超声定量参数的预测模型在乳腺病变中的应用

许仁豪，隋秀芳，裴 蓓，张 行，张 杰

乳腺癌作为女性最常见的恶性肿瘤之一，已经严重威胁女性的健康，早期鉴别诊断尤为重要。超声技术作为筛查乳腺病变的重要手段，其影像学报告及数据系统(breast imaging-reporting and data system，BI-RADS)现已广泛应用于乳腺超声检查中，但对BI-RADS 4级病变良恶性的鉴别仍然十分困难。弹性成像技术中声脉冲辐射力成像(acoustic radiation force impulse，ARFI)技术可以通过测量剪切波速度(shear wave velocity，SWV)来定量反映乳腺组织的硬度；彩色多普勒超声能够显示出病变内的血流信号，测量出血流阻力指数(resistent index，RI)，评价病变内的血流情况。2种技术均可提供定量参数，该研究旨在使用这些定量参数(SWV、RI)构建的分类算法模型来更加精准预测乳腺BI-RADS 4级病变的良恶性，以期降低乳腺穿刺活检率。

1 材料与方法

1.1 病例资料

收集2015年1月—2018年12月间安徽医科大学附属省立医院超声科241例女性患者，年龄13～80(45.0±12.6)岁，每位患者只有最可疑或者最大的病灶被纳入研究，共241个乳腺病变。每个乳腺病变均经过常规超声检查且BI-RADS分级为4级，排除标准为无病理结果、哺乳期及妊娠期。本研究经本院伦理委员会机构批准，并均在患者知情同意下进行。

1.2 仪器与方法

采用Simens Acuson S2000彩色多普勒超声诊断仪，配有9L-4线阵探头，频率为4～9 MHz。首先患者取仰卧位，充分暴露其乳房，对乳腺进行常规超声检查，探查出病灶后，记录部位、边缘、形态、内部及后方回声、有无钙化，再行彩色多普勒超声检查，多普勒的感兴趣区域包括整个病灶和周围少量组织，将彩色增益降低至背景噪声刚好消失，保证最大灵敏度，然后测量出RI并记录，无血流信号时RI记为0。常规超声检查完成后由2位超声诊断经验超过10年的医师对超声图像进行分析诊断，依据2013版BI-RADS分类指南进行分级。之后每一个4级病灶均需继续进行ARFI，此操作由2位经过ARFI技术培训的医师进行操作，每位操作者需开启声脉冲辐射力测量界面，取样框大小固定为6 mm×5 mm。需对同一病灶及病灶同水平腺体分别进行3次测量，综合2人测量值中去掉最大值及最小值计算出平均值，记为SWV、SWV，并计算出SWV/SWV。测量SWV数值显示为X.XX时以9 cm/s计算。

1.3 统计学处理

使用SPSS 24软件进行统计分析。将收集的定量数据RI、SWV、SWV/SWV用ROC曲线来进行诊断准确性的评价。再利用χ自动交互检验方法(chi-squared automatic interaction detector，CHAID)对定量数据进行分类分析，最小子节点和父节点分别设置为5和10。由CHAID自动计算出每个分支的截取值，构建CHAID决策树，即预测模型。其稳定性通过10倍交叉验证得到验证。ROC曲线下面积比较采用

Z

检验，以

P

<0.05为差异有统计学意义。

2 结果

病理结果显示241例乳腺病变中恶性140例(58.1%)，良性101例(41.9%)。恶性病灶包括浸润性导管癌127例、乳腺导管内癌9例、浸润性小叶癌3例、乳腺黏液癌1例；良性病灶包括纤维腺瘤60例、乳腺腺病7例、乳腺慢性炎症14例、导管内乳头状瘤6例、增生结节10例、其他4例。所有定量资料的诊断性能如图1及表1所示。声脉冲辐射力技术中诊断性能表现最佳的为SWV，其ROC曲线下面积为0.858(截断值：3.830 m/s，AUC：0.858)，其次为SWV/SWV，其曲线下面积为0.856(截断值：2.815，AUC：0.856)；在彩色多普勒超声条件下，可以观察出恶性病灶RI明显高于良性病变RI，其ROC曲线下面积为0.781 (截断值：0.695，AUC：0.781)。

图1 SWV肿块、SWV肿块/SWV腺体及RI的ROC曲线比较

表1 定量参数与分类算法的诊断性能

将3种均具有一定诊断性能的定量资料使用CHAID算法分析，得出的分类树状图如图2所示，在SWV、SWV/SWV及RI3种定量资料中，由于SWV/SWV无法使分类树再产生分歧且提高算法的精度，并没有纳入分类算法中。首先，当SWV≤3.958 m/s时，得到节点1，此时再继续考虑RI，当RI≤0.620，得到节点3，恶性概率为3.3%；当RI在0.62～0.79之间，得到节点4，恶性概率33.3%；当RI>0.79，得到节点5，恶性概率为83.3%。当SWV>3.795 m/s时，得到节点2，此时再考虑RI，当RI≤0.71，得到节点6，恶性概率为83.3%；当RI>0.71，得到节点7，恶性概率为100%。对于此分类树，ROC曲线下面积为0.938，明显高于RI、SWV及SWV/SWV的0.781(

Z

=4.72，

P

<0.001)、0.858(

Z

=2.68，

P

=0.003)及0.856(

Z

=2.81，

P

=0.002)，敏感性为98.6%，特异性为57.4%(表1)，该算法使得2例乳腺肿块误诊为良性，2例均为乳腺浸润性癌(图3、4)。

图2 分类算法树形图

图3 乳腺浸润性导管癌

图4 乳腺浸润性导管癌

3 讨论

美国放射学会提出的BI-RADS分类法为乳腺病变的超声诊断提供了规范化的标准，但是当被分到4级时恶性程度为2%～95%，跨度较大，即使再细分为4a、4b、4c 3个亚类，也均要求行穿刺活检。因此如果能对4级病变进一步鉴别诊断，那么既可避免一些不必要的活检穿刺，又能使恶性可能性较大的病变得到及时的诊治。本研究运用彩色多普勒技术及ARFI技术中的定量参数构建乳腺BI-RADS 4级病变恶性风险的预测模型，帮助快速区分出4级病灶中风险较低的良性病灶进行密切随访。

ARFI技术使用声脉冲辐射力使得相应组织产生形变，通过测量形变产生的横向SWV，定量反应组织的硬度。多项研究表明AFRI技术能够用来辅助鉴别乳腺病变的良恶性；并且李俊来 等发现在硬度大小上乳腺浸润性导管癌>乳腺病>纤维腺瘤>腺体。由于大部分乳腺恶性肿块生长迅速并且存在丰富的血管生长因子，使得彩色多普勒下乳腺恶性肿块内部血流信号丰富，RI较高。研究表明乳腺恶性肿块的RI明显高于良性肿块，且多数恶性肿块RI>0.7。

本研究终端节点3中2例误诊为良性的病变最大直径分别为9 mm及8 mm，深度分别为16 mm及20 mm。在肖晓云 等研究中表明乳腺病变过小(最大直径大于1 cm)及病变位置较深(距皮肤表面大于10～12 mm)时均会使弹性成像的诊断效能降低。综合分析考虑本研究2例误诊原因可能因为病变太小或位置太深。

本次研究采用的3种定量资料的分类算法结果表明，纳入SWV和RI时的预测模型有较高诊断性能，其ROC曲线下面积(0.938)高于单独使用彩色多普勒或者声脉冲辐射力技术，并且较高的敏感性(98.6%)保证了预测模型不易漏诊癌症，这与文献研究相似。在分类树的终端节点3中，60个乳腺肿块中仅有2个是恶性，恶性概率仅为3.3%，因此可以考虑对60个病灶进行短期随访。并且此次研究应用的均为定量数据，一定程度的避免了主观上的偏差。研究局限性：本研究为回顾性研究、样本量有限，并且仅限于BI-RADS 4级的病灶，有待于积累更多的病例进行研究，使得算法更具有可靠性及临床相关性。利用SWV及RI 2个定量资料的分类算法建立的预测模型有较高的诊断性能，能够提高BI-RADS 4级乳腺病灶中良性病灶检出率，客观帮助临床决定是否进行穿刺活检，减少不必要的有创检查。