多模態超聲校正BI-RADS4類乳腺腫塊的價值

摘要：目的" 探討乳腺自動容積成像（ABVS）、超聲彈性評分（UES）及兩者聯合在校正乳腺影像報告和數據系統分級（ BI-RADS） 4 類乳腺腫塊 BI-RADS 分級中的應用價值。方法" 收集我院經常規超聲診斷為 BI-RADS 4 類的乳腺腫塊患者 109 例，共113 個腫塊。經 ABVS 及 UES 校正 BI-RADS 分級后，與病理結果對比，繪制 ROC 曲線，比較常規超聲、ABVS、UES、ABVS 聯合 UES 診斷 BI-RADS 4 類乳腺腫塊的差異。結果" 109 例患者 113 個腫塊中包含良性 78 個，惡性 35 個，ABVS 聯合 UES 校正后的敏感度、特異性、準確性、ROC 曲線下面積分別為 94.29%、93.59%、 93.80%、0.975。 結論" ABVS 聯合 UES 有助于提高 BI-RADS 4 類腫塊的總體診斷效能。兩者聯合診斷可以取長補短，提高診斷率。

關鍵詞：乳腺自動容積成像；超聲彈性評分；常規超聲；乳腺影像報告和數據系統分級；乳腺腫塊

Value of multimodal ultrasound in the diagnosis in optimizing BI-RADS 4 breast lesions category

HUANG Si， XIAO Yaocheng， JIN Linyuan， ZHANG Min， LI Jian， ZHANG Yanfen

Department of Ultrasound Diagnosis， The Affiliated Changsha Central Hospital， Hengyang Medical School， University of South China， Changsha 410000， China

Abstract： Objective To explore the application value of automatic breast volume scanning （ABVS）， ultrasound elastography score （UES） and their combination in correcting the BI-RADS 4 breast lesions. Methods A total of 113 patients with 109 breast lesions diagnosed with BI-RADS 4 by conventional ultrasound were collected. After the BI-RADS grading was corrected by ABVS and UES， the ROC curve was compared with the pathological results， and the differences in the diagnosis of BI-RADS 4 breast lesions by conventional ultrasound， ABVS， UES， ABVS combined with UES were compared. Results Among 113 masses in 109 patients， 78 were benign and 35 were malignant. The sensitivity， specificity， accuracy and area under the ROC curve of ABVS combined with UES were 94.29%， 93.59%， 93.80% and 0.975 respectively. Conclusion US+ABVS+UES can significantly improve the diagnostic efficiency and accuracy of US in the diagnosis of BI-RADS 4 breast lesions.

Keywords： automated breast volume scanning；ultrasound elastography score; conventional ultrasound; breast imaging reporting and data system; breast lesions

2020年全球確診乳腺癌的新病例 226萬例，首次超過肺癌成為全球第一大癌癥，且發病年齡日趨年輕化［1-3］。超聲檢查是乳腺病變首選的檢查之一。目前臨床對乳腺腫物的評估均采用美國放射學會推薦的乳腺影像報告和數據系統分級（BI-RADS），其中BI-RADS 4類乳腺腫塊為可疑的惡性病變，分為 4A、 4B、4C 類，其惡性率的跨度較大，均需要活檢［4］。但有研究表明，對于BI-RADS 4 級的病變，67%～78%的活檢是不必要的［5］。因此，提高 BI-RADS 4 類乳腺病變的診斷準確率以減少不必要的活檢及手術是迫切需要解決的臨床問題。乳腺自動容積成像（ABVS）是近年來發展的超聲三維成像技術，其不僅可以獲得常規超聲無法獲得的乳腺冠狀面信息，還可以對病灶進行任意平面的圖像重建，為乳腺疾病良惡性的鑒別提供了更多的依據［6］。而超聲彈性成像（UE）能夠獲得常規超聲無法獲得的組織彈性信息，彌補了ABVS的不足。最新版 BI-RADS詞典中首次加入彈性成像技術［4］。筑波彈性評分[7]是目前彈性領域最著名和最常用的評分系統。目前國內外對于ABVS聯合超聲彈性評分（UES）對乳腺BI-RADS 4類腫塊的研究主要表現在單純的良惡性鑒別，而本研究采用筑波彈性評分5分法聯合ABVS新技術，采用了獨一無二的校正標準對 BI-RADS 4類乳腺腫塊進行校正，旨在探討 ABVS 聯合 UES 在 BI-RADS 4 類腫塊良惡性診斷中的價值，減少 BI-RADS 4類腫塊不必要的活檢，現報道如下。

1" 資料與方法

1.1" 一般資料

收集我院 2020 年1月～2022年11月在我院超聲科就診的乳腺疾病患者。納入標準：年齡gt;18歲的女性；常規超聲依據ACR BI-RADS分為 4 類的乳腺腫塊；同意手術或者穿刺，可獲得病理結果。排除標準：檢查前做過乳腺腫塊穿刺及治療；拒絕手術或穿刺。最終納入患者109 例，共113 個腫塊。患者年齡24～86（43.82±12.01）歲。本研究經院倫理委員會批準（批件號：R201949），患者均簽署知情同意書。

1.2" 儀器與方法

所有患者均行 ABVS 和 UE 檢查，均由2位年資 10 年以上的超聲醫師完成。若結果不一致，則提交給研究小組會診后決定。

ABVS 檢查及校正標準：啟動德國 Siemens Acuson S2000 自動乳腺全容積成像系統，探頭型號為 14L5BV 線陣探頭，頻率 5～14 MHz，檢查時患者取仰臥位，雙手置于頭頂，充分暴露雙側乳房，囑患者平穩呼吸，于乳房表面涂適量的耦合劑，根據乳腺大小選內側位、外側位、上位、下位掃描。掃描結束后保存數據并通過工作站對圖像進行三維重建，獲取冠狀面多層圖像，動態進行顯示和閱讀。ABVS 主要根據冠狀面特征對 BI-RADS 4 類腫塊進行校正［8］，若冠狀面出現常規超聲出現的額外的1項特征：如邊緣不光整如模糊、微小分葉、成角、毛刺或微鈣化，則 BI-RADS 分類升1級；若ABVS檢查冠狀面發現“匯聚征”（圖1C），則直接升級為 4C。若 ABVS 出現完整均勻回聲的暈環，則降1級；若 ABVS 檢查未發現惡性征象，則 BI-RADS 分類降1級或保持不變。

采用德國 Siemens Acuson S2000 的 EI 模式，采用18L4 探頭行 UE 檢查。啟動彈性成像程序的實時雙振幅模式，對病灶的彈性進行測量和評分。囑患者屏住呼吸，選取靶灶及其周圍合適的乳腺組織為感興趣區域。據報道惡性腫瘤最硬的部分通常在病變以外的腫瘤周圍區域［9］。然后對病灶進行彈性測量及評分。采用筑波彈性評分 5 分法進行評價。病灶整體或大部分是綠色為 1 分，病灶中心是藍色但周圍呈現綠色為2分，病灶中心及周圍的藍色與綠色相近為 3 分，整體為藍色而內部伴有少許的綠色為4分，病灶整體是藍色無綠色為5分（圖1B）；評分≤3分傾向良性，BI-RADS 分類降1級；評分gt;4分傾向惡性，BI-RADS分類升1級（表1）。

1.3" 統計學分析

采用 MedCalc19.3 統計學軟件進行統計學分析。 以手術或穿刺活檢病理結果作為金標準，采用Z檢驗分別對 US、UES、ABVS 3種方法與UES聯合ABVS法的ROC曲線下面積進行比較。計算敏感度、特異性、陽性預測值、陰性預測值、準確率以評價US、UES、ABVS及UES聯合ABVS 4種影像方法的診斷效能。以Plt;0.05為差異有統計學意義。

2" "結果

2.1" 常規超聲及經ABVS聯合UE校正后的乳腺腫塊 BI-RADS分類結果

113 個乳腺病灶中，良性病灶 78 個，其中纖維瘤 49 例，乳腺腺病 17 例，導管內乳頭狀瘤 6 例，炎性病變 3 例，區域導管上皮大汗腺化生伴乳頭狀增生 2 例，良性葉狀腫瘤 1例；惡性病灶 35 個，浸潤性導管癌 27 例，原位導管癌 2 例，浸潤性小葉癌 2 例，導管內乳頭狀癌 2 例，惡性葉狀腫瘤 1 例。經 ABVS 聯合 UE 校正后，3 類腫塊由原來的 0 個增加至 59 個，1 例誤診，其余病理證實均為良性。5 類腫塊由原來的 0 個增加至 15 個，術后病理均顯示為惡性。具體校正結果（表 2）。

2.2" US、UES、ABVS 及 ABVS 聯合 UES 對校正乳腺 BI-RADS 4 類病灶良惡性的診斷效能比較

US、ABVS、UE、ABVS 聯合 UE 校正 BI-RADS 4 類乳腺腫塊的 ROC 曲線面積分別為 0.776、 0934、0.885、0.975（圖 2）。

ABVS 聯合 UE 校正后的 BI-RADS 分類與 US、ABVS 及 UE 之間的診斷效能差異均有統計學意義（Z=4.417、1.993、3.337，Plt;0.05），以病理結果為金標準，常規超聲、ABVS、UES、ABVS 聯合 UES 校正 BI-RADS 分類后的敏感度、特異性、準確率、陽性預測值、陰性預測值（表 3）。

3" 討論

目前常用的乳腺篩查方法有鉬靶和超聲，常規超聲技術在鑒別乳腺良惡性腫塊誤診率高［12］，且 BI-RADS 4類的乳腺結節在常規超聲檢查中良惡性征象有較多重疊［13］，給診斷帶來難度。提高乳腺BI-RADS 4類結節的準確率是超聲工作者的研究重點。本研究采用多模態超聲技術，在常規超聲觀察病灶二維聲像圖特征的基礎上，結合ABVS三維冠狀面特征以及彈性評分綜合評估乳腺病灶，有效校正BI-RADS 4類腫塊，旨在減少不必要的穿刺及手術。ABVS相比傳統二維超聲具有更好的可重復性、更高的一致性以及更全面的信息，對乳腺癌的定位和診斷具有重要意義［14-15］。

ABVS矢狀位視圖在觀察邊緣的成角方面有優勢，冠狀面在觀察邊緣的毛刺方面有優勢，ABVS冠狀面“匯聚征”對惡性病變有較高的特異性，研究表明“匯聚征”出現退縮現象的病理基礎是癌灶向周圍組織的浸潤生長和周圍組織的形成，惡性腫瘤的侵襲性越強，退縮現象越明顯［16］。ABVS 橫斷面視圖則分辨率最高［17］，在沒有腫塊背景的情況下，ABVS對微鈣化的檢出率高于常規超聲，對鈣化的檢測具有重要的補充作用［18］。而ABVS冠狀面完整的高回聲暈被視為良性病變的特征［19］。本研究中敏感度為91.43%，ABVS的AUC為0.934，與常規超聲存在差異（Plt;0.05），因此認為ABVS對乳腺惡性腫塊具有更高的檢出率。但是ABVS也存在著一定的假陽性率。研究表明，ABVS匯聚征雖然對惡性腫瘤診斷的特異性較高，但是也會出現在乳腺腺病、非典型增生及導管內乳頭狀瘤等良性病變中，從而使BI-RADS高估而誤判。因此本研究引入彈性評分參數來綜合評估病灶。彈性成像是利用組織彈性的機械特性在外部壓迫下評估組織的硬度，屬于一種非侵入性技術來客觀的評價腫瘤病灶的軟硬程度，基于惡性病變與良性組織具有顯著的差異性，因此UE可以很好的提高乳腺癌診斷的準確性，而UES是鑒別乳腺良惡性病變最有用的彈性成像參數［20］。本研究依據5分評分法來進行評分后校正BI-RADS分類，UE的AUC為0.885，與常規超聲的AUC存在差異（Plt;0.05），認為UES對乳腺BI-RADS 4類病灶有良好的鑒別價值。有研究對乳腺良惡性病變的實時彈性成像進行Meta分析，包括了22項研究，評估了4713個乳腺結節，報告彈性評分的總體平均敏感度和特異性分別為0.834和0.842［21］，與本研究一致。本研究使用ABVS聯合UE評分對113個病灶的BI-RADS 4類腫塊進行校正，使得彈性評分降低ABVS的假陽性率，而ABVS冠狀面提供的額外信息敏銳地檢出彈性評分類似地乳腺良惡性病灶。研究顯示聯合診斷校正后地AUC面積0.975，說明ABVS聯合UE有助于提高BI-RADS 4類地總體診斷效能。

研究發現，經ABVS聯合UES校正后，3類病灶由原來的0個增加到59個，5類病變從0增加到15例，大量減少了BI-RADS 4類腫塊的診斷，也免去了不必要的手術及穿刺。校正前的72例4A腫塊中，惡性10例，良性62例，采用BI-RADS 4B診斷截值，診斷準確率為86.11%（62/72），經聯合校正后，BI-RADS 4A類病變16例，除1例誤診外其余均為良性病變，診斷率提高至93.75%（15/16）。校正前的10個4C類病灶有1例誤判，診斷率為90%（9/10），經校正后誤判的病灶下調至4B類，另外4個4B類病灶被升至5類，準確率提高至100%（15/15）。經聯合校正后的15例BI-RADS 5類病變術后全部證實為惡性，診斷準確率100%（15/15）。研究數據表明，經聯合校正后，在減少BI-RADS 4類診斷的同時，BI-RADS 4A和4C類的準確率都有不同程度的提高。

本研究的局限性在于：常規超聲診斷BI-RADS 4B類腫塊31例，其中良性病灶15例，惡性病灶16例。經聯合校正后，16例惡性病灶中7例升至4C類，5例升至5類。而被高判的15個病灶中4個病灶被下調為3類，8個病灶被下調為4A類。然而準確率卻由校正前的51.6%（16/31）下降至37.5%。分析原因可能是：樣本量較少，且樣本中BI-RADS類別分布不均，使得統計結果存在偏差；彈性圖像良惡性存在重疊，導致UES診斷困難，本組35例惡性病變中有4例被錯誤評為3分，其中3例為早期浸潤性導管癌，1例為惡性葉狀腫瘤（大部分為液化）。分析原因3例浸潤性導管癌均處于早期，其硬度在早期相對較軟，而葉狀腫瘤因為液化導致質地也偏軟，因此導致UES誤評。此外UES 4分的病例中良性病變有11例，其中纖維瘤4例，腺病4例，導管內乳頭狀瘤1例。經分析大部分為腺病或纖維瘤，可能經歷了長時間的纖維化或鈣化，導致質地較硬。有學者認為在彈性評分3分中存在良性和惡性的重疊［22］。本研究UES 3分位置的重疊主要是乳腺纖維化程度較高的良性病變和非浸潤性或早期浸潤性導管癌。也有文獻報道，可能含有某些特定類型的乳腺癌。如上所述，3分被定義為良性，具有一定的片面性。有研究認為，UES評價3分和4分的病變存在誤診情況，也可能與操作者的主觀因素有關［23］。本研究還顯示，UES聯合ABVS的陰性預測值低于UES和ABVS單獨檢查的陰性預測值，可能與樣本量不足導致偏倚有關。未來的研究將在擴大樣本量和優化UES標準的情況下，進一步探討UE與ABVS聯合診斷對乳腺BI-RADS 4類病變的診斷效能。

綜上所述，UES聯合ABVS對BI-RADS 4類病灶良惡性的鑒別有一定的診斷價值，其敏感度、特異性及AUC均高于單獨使用ABVS或UE。UE聯合ABVS能提高乳腺BI-RADS 4類病灶中惡性病灶的檢出率，降低手術及穿刺的患者人數，有很好的應用前景。

參考文獻：

［1］" " Lei SY， Zheng RS， Zhang SW， et al. Global patterns of breast cancer incidence and mortality： a population-based cancer registry data analysis from 2000 to 2020［J］. 癌癥通訊： 英文， 2021（11）： 1183-94.

［2］" " Cao W， Chen HD， Yu YW， et al. Changing profiles of cancer burden worldwide and in China： a secondary analysis of the global cancer statistics 2020［J］. Chin Med J （Engl）， 2021， 134（7）： 783-91.

［3］" " 李" 崎， 溫力牧， 吳旻驊， 等. 不同年齡段三陰性乳腺癌患者臨床病理特點與生存狀況研究［J］. 現代實用醫學， 2019， 31（3）： 292-5， 276.

［4］" " Burnside ES， Sickles EA， Bassett LW， et al. The ACR BI-RADS experience： learning from history［J］. J Am Coll Radiol， 2009， 6（12）： 851-60.

［5］" " Elezaby M， Li G， Bhargavan-Chatfield M， et al. ACR BI-RADS assessment category 4 subdivisions in diagnostic mammography： utilization and outcomes in the national mammography database［J］." Radiology， 2018， 287（2）： 416-22.

［6］" " Wojcinski S， Gyapong S， Farrokh A， et al. Diagnostic performance and inter-observer concordance in lesion detection with the automated breast volume scanner （ABVS）［J］. BMC Med Imag， 2013， 13（1）： 1-12.

［7］" " Itoh A， Ueno E， Tohno E， et al. Breast disease： clinical application of US elastography for diagnosis［J］. Radiology， 2006， 239（2）： 341-50.

［8］" " 馬" 驥， 張" 艷， 陳青青， 等. 常規超聲聯合ABVS在乳腺BI-RADS 4類小結節診斷中的價值［J］. 同濟大學學報： 醫學版， 2021， 42（6）： 825-30.

［9］" " Evans A， Whelehan P， Thomson K， et al. Quantitative shear wave ultrasound elastography： initial experience in solid breast masses［J］. Breast Cancer Res， 2010， 12（6）： 1-11.

［10］" Ren TT， Li XR， Xiang Y， et al. The diagnostic significance of the BI-RADS classification combined with automated breast volume scanner and shear wave elastography for breast lesions［J］. J Ultrasound Med， 2023， 42（7）： 1459-69.

［11］" "魏均羽， 徐皙婷， 潘麗莎， 等. 自動乳腺全容積成像聯合超聲彈性成像與傳統手持二維超聲對乳腺占位性疾病診斷價值的比較［J］. 廣西醫學， 2017， 39（6）： 786-90.

［12］" 肖" 露， 褚 雯， 王" 華. 超微血管成像技術對乳腺腫瘤血管形態分布特征及其診斷效能的初步分析［J］. 中華超聲影像學雜志， 2018， 27（11）： 973-6.

［13］" Liu XJ， Zhu Y， Liu PF， et al. Elastography for breast cancer diagnosis： a useful tool for small and BI-RADS 4 lesions［J］. Asian Pac J Cancer Prev， 2015， 15（24）： 10739-43.

［14］ Burton GJ， Jauniaux E. Pathophysiology of placental-derived fetal growthrestriction［J］. Am J Obstet Gynecol， 2018， 218（2）： S745-61.

［15］ Wenkel E， Heckmann M， Heinrich M， et al. Automated breast ultrasound： lesion detection and BI-RADS? classification a pilot study［J］. Fortschr R?ntgenstr， 2008， 180（9）： 804-8.

［16］ Xiao YM， Zhou QC， Chen ZH. Automated breast volume scanning versus conventional ultrasound in breast cancer screening［J］. Acad Radiol， 2015， 22（3）： 387-99.

［17］ Kaplan SS. Automated whole breast ultrasound［J］. Radiol Clin N Am， 2014， 52（3）： 539-46.

［18］" Chang RF， Huang SF， Wang LP， et al. Microcalcification detection in 3-D breast ultrasound［C］/2005 IEEE Engineering in Medicine and Biology 27th Annual Conference. Shanghai， China. IEEE， 2006： 6297-300.

［19］ Chen L， Chen Y， Diao XH， et al. Comparative study of automated breast 3-D ultrasound and handheld B-mode ultrasound for differentiation of benign and malignant breast masses［J］. Ultrasound Med Biol， 2013， 39（10）： 1735-42.

［20］ Fleury E. The importance of breast elastography added to the BI-RADS? （5th edition） lexicon classification［J］. Rev Assoc Med Bras， 2015， 61（4）： 313-6.

［21］" Gong X， Xu QH， Xu ZL， et al. Real-time elastography for the differentiation of benign and malignant breast lesions： a meta-analysis［J］. Breast Cancer Res Treat， 2011， 130（1）： 11-8.

［22］" 智" 慧， 羅葆明， 歐" 冰， 等. 對乳腺彈性成像5分評分法的進一步探討［J］. 中國超聲醫學雜志， 2007， 23（5）： 349-51.

［23］" 張加孟， 王" 芳， 尹立雪. 超聲彈性應變率比值法及彈性成像評分法對乳腺腫塊定性診斷的比較［J］. 解放軍醫藥雜志， 2017， 29（11）： 93-5， 100

（編輯：郎" 朗）