計算機輔助診斷技術可提高腫塊最大徑≤10 mm 早期乳腺癌的超聲診斷效能

趙楓，肖際東，文歡，賀芳

中南大學湘雅三醫院超聲科，湖南長沙410013

乳腺癌發病率逐年上漲，并趨于年輕化，其早期診斷和治療與患者生存和預后密切相關［1］。乳腺超聲是常用的乳腺癌篩查的手段，尤其適用于致密型乳腺［2-3］。但該檢查方式對早期乳腺癌診斷準確率較低，特別是腫塊最大徑≤20.0 mm的患者，影像特征不典型，圖像判斷受臨床經驗的影響，極大干擾對病灶的定性診斷［4-6］。計算機輔助診斷（CAD）是醫學影像領域的一項新技術，主要包括CAD-MRI、CAD鉬靶、CAD超聲等，國內外學者研究證實CAD技術能顯著提高乳腺疾病診斷的效能，發揮重要的輔助作用［7-9］。但由于早期計算機芯片技術水平的影響及舊版BI-RADS分類標準的不完善，既往關于CAD技術在早期乳腺癌中的應用報道存在一定的局限性，圖像識別能力及BI-RADS 分類判定水平低［10-12］。隨著人工智能識別在醫學影像領域的進步以及乳腺新版BI-RADS更新改進，CAD診斷能力得到大大提高。為了避免盲目應用或過渡依賴CAD技術造成誤診漏診，探討在早期乳腺癌中如何合理應用CAD具有重要意義。目前，關于早期乳腺癌CAD診斷的研究，國內外尚未見腫塊大小差異對CAD輔助診斷早期乳腺癌的效能影響以及指導應用的報道［13-17］。本研究通過采用具有深度學習神經網絡CAD新技術并結合新版BIRADS分類診斷標準，分析比較CAD輔助超聲診斷不同大小早期乳腺癌的準確性、特異性、敏感性等效能，探討腫塊大小差異對CAD輔助診斷的影響，為超聲醫生對CAD輔助診斷早期乳腺癌的效能及影響因素提供較綜合的認識，也為超聲醫生根據乳腺腫塊大小合理選擇應用CAD輔助診斷提供實踐參考，既不漏診誤診可疑的癌結節，又能充分發揮CAD輔助作用，使乳腺癌患者受益最大化。

1 資料與方法

1.1 一般資料

收集2018年1月～2019年12月于我院行乳腺超聲檢查的患者的臨床資料。納入標準：常規超聲篩查表現為實性病灶，最大徑≤20.0 mm；腫塊經手術切除和（或）超聲引導下的穿刺活檢組織學病理證實，乳腺癌病灶均為臨床早期（T1期和Tis期）。排除標準：檢查前曾接受過化學藥物治療、內分泌治療、放療或穿刺等臨床處理；處于妊娠期或哺乳期；臨床病史或超聲檢查資料不完整。存在≥2個腫塊的患者僅取與手術或穿刺獲得病理結果相對應的腫塊納入研究。最終滿足上述標準的120位患者，共120枚腫塊納入此研究?；颊呔鶠榕?，其中，乳腺癌結節50例，乳腺良性結節70例，年齡27～75歲（43.4±8.2歲）。臨床病史包括：乳頭溢液17例，近期鉬靶檢查提示可疑病變建議超聲進一步檢查12例，捫及乳腺腫塊38例，無明顯臨床癥狀及體征者53例。乳腺腫塊的最大徑線范圍為6.2～20.0 mm（12.5±5.3 mm），腫塊最大徑≤10 mm 56枚，腫塊最大徑10～20 mm 64枚。本研究經我院倫理委員會批準。

1.2 常規超聲掃查

采用三星公司RS80A超聲診斷儀，配備線陣探頭（頻率為5～13 MHz）。由1名具有10年乳腺超聲圖像診斷經驗的超聲醫師根據Berg等［18］提出的掃查方案進行雙側乳腺常規超聲檢查并儲存圖像?；颊唠p臂抱頭暴露乳房及腋窩，取仰臥位檢查右乳，右側臥位檢查左乳。二維超聲探查到腫塊時，注意觀察腫塊的大小、數量、形態、輪廓、實質回聲、邊界、縱橫比、周圍組織關系、腫塊血流豐富程度及血流分布等及雙側腋窩有無淋巴結腫大。

1.3 S-detect技術分析

參照Gewefel等［19］提出的標準，應用S-detect技術分析每個腫塊的矢狀面及矢狀面對應的橫切面的典型圖像。將腫塊置于圖像中心并凍結圖像再切換到Sdetect模式，準確標記腫塊位置，光標置于腫塊中心，按下確認鍵后，S-detect技術可自動檢測出病灶的邊界并描跡，提供出診斷結論（可能良性或者可能惡性）。Sdetect 技術自動分析腫塊圖像并得出基于超聲BIRADS分類的6大特征（包括形態學特征、聲學特征）分析及診斷結論。納入本研究的S-detect技術的關于腫塊的6大特征描述包括形狀（圓形、橢圓形、不規則形），方向（平行、非平行），邊緣（完整、模糊、成角狀、微分葉、針狀的或毛刺狀），邊界（銳利邊界、高回聲暈），內部回聲類型（無、低、等、高、囊實混合、不均勻）和后方回聲特性（無特征、增強、聲影、混合）。

1.4 影像評估

S-detect技術鑒別乳腺腫塊良惡性標準：選取具有典型特征的最大徑線矢狀切面和其對應的橫切面，其中任一切面診斷為可能惡性或者兩個切面同時診斷為可能惡性，則判定S-detect技術診斷腫塊為可能惡性，反之為可能良性［18］。

常規超聲診斷標準均參照北美放射學會制定的乳腺影像和數據報告系統(BI-RADS)進行分類［20-21］。腫塊具有良性特征（邊緣光整，橢圓形和平行位生長，后方回聲增強，邊緣銳利），則腫塊判定為BI-RADS 3類。腫塊惡性特征表現為：不規則形狀、非平行方位生長、不可界定的邊緣、高回聲暈、后方聲影和周圍組織異常。根據惡性懷疑程度分類：BI-RADS 4a類：腫塊具有1個惡性特征，惡性幾率>2%但≤10%；BI-RADS 4b類：腫塊具有2 個惡性特征，惡性幾率>10%但≤50%；BI-RADS 4c類：腫塊具有3個惡性特征，惡性幾率>50%但<95%。BI-RADS 5類，腫塊具有4個及以上惡性特征，惡性幾率≥95%為BI-RADS 5類腫塊。判定為BI-RADS 4b類及以上者為惡性，BI-RADS 4a類及以下者為良性［21-22］。

由2名醫師參與本次研究，分別具有5年及8年工作經驗，經BI-RADS分類培訓考核合格。進行評判之前，均未告知腫塊的病理結果。2名醫師均獨自閱讀乳腺腫塊的超聲圖像，依據超聲BI-RADS分類標準，進行腫塊描述及確定第1次診斷結論；再參考Choi等［9］學者提出的關于S-detect技術輔助超聲診斷的標準，得出第2次診斷結論。

1.5 統計學分析

采用統計學軟件MedCalc 17.1.0和SPSS20.0進行分析。計量資料用均數±標準差表示，計數資料采用配對卡方檢驗比較。以病理結果為金標準，比較分析計算機輔助診斷技術輔助前后兩次診斷的敏感性、特異性、準確性，繪制受試者操作特性（ROC）曲線及計算曲線下面積（AUC）。以P<0.05為差異有統計學意義。

2 結果

2.1 乳腺腫塊病理結果

120例乳腺腫塊中良性腫塊共70例，最大徑線范圍為6.2～19.5 mm，包括纖維腺瘤27例，乳腺慢性炎癥11例，乳腺增生22例，脂肪壞死7例，乳腺腺病3例；乳腺惡性腫塊共50例，最大徑線范圍為9.0～20.0 mm，包括浸潤性導管癌24例，浸潤性小葉癌10例，導管內原位癌8例，粘液腺癌4例，低分化癌2例，乳頭狀癌1例，多形性癌1例。

2.2 乳腺腫塊超聲表現

最大徑≤10 mm組56例乳腺腫塊中，形態規則33例（良性19例，惡性14例），平行位生長44例（良性27例，惡性17例），邊緣光整23例（良性19例，惡性4例），邊界清晰33例（良性24例，惡性9例），后方回聲衰減10例（良性3例，惡性7例），周圍組織異常10例（良性2例，惡性8例），微鈣化15例（良性4例，惡性11例）。最大徑11～20 mm組64例乳腺腫塊中，形態規則35例（良性25例，惡性10例），平行位生長45例（良性30例，惡性15例），邊緣光整25例（良性22例，惡性3例），邊界清晰40例（良性32例，惡性8例），后方回聲衰減14例（良性4例，惡性10例），周圍組織異常18例（良性2例，惡性16例），微鈣化18例（良性7例，惡性11例）（表1）。

表1 兩組不同大小乳腺腫塊的超聲表現Tab.1 Ultrasonic features of breast masses with different size in two groups(n)

2.3 計算機輔助診斷在輔助前后兩次診斷的效能差異分析

常規超聲診斷最大徑≤10 mm組的乳腺腫塊56個（BIRADS 3類23個，4a類5個，4b類11個，4c類7個，5類10個）。聯合計算機輔助診斷技術后，對與計算機輔助診斷結果不符合的11枚腫塊第二次診斷（4a類調整到4b類4個，4b類調整到4a類7個），正確診斷45個病灶（BIRADS 3類19個，4a類7個，4b類6個，4c類4個，5類9個）診斷準確性由60.7%（34/56）上升到80.4%（45/56）。常規超聲診斷最大徑11～20 mm組的乳腺腫塊64個（BIRADS 3類23個，4a類11個，4b類11個，4c類6個，5類13個）；聯合計算機輔助診斷技術后，對與計算機輔助診斷結果不符合的20枚腫塊第二次診斷（4a類調整到4b類9個，4b類調整到4a類11個），正確診斷52個病灶（BIRADS 3類22個，4a類9個，4b類6個，4c類3個，5 類12 個）診斷準確性由68.8%（44/64）上升到81.3%（52/64）（表2、圖1）。

結合計算機輔助診斷技術診斷兩組不同大小乳腺腫塊（最大徑≤10 mm組與最大徑11～20 mm組），兩組的敏感度、特異性、準確性均有提高，乳腺腫塊最大徑≤10 mm組特異性、準確性、NPV前后差異具有統計學意義（P<0.05，表3）。

ROC曲線結果顯示：常規超聲診斷最大徑≤10 mm的AUC 為0.61，超聲聯合計算機輔助診斷的AUC 為0.80。超聲聯合計算機輔助診斷早期乳腺癌的AUC大于普通超聲，兩組比較差異具有統計學意義（Z=3.586，P<0.001）；常規超聲診斷最大徑11～20 mm的AUC為0.69，超聲聯合計算機輔助診斷技術的AUC為0.81，超聲聯合計算機輔助技術診斷早期乳腺癌的AUC大于普通超聲，但兩組比較差異無統計學意義（Z=1.718，P=0.086，圖2）。

表2 超聲與計算機輔助診斷不同大小乳腺腫塊的結果比較Tab.2 The comparison between the diagnosis results of US and computer-aided diagnosis for different size of masses(n)

Fig.1 患者女，56歲，右側乳腺一8 mm×6 mm實性腫塊；第1次常規診斷為良性（BI-RADS 3類），第2次結合計算機輔助診斷后診斷為惡性（BI-RADS 4b類）Fig.1 The patient was a 56-year-old woman with a mass in the right breast.The breast mass size is 8 mm×6 mm.The US diagnose of the breast mass by the radiologist was benign（BI-RADS 3）,and after the combination of US and computer-aided diagnosis technology,the diagnose was modified to malignant（BI-RADS 4b）.

表3 計算機輔助技術輔助前后診斷不同大小腫塊的效能比較Tab.3 The comparison of diagnostic efficacy in different size breast masses before and after combined with computeraided technology（%）

3 討論

腫塊大小是影響乳腺癌預后的重要生物學指標［23-24］，早期乳腺癌通常最大徑≤20 mm，最大徑≤10 mm 常定義為乳腺微小癌［25-26］。本研究以10 mm為組距，將乳腺腫塊分為兩組（最大徑≤10 mm組與最大徑11～20 mm組）。我們通過應用CAD輔助超聲對不同大小兩組乳腺腫塊良惡性進行診斷，發現CAD輔助診斷可不同程度的提高對兩個組別早期乳腺癌的診斷效能。乳腺腫塊大小不同，其輔助診斷的作用存在差異。在最大徑11～20 mm組中，CAD輔助診斷乳腺腫塊前后敏感性、特異性、準確性、AUC等指標有提升，但差異無統計學意義；而在最大徑≤10 mm組中，CAD輔助診斷乳腺腫塊前后準確性、特異性、AUC等多個指標均提高明顯，差異有統計學意義。我們的研究結果提示CAD輔助診斷早期乳腺癌的效果與腫塊的大小有關，尤其適用于最大徑≤10 mm的腫塊?？赡艿脑蚴牵簩τ谳^小組的早期乳腺癌，癌灶病變區域小，浸潤不典型，超聲惡性特征不明顯，應用常規超聲進行良惡性鑒別困難，尤其是對于乳腺癌診斷經驗不足的醫師。CAD輔助診斷技術的應用，可為醫師提供關于腫塊的形態、邊緣、內部回聲等關鍵的超聲特征分類信息以及計算機智能分析獲得診斷結論。這些內容在一定程度上可以幫助醫師糾正不準確的超聲特征描述和分類，從而提高乳腺腫塊良惡性診斷的效能，發揮更好的輔助診斷作用［27-29］。而在乳腺腫塊直徑較大組中，由于腫塊生長時間長，部分腫塊在生長過程中發生惡變、內部液化、鈣化，生物學特征表現典型，腫瘤良惡性特征容易被識別，常規超聲可較好的予以正確診斷，CAD技術的輔助診斷對這一類型的乳腺癌效能提升不顯著。

圖2 CAD輔助前后診斷乳腺腫塊最大徑≤10 mm組（A）及最大徑11～20 mm組（B）ROC曲線Fig.2 ROC curves of diagnosis in maximum diameter ≤10 mm breast masses group(A)and maximum diameter 11-20 mm breast masses group(B)with CAD assisted US.

與既往CAD輔助超聲診斷乳腺癌的相關研究比較，在技術層面上，本研究采用深度學習的新CAD技術，結合最新的BI-RADS分類診斷標準，在早期乳腺癌輔助診斷中智能自動識別程度更高，超聲描述的影像學特征更加精準，減少人為因素的影響。在研究內容方面，效能評價指標更全面。本研究從特異性、敏感度、準確性、AUC等多個方面評估CAD輔助大小不同早期乳腺癌的應用價值。因此，本研究發現腫塊大小差異性在CAD輔助早期乳腺癌中的應用，可為臨床提供較全面的應用指導，使CAD在乳腺癌輔助診斷應用更加規范化和合理化。但在臨床實際工作中，過度依賴CAD技術也可引起漏診與誤診。CAD在目前僅推薦作為一種輔助診斷工具，而非作為單一或確定性的診斷方法［30-34］。

本研究的局限性主要是樣本數量及構成方面存在一定的局限性，浸潤性導管癌占惡性病例的大部分，而良性病例則以纖維瘤和增生居多，其他種類病變的樣本量相對較少。在后續的研究中需要加大樣本量進一步分析。

綜上，計算機輔助診斷技術輔助超聲有助于提高早期乳腺癌的診斷效能，尤其是輔助最大徑≤10 mm的早期乳腺癌的鑒別診斷。這一技術可為醫師提供一種較好的乳腺腫塊客觀描述及診斷的輔助工具，具有重要臨床應用價值。