超聲人工智能輔診系統在甲狀腺可疑結節良惡性鑒別診斷中應用價值

司曉娟, 托靜美, 宋和琴

張家口市第一醫院 1.超聲醫學科;2.檢驗醫學科,河北 張家口 075000

甲狀腺結節主要指甲狀腺內的腫塊,發病原因多樣,主要與甲狀腺退行性病變、炎癥浸潤及自身免疫等因素有關,良性多為結節性甲狀腺腫,惡性則多為乳頭狀癌,早期診斷甲狀腺結節良惡性對于改善患者預后具有重要意義[1]。手術病理檢查是臨床診斷甲狀腺可疑結節的“金標準”[2]。超聲是臨床診斷甲狀腺疾病的主要影像學方法之一,二維超聲檢查甲狀腺可疑結節良惡性圖像灰度特征重疊,臨床診斷對操作者經驗依賴較大,而超聲造影可提高診斷準確度,但造影劑易被患者代謝,且停留時間較短,對檢查結果產生影響[3-4]。超聲人工智能輔診系統利用卷積神經網絡,借助計算機視覺、深度學習、大數據平臺等技術使臨床診療更加便捷和精確,彌補了超聲診斷的主觀性和對操作者的依賴性,在輔助臨床醫師診斷疾病方面具有一定的應用價值[5-6]。目前,超聲人工智能輔診系統在甲狀腺可疑結節良惡性鑒別診斷中的應用價值尚未完全明確。本研究旨在探討超聲人工智能輔診系統在甲狀腺可疑結節良惡性鑒別診斷中的應用價值。現報道如下。

1 對象與方法

1.1 研究對象 選取自2019年1月至2022年12月張家口市第一醫院收治的104例甲狀腺可疑結節患者為研究對象。納入標準:符合《甲狀腺結節和分化型甲狀腺癌診治指南》[7]中甲狀腺結節的診斷標準;經手術治療和術后病理學檢查確診;符合超聲檢查適應證;對本研究知情同意;患者依從性良好。排除標準:合并嚴重器官功能障礙;合并嚴重感染性疾病;合并其他惡性腫瘤。其中,男性55例,女性49例;年齡24～78歲,平均(51.28±4.03)歲;結節直徑0.20～6.00 cm,平均(2.05±0.33)cm。本研究經醫院倫理委員會審核批準。

1.2 二維超聲檢查方法 采用日本日立公司提供的HITACHI-AR70彩色多普勒超聲診斷儀對患者進行檢查。患者取仰臥位,顯露頸部,首先對患者甲狀腺部位進行二維超聲掃描檢查,采用寬頻線陣探頭L75,發射頻率為8～15 MHz,主要檢查患者頸前部的有關縱/橫切面,檢查項目包括結節數目、直徑、形態、邊界、回聲、包膜、鈣化情況等;然后進行超聲造影檢查,使用Bracco公司提供的聲諾維超聲造影劑,更換探頭并切換到實時灰階造影成像模式,自肘靜脈團注3 ml微泡混懸液后,快速沖注5 ml生理鹽水,同步啟動計時器錄像5 min,記錄結節的增強模式、增強類型、增強速度等。典型病例見圖1。

圖1 典型病例(患者女性,53歲;a.二維超聲檢查顯示實性結節,邊界不清,縱橫比>1,內見多個點狀強回聲;b.超聲人工智能輔診系統檢查顯示分類5級,惡性;c.描記過程)

1.3 觀察指標

1.3.1 甲狀腺可疑結節良惡性病理檢查結果 所有患者均進行手術治療,并根據術后病理檢查結果統計患者病理類型。104例甲狀腺可疑結節患者共檢出158個結節,手術病理檢查確診惡性結節101個、良性結節57個。其中,惡性結節包括低分化癌1個、濾泡癌3個、乳頭狀癌97個;良性結節包括亞急性甲狀腺炎1個、橋本結節5個、濾泡性腺瘤6個、腺瘤樣結節13個、結節性甲狀腺腫32個。根據結節手術病理檢查結果將其分為良性組(n=57)和惡性組(n=101)。

1.3.2 甲狀腺可疑結節良惡性二維超聲造影影像表現 根據二維超聲造影檢查結果,統計兩組影像學表現,包括造影模式、造影程度、造影時間。

1.3.3 不同年資超聲醫師與超聲人工智能輔診系統對甲狀腺可疑結節良惡性的鑒別診斷結果 分別邀請通過超聲專業住院醫師規范化培訓結業考試,入職1年的初級職稱醫師和具有15年以上甲狀腺超聲診斷經驗的高級職稱醫師各2名,根據超聲影像檢查結果對甲狀腺可疑結節良惡性進行鑒別診斷。超聲人工智能輔診系統診斷采用浙江德尚韻興醫療科技有限公司的智能輔助診斷系統(超聲人工智能輔診系統-SONIC Throid),將無任何標記的甲狀腺結節灰階圖導入人工智能輔診系統,記錄風險概率值(范圍0.00～1.00),其中偏良性0.00～0.40,可疑惡性0.41～0.60,偏惡性0.61～1.00[8]。統計高年資醫師、低年資醫師、超聲人工智能輔診系統,以及高年資醫師、低年資醫師分別聯合超聲人工智能輔診系統對甲狀腺可疑結節良惡性的鑒別診斷結果。

1.4 統計學方法 采用SPSS 21.0統計學軟件處理數據。計數資料以例(百分率)表示,組間比較采用χ2檢驗,等級資料比較采用秩和檢驗。繪制受試者工作特征(receiver operating characteristic,ROC)曲線分析不同年資超聲醫師與超聲人工智能輔診系統對甲狀腺可疑結節良惡性的診斷價值。以P<0.05為差異有統計學意義。

2 結果

2.1 兩組患者二維超聲造影影像表現比較 兩組患者造影模式、造影程度、造影時間比較,差異有統計學意義(P<0.05)。見表1。

表1 兩組患者二維超聲造影影像表現比較/例(百分率/%)

2.2 不同年資超聲醫師與超聲人工智能輔診系統診斷甲狀腺可疑結節良惡性診斷效能比較 超聲人工智能輔診系統、低年資醫師聯合超聲人工智能輔診系統、高年資醫師、高年資醫師聯合超聲人工智能輔診系統的ROC曲線下面積、敏感度、特異度高于低年資醫師,差異有統計學意義(P<0.05)。高年資醫師聯合超聲人工智能輔診系統的ROC曲線下面積高于超聲人工智能輔診系統,差異有統計學意義(P<0.05)。高年資醫師聯合超聲人工智能輔診系統的敏感度高于低年資醫師聯合超聲人工智能輔診系統,差異有統計學意義(P<0.05)。高年資醫師聯合超聲人工智能輔診系統的特異度高于超聲人工智能輔診系統、低年資醫師聯合超聲人工智能輔診系統,差異有統計學意義(P<0.05)。見表2～3、圖2。

表2 不同年資超聲醫師與超聲人工智能輔診系統診斷效能

表3 ROC曲線分析結果

圖2 ROC曲線分析

3 討論

甲狀腺惡性結節是甲狀腺癌的前期表現,在發病早期進行診斷對患者早期治療及改善預后具有重要意義[9-10]。病理學檢查是臨床診斷甲狀腺結節良惡性的“金標準”,但具有一定的創傷性,影響患者接受度。因此,尋找一種無創、快捷的檢查方法用于甲狀腺可疑結節良惡性的早期診斷具有重要意義[11]。超聲造影鑒別診斷甲狀腺可疑結節良惡性的依據主要來源于兩者不同的供血方式,可通過判斷增強強度、增強時間等區分結節良惡性,具有可重復性高的優點[12]。本研究結果顯示,104例甲狀腺可疑結節患者共檢出158個結節,病理檢查確診惡性結節101個、良性結節57個;二維超聲造影結果顯示,惡性組造影模式不均勻比例、造影程度低增強比例、造影時間快速比例高于良性組,與既往研究[13]結果一致,提示甲狀腺良性結節和惡性結節的超聲造影影像學特點具有明顯的差異。與良性結節比較,惡性結節內部可能合并壞死、鈣化灶、出血等,內部血管受到破壞,出現超聲造影模式不均勻、造影程度低增強、造影時間快速等相關影像學特征[14];而良性結節內部存在組織反復增生和不均勻修復,因此,在不同的增生時期其結節供血特點各不相同,但不同時期的供血特點不同會對超聲檢查診斷結果產生影響,如甲狀腺炎患者甲狀腺組織容易出現彌漫性病變,其增強模式與惡性結節存在交叉,在疾病反復發作的過程中,甲狀腺組織發生變化,增加漏診、誤診的發生風險[15-17]。

本研究結果顯示,超聲人工智能輔診系統、低年資醫師聯合超聲人工智能輔診系統、高年資醫師、高年資醫師聯合超聲人工智能輔診系統ROC曲線下面積、敏感度、特異度均高于低年資醫師,提示超聲人工智能輔診系統對提高低年資醫師甲狀腺可疑結節良惡性鑒別診斷準確率具有較大的輔助作用,可有效避免其過度診斷,但對高年資醫師的輔助作用有限。超聲人工智能輔診系統在進行判斷前會先對目標區域進行增強、降噪處理,進一步細化圖像特征,有效避免低年資醫師經驗不足引起的過度診斷或誤診、漏診[18]。此外,超聲人工智能輔診系統檢查可自動分割及量化分析結構異常區域,自動識別甲狀腺結節結構和組織,降低主觀因素導致的誤診,提高對甲狀腺結節良惡性的鑒別效能[19-20]。但超聲人工智能輔診系統仍存在較多不足之處,其數據來源僅為圖像,而臨床除了對影像檢查圖像進行分析外,還需要結合患者實驗室檢查結果、疾病史等資料進行判斷;對于某些罕見、少見的甲狀腺疾病,缺乏大樣本數據支持時,超聲人工智能輔診系統的程序算法會受到較大的限制,出現系統解讀困難等問題,進而影響結果判斷[21]。

綜上所述,甲狀腺惡性結節患者二維超聲造影影像學表現主要包括造影模式不均勻、造影程度低增強、造影時間快速,超聲人工智能輔診系統對甲狀腺可疑結節良惡性的診斷價值與高年資醫師相當,可有效提高低年資醫師的診斷效能。