超声智能化诊断技术联合弹性成像在鉴别甲状腺良恶性结节中的价值

王翔 谌兰 宋俊琨 王义(通信作者)

438300湖北省麻城市人民医院超声医学科，湖北麻城

甲状腺结节在成人群体中的发生率达50%[1]。随着超声技术的不断发展，超声弹性成像(SWE)技术广泛在临床上使用，其在乳腺、肝脏部分肿块良恶性鉴别中具有较高的诊断准确率，但SWE 技术单一应用，其灵敏度与特异度均较低，需要联合新技术提高灵敏度和特异度。随着人工智能的发展，超声智能化诊断(S-Detect 技术)应运而生[2]，该技术能够对特定包块的形态学特征进行图像分析，是一种计算机辅助诊断技术(CAD)软件[3]。S-Detect 技术能够借助肿瘤检查的病理数据进行分析，得出病变特征，进而为临床选定图像提供良恶性的判别建议。但目前对S-Detect 技术联合SWE 技术对甲状腺结节的良恶性鉴别诊断鲜有研究[4]。本文对选择的甲状腺结节患者实施S-Detect+SWE 技术检查，旨在对比联合诊断与单独诊断对患者的临床鉴别诊断效果。现报告如下。

资料与方法

选取2019年9月-2021年12月在湖北省麻城市人民医院实施甲状腺肿块超声检查，并实施穿刺或手术的87例患者，作为研究对象。入选患者中，男45例，女42例，年龄23～75岁，平均(49.34±4.63)岁。

纳入标准：①有明确的1 个或1 个以上的甲状腺结节；②即将进行FNAB或外科手术；③年龄≥18岁；④本研究经患者及家属知情同意且经我院伦理委员会批准。

排除标准：①患有对试验不利或对其他入选者构成威胁的疾病，如精神类疾病；②孕期或哺乳期妇女；③超声图像质量差，不能满足参数测量和分析；④有甲状腺手术史或甲状腺穿刺活检史，接受过放化疗；⑤检查后没有穿刺或手术病理结果；⑥穿刺或手术后没有获得明确良恶性诊断；⑦单纯囊性结节、钙化灶；⑧肿块过大或者过小，导致S-Detect系统无法识别肿块边界；⑨基本资料不完整。

方法：①SWE 组：对患者进行常规超声+SWE 技术检查，入选患者采取Resona7 超声诊断仪器，探头频率5～13 MHz，设定预设的乳房检查条件，超声上机操作由我院2 名超声科医生完成，医生要具备5年以上的超声诊断资质，且遵循双盲法原则完成检查。检查时，使患者取仰卧位，必要时采取侧卧位，检查中要充分暴露结节部位，行二维超声，检查时要记录甲状腺结节超声特征。然后对患者进行SWE 技术检查，将模式切换至SWE 模式，探查患者的甲状腺，探头与体表要垂直，在压力指数达到规定值时截取并将图像给予保存，观察颜色分布情况，经由派出的1名经验丰富的超声医生进行弹性图像评分，方法为采用SWE 技术在纵切面与横切面上实施，得出弹性评分与弹性评分的比值，超声医生第3次给出良恶性判定结果。②智能组：对患者进行S-Detect 技术检查，入选患者采用三星RS80A 型彩色多普勒超声诊断仪进行检查，频率5～3 MHz，首先在2D 模式下横切、纵切甲状腺病灶，采用肿块最大径与其垂直切面作标准层面，而后切换至S-Detect模式，软件自动对甲状腺病灶区域进行勾画，对自动分析程序给予激活，对结节性质进行评价，评价方法为使用S-Detect技术在纵切面与横切面上实施，由1名经验丰富的医生在第2 次给出良恶性结节判断结果。③联合组：S-Detect+SWE技术检查，检查方法同SWE组+智能组。

观察指标：①S-Detect：在内置算法的指导下，S-Detect 的二维图像可能诊断为两种类型：一种是良性；一种为恶性；对病灶的具体参数进行观察且导出，如病灶成分、边缘、方向、强度等。②SWE：0～4 分，病灶被不同颜色标记着，其中红、蓝两色，以0分表示，或者三种颜色混合(红、绿、蓝)也代表0分；病灶区域(周围组织)呈现绿色，以1 分表示；病灶区域主要为蓝色、绿色，且以绿色为主，以2分表示；蓝绿色，且蓝色较多，以3分表示；在蓝色覆盖下的病灶区域，这可诊断为恶性结节，分数多在3分及3分以上。

统计学方法：采用SPSS 22.0 统计软件，计量资料以(±s)表示，采用t检验；计数资料以[n(%)]表示，采用χ2检验；以P＜0.05为差异有统计学意义。

结 果

三种检查方法与病理检查结果情况分析：87 例患者中，SWE 组恶性结节43 例，智能组恶性结节45例，SWE组恶性结节56例。见表1。

表1 三组患者与病理检查结果情况分析(n)

三组检查方式对患者良恶性结节鉴别诊断灵敏度、特异度比较：联合组检查方法对患者良恶性结节鉴别诊断的灵敏度与特异度分别为91.80%、92.30%，其均明显高于SWE 组与智能组，差异有统计学意义(P＜0.05)。见表2。

表2 三组患者的灵敏度、特异度比较(%)

讨 论

大部分甲状腺结节患者在不明确诊断的情况下行手术治疗，这不仅不能促进疾病转归，反而影响患者健康，增加医疗负担[5-6]。近年来随着影像技术的发展，甲状腺结节的检出率逐年提高，但是在判断结节良恶性方面准确率不高，有较多甲状腺结节患者在无最终定性诊断下进行手术治疗，这给患者健康和经济均带来较大负担。为了避免此类不必要的穿刺活检及手术，2009年，Horvath 等通过前瞻性研究分析1 097例甲状腺良恶性结节，提出了甲状腺超声影像和数据报告系统(TI-RADS)模块化的分类方法，但较为复杂[7]。2017年ACR 发 布 新 版TI-RADS 分 类。ACR 的TI-RADS 主要依据甲状腺结节的5 个特征来进行分类：成分、回声、形态、边缘、有无强回声。在这5个特征中不同的表现给予不同的分值，最后加在一起得到的分数，作为TI-RADS 分类的判断标准。分类越高，恶性风险越大[9]。

SWE 技术可以对检测部位进行区别，其也能区别受检器官软硬程度，对病灶的位置、形状、病变及大小加以监测分析，但仅仅依靠该技术，无法确保其准确性，原因在于该技术不仅灵敏度较低，特异度也不是非常理想。S-Detect 技术是一种新兴的计算机辅助诊断方法，以韩国和Russ TI-RADS 分级、ATA 指南分级为诊断基础，利用深度学习模型CNN 自动检测和分析甲状腺肿瘤内部结构、回声高低、边界、方向、形态等信息实现病灶良恶性诊断[10]。S-Detect 技术的应用不仅可以提高诊断准确性和可重复性，还能大大降低超声医生的工作压力，对初学者和临床医生有重要的参考价值[11]。但是由于S-Detect 技术分析图像主要应用于灰阶超声图像信息，采用纵切面、横切面两次分析甲状腺结节，当判断结果不一致时[12]，取恶性，且未采纳弹性等相关信息，会高估S-Detect技术诊断恶性病例。本研究显示，联合组对患者的鉴别诊断价值更高，其对良恶性结节的鉴别诊断的灵敏度为91.80%，诊断特异度为92.30%，与其他两组相比，联合组的检查方式更具优势。提示S-Detect 技术+SWE 技术在甲状腺良恶性结节中具有较好的鉴别诊断价值。

综上所述，S-Detect技术联合SWE技术在甲状腺良恶性结节中具有较高的诊断价值，两者联合可提高诊断结果的一致性、特异性和灵敏度，能为临床甲状腺结节良恶性程度提供较好的诊断依据。