計算機輔助診斷技術與斷層乳腺攝影對乳腺疾病診斷的效能比較

朱 華 羅 倩 趙 佳 張 蕾*

隨著我國生活水平的提升，人們的健康意識有所轉變，越來越多的人開始重視自身健康。對于女性而言，乳腺癌發病率的不斷增加以及發病年齡出現年輕化的趨勢[1]。因此，每年體檢的人數以及患者人數都在不斷增加，乳腺X射線攝影作為篩查和檢查的重要輔助手段已被廣泛用于臨床[2]。隨著乳腺體檢者和患者數目增加，影像醫師的閱片工作量增加，影像診斷中主觀性會一定程度的增加。而且很多情況下正常組織同病變在影像學上的表現僅有細微的差別，這種情況下，人類視覺系統本身的局限性、醫師本身診斷培訓和經驗的缺乏、再加上疲勞分心等因素，很可能無法有效利用現有的信息，會導致影像診斷結果準確性下降，漏診率增加[3]。因此，計算機輔助檢測(computer-aided detection，CAD)技術可以作為診斷輔助工具，對圖像進行自動分析處理，標注感興趣區，并利用現有的數據庫模板信息對感興趣區進行分析診斷，在一定程度上能減緩影像醫師的工作壓力，提高診斷效率。本研究主要探討CAD與診斷醫師診斷相比較其檢出靈敏度、特異度和準確率，以及對乳腺癌的診斷率，從而分析其在影像診斷中的價值。

1 資料與方法

1.1 資料選取

回顧性分析2018年4-8月在上海交通大學附屬第一人民醫院進行手術并行組織學檢查的119例乳腺疾病病例資料，所有患者均為女性，年齡19～77歲，平均年齡(48±13)歲，術前均進行乳腺X射線斷層檢查。

1.2 納入與排除標準

(1)納入標準:①乳腺X射線影像信息完整，包括雙乳頭尾(craniocaudal，CC)位和內外側斜(mediolateral oblique，MLO)位影像；②均采用2D和3D的攝影模式；③可獲得檢查者姓名、檢查號、年齡及性別等相關患者疾病信息。

(2)排除標準:①檢查者相關信息不完全；②由于體位或者其他原因造成的圖像偽影，影響圖像質量；③未進行相關手術或病理檢查。

1.3 儀器設備

采用HOLOGIC 3D Selenia Dimensions型數字乳腺X射線機(美國豪洛捷公司)。

1.4 診斷方法

使用3D Selenia Dimensions型數字乳腺X射線機，選用Combo攝影模式，根據患者乳房大小合適選擇壓迫板型號，壓迫力度以乳房實際可被壓迫的最大程度和患者可忍受的壓力為宜[4]。在同一壓迫位置下同時采集二維和三維圖像，攝影體位為頭尾(craniocaudal，CC)和內外側斜(mediolateral oblique，MLO)位，攝影條件為管電壓和管電流均采取自動控制。

1.5 診斷報告評價指標

1.5.1 主觀評價

由兩位工作年限分別為15年、25年的乳腺影像專科診斷醫師于術前對119例乳腺影像進行最終診斷，最終診斷結果按乳腺影像-報告和數據系統(breast imaging-reporting and data system，BIRADS)分類診斷:①BI-RADS 0類，指檢查信息缺乏，評估不完全，需要結合其他檢查結果來進一步評估；②BI-RADS 1類，陰性結果，乳腺影像暫未發現明顯異常病變；③BI-RADS 2類，良性病變，可基本排除惡性，定期復查即可；④BI-RADS 3類，可能是良性病變，一般建議3～6個月隨訪，惡性病變率一般≤2%；⑤BI-RADS 4類，可疑惡性病變(2%＜惡性可能＜95%)，需要活檢明確診斷，此類可進一步分為4a、4b、4c的類，4a為傾向惡性可能性低，4b為傾向惡性可能性中等，4c為傾向惡性可能性高；⑥BI-RADS 5類，高度惡性可能≥95%，手術活檢。

1.5.2 CAD評價

(1)由1名工作年限為2年的醫生在未知病理和術前診斷報告情況下，將119例病例導入工作站進行回顧性CAD輔助診斷分析。CAD的標記在乳腺X射線二維影像上進行，工作流程分為圖像預處理、特征提取和特征分類3個部分[5]。分析醫師和CAD檢測受試者工作特征(receiver operating characteristic，ROC)曲線，計算ROC曲線下面積(area under curve，AUC)。

(2)在標記過程中會給予腫塊、鈣化和腫塊伴鈣化3種標識:①鈣化，被標記的鈣化一般是3個以上的成簇鈣化團和環行鈣化，或者是鈣化的血管，或者是交叉的線性結構等，標記點在鈣化中心且盡量避免標記良性鈣化；②腫塊，被標記的腫塊一般是結構扭曲的區域，或者是致密的區域，或者是周圍有放射狀線性結構的區域等等；③腫塊伴鈣化，被標記的區域既含腫塊又包含鈣化。在某些情況下，CAD還會畫出一定的區域范圍，感興趣區懷疑的惡性程度越高的，相應的標識尺寸就越大，見圖1。

1.6 統計學方法

采用SPSS22.0軟件對數據進行統計分析，以病理報告為標準，對術前影像報告和CAD報告的診斷準確率、靈敏度和特異度進行分析，計數資料行卡方檢驗，以P＜0.05為差異有統計學意義。

2 結果

2.1 CAD診斷病灶特征

數字乳腺X射線機配置的CAD系統是以檢測惡性病灶為目的，檢測結果分為陰性、陽性兩種。陽性均為懷疑有惡性可能，而陰性包括無病灶和有病灶(CAD判為良性)兩部分。陽性病灶根據檢測結果分為3個亞組:鈣化、腫塊和腫塊伴鈣化。CAD檢測結果中陰性19例；陽性100例，其中鈣化6例，腫塊56例，腫塊伴鈣化38例，見表1。

圖1 CAD標記病灶標識的乳腺X射線影像

表1 CAD系統檢測病灶特征(例)

2.2 術前影像診斷報告

參照CAD分類，將術前乳腺影像診斷報告結論進行重新整合分組，分為陰性和陽性。陰性包括報告為BI-RADS 1～2類，以及醫師暫未在致密型乳腺攝影影像上發現陽性病灶需結合其他影像檢查而歸于BIRADS:0類。陽性包括BI-RADS 4～5類，歸于惡性，部分BI-RADS 0類，發現病灶，但由于圖像信息局限性以及缺乏其他檢查信息等因素，需結合其他檢查信息進一步評估。病例統計結果見表2。

表2 術前乳腺影像BI-RADS分類診斷報告(例)

2.3 病理結果

病理結果分為惡性、良性和陰性。惡性包含浸潤性或非浸潤性乳腺癌、浸潤性或非浸潤性導管原位癌、導管乳頭狀癌等。良性包含乳腺纖維腺瘤、導管乳頭狀瘤、良性鈣化、囊腫、良性淋巴結、脂肪瘤、錯構瘤等等。陰性包含乳腺腺病、乳腺增生、炎癥性改變等。119例患者手術病理結果:惡性46例，陰性73例(良性46例，病理結果陰性27例)。

2.4 CAD與乳腺影像對良惡性病灶的診斷效能分析

(1)良性病灶:在27例病理結果為乳腺腺病、乳腺增生、炎癥性改變等陰性病例中，乳腺影像診斷準確18例，但包括致密型乳腺13例，未發現陽性病灶，納入未定類0類。在46例病理顯示良性中包括乳腺纖維腺瘤、導管乳頭狀瘤、良性鈣化、囊腫、良性淋巴結、脂肪瘤及錯構瘤，乳腺影像懷疑惡性19例，CAD懷疑惡性36例。

(2)惡性病灶:在46例病理顯示浸潤性或非浸潤性乳腺癌、浸潤性或非浸潤性導管原位癌、導管乳頭狀癌中，乳腺影像報告診斷懷疑惡性35例(占76.09%)，CAD懷疑惡性44例(占95.7%)。乳腺影像未能判定為惡性的11例病例中，誤診為良性3例，因致密型乳腺未檢測到陽性病灶歸為BI-RADS 0類8例，CAD發現病灶但誤診為良性2例。CAD與乳腺影像診斷的特異度和假陽性率比較，差異有統計學意義(x2=10.895，x2=9.012；P＜0.05)，見表3。

表3 病理結果為惡性病灶的乳腺影像和CAD診斷效能(%，例)

2.5 CAD對乳腺影像報告BI-RADS中0類診斷效能分析

因致密型乳腺未檢測到陽性病灶被乳腺影像診斷分類為BI-RADS 0類共有36例，CAD檢測判定為陰性10例，懷疑惡性6例；28例病理結果為良性和陰性，8例為惡性。檢測到病灶但不能判斷腫塊性質需進一步檢查的被乳腺影像診斷為BI-RADS 0類共有23例，CAD檢測判定為陰性4例，懷疑惡性3例；25例病理結果為良性和陰性，3例為惡性。

2.6 乳腺影像和CAD的檢測ROC曲線

乳腺影像診斷ROC的AUC為0.693，CAD診斷的ROC的AUC為0.595，乳腺影像與CAD聯合診斷ROC的AUC為0.720。CAD對惡性病灶的檢出率高，但同時存在假陽性率過高的問題，因此一定程度會降低CAD的準確性和特異度。ROC曲線顯示，結合CAD檢測結果進行診斷，在一定程度上可提高乳腺影像診斷的準確性，見圖2。

圖2 乳腺影像、CAD及兩者聯合診斷的ROC曲線

3 討論

3.1 CAD工作原理

本研究所采用的X射線機是美國HOLOGIC數字化乳腺機，該設備可直接進行乳腺三維斷層攝影(digital breast tomosynthesis，DBT)。本研究討論的CAD是以HOLOGIC乳腺機配備的乳腺計算機輔助檢測功能為依據。CAD是以計算機內現有的數據庫信息為依據，在計算機的分析下，對鉬靶X射線影像上的感興趣區域(region of interest，ROI)進行標記，給予醫生提示，但最終的診斷結果仍由醫師根據客觀影像數據和經驗分析判斷。因此，乳腺CAD本質是計算機輔助檢測，在醫師診斷過程中給予提示，而不是采用CAD進行診斷，診斷結果仍舊由影像醫師決定，而不是計算機直接給出結果。CAD在分析標記ROI過程中遵循兩個原則:①標記可能是癌癥的區域；②盡可能少的標記不是癌癥的區域。

3.2 CAD在病灶檢出上的優劣勢

CAD對于惡性病灶的檢出率為95.65%，明顯高于醫師診斷結果(76.09%)，對檢測惡性病灶的靈敏度也高于醫師。在醫師未判斷出的11例惡性病灶中誤診為良性3例，因致密型乳腺未檢測到陽性病灶歸為BIRADS 0類8例，均在術前做了進一步檢查，包括超聲、超聲造影及MRI增強檢查，術前均最終診斷為惡性病灶占100%。對于36例醫師診斷為BI-RADS 0類的報告中，由于乳腺致密，暫未發現陽性病灶，病理陽性8例，其中CAD檢測出了6例(占75%)。因此在影像醫師的閱片過程中結合CAD在一定程度上能降低漏診率，減輕醫師的工作壓力。

由于CAD的特異性較差，在實際工作中存在假陽性率過高的情況。本組46例病理良性，CAD與醫師在陰性結果的檢出率和未檢出率上，CAD特異性不高，73例陰性，CAD判斷準確僅17例(占23.29%)，而醫師組判斷準確43例(占58.9%)。在實際診斷中CAD需要合理設置檢測閾值，對于CAD陽性結果，醫師仍要根據自己的臨床經驗和檢查數據來判斷CAD檢測出來的ROI是否為陽性病灶，以及病灶的性質。

3.3 診斷漏診原因分析

(1)影像醫師漏診。由于報告工作量的與日俱增，疲勞和分心可能使得醫師在閱片過程中忽視了不明顯病灶。醫師在關注已經發現的病變時，會忽略同時存在的其他病變。還有可能由于醫師本身經驗不足，導致觀察到ROI，但未辨別出是否為病變[6]。鉬靶X射線影像能提供的信息畢竟是有限的，對于致密型乳腺，腺體致密型乳腺的診斷有一定的局限性，由于多量型及致密型乳腺容易遮掩小的腫塊和鈣化，導致檢測的敏感性降低。尤其是在二維影像上，能獲取的有效信息更加局限，對于乳腺癌的早期表現如結構紊亂，二維圖像由于顯示結構不清晰以及組織的疊加影響極易漏診[7]。根據文獻報道，二維乳腺數字X射線攝影對乳腺癌診斷的靈敏度僅為65%，甚至更低[8-9]。近年來，西方國家在進行乳腺X射線攝影時大量采用2D結合3D模式進行常規篩查，結果顯示可以極大提高乳腺癌的檢出率[10-11]。本研究均采用了二維結合三維斷層攝影方法，惡性病灶檢出率為76.09%，高于文獻報道的二維攝影敏感性[8-9]。但在判斷腫塊的良惡性方面，乳腺斷層影像因缺乏腫塊血流情況等其他有效信息，仍存在一定漏診。

(2)CAD漏診。CAD在提高影像醫師檢出率的同時依舊會存在假陰性和假陽性的問題。可能與計算機本身數據庫的信息量以及信息采集量不足有關，同時與分析處理程序有關以及與檢測分類標準有關。在檢測過程中需要設置檢測閾值，檢測閾值越高，檢測靈敏度就會降低，假陰性概率提高；反之檢測閾值降低，檢測靈敏度就會提高，假陽性概率提高。本研究樣本數據有限，需擴大樣本數據來合理設置計算機輔助檢測技術合理閾值，提高其在實際臨床診斷工作中的應用價值。

4 結語

在診斷過程中合理運用CAD，一定程度上能提高醫師對惡性病灶的診斷準確性，降低漏診率，及早發現惡性病灶，期待未來CAD技術的優化發展。然而，每種檢查方法都有其優勢和不足，因此在臨床診斷的過程中要充分結合各項乳腺檢查技術的優勢，以患者實際情況為依據進行綜合診斷。