乳腺结节三维剪切波超声成像冠状面参数优化BI-RADS 分类的临床研究

刘 琳，曹秀群，张 博，张海青，孟 磊，赵俊军，潘晓芳

（大连医科大学附属大连市中心医院，辽宁 大连 116033）

乳腺癌发病率已居城市女性恶性肿瘤发病率首位[1]。在以致密性乳腺为主的亚洲女性中，传统超声是目前诊断乳腺结节的重要非侵入性一线检查方法。但临床上普遍应用的传统超声乳腺影像报告和数据系统（BI-RADS）仍然存在过度依赖操作者经验、特异度不高的缺陷[2]。已有研究证实二维剪切波弹性成像（2D-SWE）技术有助于提高传统BI-RADS分类的诊断效能[3]，但乳腺结节主要弹性特征只能在二维的横断面或矢状面图像单一平面上获得，而且无法显示冠状面。实时三维剪切波弹性成像（3DSWE）可以立体全面地展示结节的矢状面、横断面及冠状面的硬度特征，而且每种成像断面能够同时显示多幅层面图像，使评估更加客观准确。本研究旨在比较3D-SWE 冠状面不同弹性指标对乳腺结节鉴别诊断效能，探讨其在优化传统超声BI-RADS 分类中的价值。

1 资料与方法

1.1 研究对象

选取2019 年6 月—2020 年2 月我院乳腺外科住院患者163 例共184 个结节。纳入标准为年龄≥18岁；检后1 月内通过穿刺活检或手术取得病理结果。排除标准为纯囊性结节或蛋壳样钙化结节；目标结节接受过有创操作或放化疗治疗；隆乳术后或孕期、哺乳期妇女。所有患者均签署了知情同意书。

1.2 仪器与方法

传统超声检查及3D-SWE 检查使用彩色超声诊断仪（Supersonic Imagine Aixplorer，法国），探头频率4～15 MHz，三维容积探头频率5～16 MHz，3DSWE 使用Q-BOX 软件分析。行传统超声检查并由高年资超声医师给予BI-RADS 分类。启动3D-SWE模式，在不施加任何压力情况下获得3 个正交切面SWE 图像（图1），选取冠状面模式呈现结节15 幅断层图像（图2）并选择硬度最大切面，将定量工具QBox Ratio 取样框置于结节最硬处测量弹性最大值（Emax）、平均值（Emean）及与周围脂肪组织处比值（Eratio），测3 次取平均值。对美国放射学会BIRADS 分类优化的方法：在3 类、4A 类、4B 类、4C类、5 类之间进行调整，调整原BI-RADS 分类结节，如果3D-SWE 冠状面定量参数值＜截断值时降低1类，降低的下限为BI-RADS 3 类；如果3D-SWE 冠状面定量参数值≥截断值时上调1 类，上调的上限为BI-RADS 5 类。

图1 3D-SWE 图。3D-SWE 三个正交切面。图2 3D-SWE 冠状面图。3D-SWE 冠状面4×4 显示模式定量参数测量。Figure 1.3D-SWE image.Three orthogonal plane of 3D -SWE.Figure 2.3D-SWE image on coronal plane.Measured quantitative parameters in coronal plane 4×4 display mode of 3D-SWE.

1.3 统计学方法

2 结果

2.1 一般情况

163 例患者年龄27～84 岁，平均（50.56±12.14）岁。184 个乳腺结节直径为5～83 mm，平均（16.74±11.90）mm。其中病理诊断良性结节99 个（53.8%），包括纤维腺瘤44 个、乳腺腺病1 个、导管内乳头状瘤13 个、炎症组织2 个、其他（增生病等）39 个；恶性结节85 个（46.2%），包括浸润癌70 个、原位癌7个、黏液癌8 个。

2.2 3D-SWE 冠状面参数的组间比较

随机选择30 个结节由两位检查者分别进行3D-SWE 检查并比较两组测量值间的组内相关系数（ICC），Emax、Emean、Eratio 的ICC 分别为0.97，0.96，0.91，各参数在不同检查者间有较好的一致性。

恶性结节组Emax、Emean 和Eratio 弹性模量值均高于良性组，差异均具有统计学意义（P 均＜0.001）（表1）。

表1 良性与恶性结节组间3D-SWE 冠状面Emax、Emean、Eratio 参数比较（kPa，M（QR））

2.3 3D-SWE 冠状面参数的诊断效能比较

以病理学结果为金标准，分别绘制3D-SWE 冠状面Emax、Emean、Eratio 参数ROC 曲线，其AUC分别为0.939、0.906、0.848。结合两两对比AUC 结果，Emax（最佳截断值为92.1 kPa）显示出最优的诊断效能（图3）。

图3 3D-SWE 定量参数诊断乳腺良恶性结节的ROC 曲线。Figure 3.ROC curves in the diagnosis of benign and malignant breast nodules by 3D-SWE with quantitative parameters.

2.4 传统超声及优化后BI-RADS 分类的诊断效能比较

以3D-SWE 冠状面Emax 截断值92.1 kPa 对传统BI-RADS 分类分别进行优化调整，优化前、后3类、4A 类、4B 类、4C 类、5 类分别用连续变量1、2、3、4、5 表示，绘制ROC 曲线，根据最大约登指数得出最佳截点值均为2.5，即代表优化前、后的BIRADS 分类诊断良恶性最佳截点值均介于4A 和4B类之间，即4A 类及以下诊断为良性、4B 类及以上诊断为恶性。优化后BI-RADS 分类与优化前比较，AUC 明显增加（0.913 vs 0.843，P=0.012），诊断恶性结节的特异度（91.9% vs 63.6%，P＜0.001）及准确度（89.5% vs 75.4%，P＜0.001）均显著提高，敏感度（87.1% vs 87.1%，P=1.000）无变化（图4）。阳性预测值（91.5% vs 70.0%）及阴性预测值（87.6% vs 83.1%）均有不同程度提高。

图4 3D-SWE 冠状面最大弹性值优化前后BI-RADS 诊断乳腺良恶性结节的ROC 曲线。Figure 4.ROC curves of BI-RADS for diagnosis of benign and malignant breast nodules before and after optimization by the coronal plane maximum elastic value of the 3D-SWE.

3 讨论

亚洲女性乳腺腺体以致密型为主，超声较钼靶更广泛应用于临床。超声BI-RADS 分类这一半定量方法仍有特异性不足、高度依赖操作者经验等缺陷[2]。本研究显示超声BI-RADS 分类诊断乳腺恶性结节的敏感度和特异度分别为87.1%和63.6%，这与既往结果一致[4]。

SWE 成像技术在灰阶超声的基础上可以定量评估组织的硬度。2D-SWE 通过定量评价结节横断面及矢状面硬度信息，提高了超声诊断乳腺癌的准确性[3-4]。但2D-SWE 仅能在矢状面或横断面二维单一图像上手动逐帧寻找选择最硬点，3D-SWE 可以立体全面地展示结节的矢状面、横断面及冠状面的硬度特征，而且每种成像断面能够在屏幕上同时显示15 个断层切面，更快速准确判断结节最硬位置并获取其弹性模量值。已有一些研究证实3D-SWE 鉴别诊断乳腺结节的能力与2D-SWE 相当[5-6]。本研究通过选取2D-SWE 无法显示的3D-SWE 冠状面参数来证实其独立于2D-SWE 及三维其他切面的诊断价值。

本研究显示乳腺恶性结节组3D-SWE 冠状面定量参数Emax、Emean 及Eratio 弹性模量值均显著高于良性结节组，且差异均有统计学意义，这与其他学者的报道结果一致[5-6]。我们通过对三维冠状面参数的AUC 比较发现Emax 显示出更优的诊断效能，可能和这一指标能够反映结节组织硬度最大值这一最具代表性的信息有关，有文献报道Emax 与对肿瘤形成起重要作用的胶原蛋白特征的相关度比Emean 更好[7]。本研究的3D-SWE 冠状面定量参数Emax 最佳截断值诊断乳腺恶性结节的效能可与部分2D-SWE 参数研究结果媲美[6，8]，这一结果反映了3D-SWE 冠状面弹性参数在保证较高重复性的前提条件下，其诊断效能并不逊色于2D-SWE，也高于或相当于以往3D-SWE 多切面联合研究的结果[6，9]。

通过3D-SWE 冠状面Emax 截点值优化后的BI-RADS 分类与传统BI-RADS 分类比较显示，优化后的分类显示出更优的AUC 以及特异度、阳性预测值、阴性预测值和准确性。根据3D-SWE 冠状面Emax 优化后，原B1-RADS 分类误诊的47 个结节中有31 个假阳性和5 个假阴性共36 个结节得到纠正，但新将5 个恶性结节错判为良性结节，3 个良性结节误诊为恶性。以上结果说明部分乳腺良恶性肿物的弹性值可能会出现交叉重叠现象，根据以往研究[10-11]，早期浸润性癌因结节较小等原因常会出现假阴性结果，而纤维腺瘤内增多的胶原纤维及钙质成分也可一定程度增加结节的硬度。Emax 参数反映的是组织最硬处信息，因恶性组数值离散度较良性组大，故其重叠部分会导致更多的假阴性病例，因此Emax 在明显提高诊断特异度的同时并未提高原分类的敏感度。这一诊断特征更适用于低风险人群的鉴别诊断，有助于校正不必要的治疗方案。

有研究发现反映结节整体硬度离散度的Esd 参数也能表现出较优的诊断能力[7]，但因本研究初期使用的感兴趣区仅为结节最硬处而非结节整体，故此参数的诊断效能需进一步增加病例深入研究。

3D-SWE 冠状面Emax 参数在优化乳腺结节传统BI-RADS 分类方面具有可行性，在不降低敏感度的前提下，显著提高了鉴别诊断乳腺结节性质的精准性，减少了误诊率，使临床治疗有的放矢。