線攝影、彩色多普勒超聲表現(xiàn)與病理對照研究[J].實用放射學(xué)雜志，2020，36（5）：745-747.

[13]岳萌，劉月平.人工智能在乳腺癌病理診斷中的應(yīng)用價值[J].臨床與實驗病理學(xué)雜志，2021，37（9）：1081-1084.

[14] FUJIOKA T，KUBOTA K，MORI M，et al.Distinction between benign and malignant breast masses at breast ultrasound using deep learning method with convolutional neural network[J].Jpn J Radiol，2019，37（6）：466-472.

[15]高思琦，牛司華，黃劍華，等.超聲人工智能在乳腺良惡性疾病鑒別診斷中的應(yīng)用[J].中國超聲醫(yī)學(xué)雜志，2021，37（7）：752-755.

[16]李慧，焦雄.基于影像組學(xué)的乳腺鉬靶圖像分類模型研究[J].太原理工大學(xué)學(xué)報，2022，53（4）：728-735.

[17]梁興明，黃世海，汪軼亭，等.鉬靶X射線與彩色多普勒超聲對乳腺癌的影像學(xué)特征及診斷價值比較分析[J].現(xiàn)代生物醫(yī)學(xué)進展，2022，22（17）：3319-3323.

[18]車凌祥，黃晴.彩色多普勒超聲超聲彈性成像及X線鉬靶檢查在健康體檢婦女乳腺癌篩查中的方案優(yōu)化[J].中國婦幼保健，2021，36（14）：3385-3388.

[19]儲榮先，彭梅.BI-RADS分類聯(lián)合超聲彈性成像技術(shù)對青年女性乳腺癌的診斷價值[J].中國超聲醫(yī)學(xué)雜志，2023，39（7）：765-768.

[20]任波，劉艷，單煒麗.超聲乳腺影像報告和數(shù)據(jù)系統(tǒng)4C級乳腺癌臨床病理特征及超聲引導(dǎo)下穿刺活檢對其的診斷價值分析[J].中國醫(yī)學(xué)裝備，2023，20（10）：98-102.

（收稿日期：2024-01-26） （本文編輯：占匯娟）

①萍鄉(xiāng)市人民醫(yī)院影像科 江西 萍鄉(xiāng) 337000

通信作者：李琪