超声新技术提升乳腺影像报告和数据系统分类特异度应用进展

王心怡，崔立刚

(1.北京大学第三医院超声科，北京 100191；2.北京大学肿瘤医院暨北京市肿瘤防治研究所乳腺中心 恶性肿瘤发病机制及转化研究教育部重点实验室，北京 100142)

乳腺影像报告和数据系统(breast imaging reporting and data system， BI-RADS)系美国放射学会为统一乳腺X线摄影术语而提出，2003年第4版BI-RADS首次加入乳腺超声相关内容，而2013年第5版不仅修订了部分超声术语，还对弹性成像做了相应规范。目前BI-RADS已得到临床普遍认可，成为标准化报告的质量保证，其核心内容之一是对乳腺肿物进行分类评估，如4类肿物的恶性概率为2%～94%，建议取得组织病理学诊断。第5版将BI-RADS 4类肿物细分为3个亚类，但未改变对BI-RADS 4a类肿物(恶性可能>2%，但≤10%)进行活检的建议。临床工作中，医师难以判定为BI-RADS 3类或4a类时，常倾向于将肿物分入BI-RADS 4a类，意在避免漏诊，但可能带来非必要的活检[1]。超声是筛查乳腺癌最常用的影像学方法之一，超声BI-RADS分类对于乳腺肿物的临床决策至关重要，但其诊断特异度偏低，如何降低假阳性率成为亟待解决的问题。本文对乳腺超声新技术，包括超微血管成像(superb microvascular imaging， SMI)、全自动乳腺容积扫描(automatic breast volume scanner， ABVS)、弹性成像、超声造影(contrast-enhanced ultrasound， CEUS)及人工智能(artificial intelligence， AI)辅助BI-RADS精准分类研究进展进行综述。

1 SMI

相比良性肿瘤，恶性肿瘤丰富的新生血管是其生长和转移的基础，也是血流成像鉴别乳腺良恶性肿瘤的依据之一。SMI利用多普勒原理，采用新的算法以有效显示低流速的微小血管，可弥补传统彩色多普勒血流成像显示肿瘤新生小血管的不足，是目前最新的血流成像技术，其诊断乳腺良恶性肿瘤的特异度已超越常规超声[2]。CAI等[3]以血管指数≤4.0%作为BI-RADS 4类肿物降级的标准，将24.32%(54/222)4类肿物降为BI-RADS 3类，仅漏诊1例。PARK等[4]以血管指数与其他定性特征为标准，将BI-RADS 4a类中34.29%(12/35)的良性肿物准确降级，且未出现漏诊。相反，ZHU等[2]借助SMI的多种特征进行BI-RADS二次分类时，不仅未能降级，反而将2个良性肿物错误升级。王希等[5]建议，遇SMI显示BI-RADS 4～5类肿物血管管径均匀、走行平直或有伴行动静脉时，可适当降级，但仅适用于富血供肿物。探头加压力度、肿物深度及血管走行均可能影响SMI显示血流效果。目前对于SMI是否有助于提升BI-RADS的特异度尚无定论，单独以SMI辅助BI-RADS分类时仍需谨慎。

2 ABVS

作为新型超声容积成像技术，ABVS最早于2012年在美国获准用于临床。ABVS可在减少手持超声人为因素影响的同时提供多切面重建图像，是常规超声检查的重要补充；其诊断效能与常规超声相当[6]，且二者联合诊断的敏感度、特异度和准确率均高于常规超声[7]。目前多数ABVS研究[8-9]仅关注如何提升恶性肿物检出率，如“汇聚”征及卫星灶等。van ZELST等[10]回顾性分析96个乳腺肿物的容积数据，发现为不同观察者提供多切面重建图像后，可将3%～18%良性肿物正确降级，但类似研究并不多见。虽然ABVS已经上市多年，但图像分析工作量较大，国内较少将其用于乳腺常规检查。

3 超声弹性成像

弹性成像是对组织硬度进行成像。临床所用弹性成像系统主要为应变弹性成像(strain elastography， SE)和剪切波弹性成像(shear wave elastography， SWE)。可用于临床的SE系统最早于2003年问世，操作时需施加外力以引发组织形变，且仅能实现定性或半定量评估。随后出现的SWE系统则使用机械压力或声脉冲辐射力引导组织产生形变，通过剪切波速度定量评估组织硬度。

弹性成像对乳腺肿物有较高诊断价值。ALHABSHI等[11]提出BI-RADS与SE联合诊断既不降低敏感度，又能将常规超声的特异度由61.4%提升至93%。SEO等[12]发现常用定量和半定量特征的诊断效能相似，SWE与SE辅助BI-RADS 4a类肿物降级时，分别可将100%和90%肿物准确降至BI-RADS 3类。BERG等[13]采用多中心研究分析SWE的9个定量和定性特征，发现超声BI-RADS与任一特征联合均可提高诊断效能，以最大硬度值和目测评分为最佳；且超声BI-RADS联合SWE可明显提升诊断特异度，而并未显著降低敏感度，可减少不必要的活检。部分研究[14]认为SWE定性特征——“硬环”征(肿物周边硬度增高区呈环形)具有较高特异度，联合BI-RADS可显著降低活检率。WANG等[15]以剪切波速度或平均杨氏模量作为评价指标，发现BI-RADS与SWE联合诊断同样能提升特异度。

虽然弹性成像辅助常规超声可有效减少不必要的活检，但仍然存在一定局限性，如第5版BI-RADS评价硬度时采用定性指标，却未明确各等级的划分标准。此外，受设备和人为操作影响，作为诊断临界值，应变比在不同研究之间相差较大，而文献提供的数值在实际操作中可能缺乏参考价值。

4 CEUS

CEUS借助微泡造影剂显示肿物的微血管和血流灌注，以增强血流与组织回声对比，由此提升了超声诊断的敏感度和特异度。XIAO等[16]认为单独使用CEUS鉴别乳腺良恶性小结节(直径<1 cm)的特异度超过SE，以CEUS和SE分别辅助BI-RADS降级，可使41.3%和31.4%的良性肿物患者免于活检，而漏诊率仅为1.1%和2.3%。LUO等[17]归纳出6种强化模式，在对235个BI-RADS 4类肿物进行假设性升降级后，活检率由100%降至50.64%。LEE等[18]则得出更简单的降级方法，即对边界清晰且无强化或均匀强化的椭圆形BI-RADS 4类肿物可免于活检，以此标准筛选后活检率可降低31%。以上结果表明，常规超声联合CEUS可降低诊断假阳性率，大幅减少不必要的活检。但CEUS属有创操作，且需排除造影剂过敏等禁忌证，长达10 min的检查时间也不便于临床常规使用。另外，乳腺良恶性肿物的CEUS强化模式和诊断标准尚未统一，限制了该技术的推广。

5 AI

AI是计算机科学的分支，将其引入医学领域的目的在于模拟甚至超越医生的诊断能力，提高诊断准确率。近年AI在乳腺癌影像学诊断领域发展迅速。FUJIOKA等[19]研究表明，以AI分析乳腺肿物的超声图像，诊断特异度明显高于医师。但大部分超声领域AI研究为单中心、小样本研究，所用算法仍处于研发阶段，尚未经过临床验证。目前已实现商业化的超声AI系统屈指可数，国内获准临床应用的系统为内置于Samsung RS80A超声仪中的“S-Detect for breast”。

LI等[20]对10项针对S-Detect自身诊断效能的研究进行Meta分析，合并敏感度和特异度分别为0.82和0.86，受试者工作特征曲线下面积为0.89，提示AI具有较高的诊断特异度和准确率，或可成为优化乳腺肿物活检适应证的有效辅助方法。然而目前的S-Detect临床研究主要集中在与医师诊断效能相比较，认为其诊断准确率、特异度和阳性预测值均高于医师[21]，S-Detect辅助下可显著提升医师的诊断效能[22-23]，且对低年资医师尤为明显[24]。BARTOLOTTA等[24]提及S-Detect有助于BI-RADS分类正确升降级；PARK等[23]发现不同观察者在S-Detect辅助下对肿物降级的准确率高达89%～100%，但并未继续深入分析。冯杰等[25]在S-Detect辅助下对46.15%(24/52)的BI-RADS 4类肿物进行假设性降级，显著减低了活检率及假阳性率，且漏诊率无明显增加。WANG等[26]采用S-Detect分析43个BI-RADS 4a类乳腺肿物，发现当2个最大垂直切面的诊断结果均为良性时可将肿物降至3类，且未出现漏诊。由于相关研究样本量偏低，仍需大样本或多中心的试验证实上述论点。为进一步提升诊断效能，AI辅助多种超声成像模式联合诊断已开始受到关注[27]，相信随着技术的进步，AI在优化乳腺肿物活检适应证方面将会体现出自身价值。

6 小结

并非所有研究者均对超声新技术辅助BI-RADS分类降级持肯定态度。KIM等[28]依据SWE最大硬度值对BI-RADS 4a类小结节(直径≤2 cm)进行降级，诊断特异度得到显著提升，但漏诊率由0升至3.8%。研发既能提升诊断特异度而又不降低常规超声敏感度的辅助成像技术是当前研究的重中之重。虽然在常规超声基础上联合多种技术多参数诊断可能具有更好的诊断效能并提高观察者间一致性和减少假阳性[29]，但其是否具备临床操作可行性尚需探讨。

综上，弹性成像及CEUS均为辅助BI-RADS分类降级的有效方法，弹性成像普及率高、更易在临床开展；ABVS及AI辅助BI-RADS分类降级的报道较少，但近年AI发展迅速，前景广阔。采用超声新技术对乳腺肿物BI-RADS分类降级时还应权衡利弊，在漏诊率可接受的前提下谨慎而行。