人工智能辅助超声检查在甲状腺结节良恶性判别中的应用

耿祖仕,樊玉霞,卢秀波,赵海鑫

郑州大学第一附属医院甲状腺外科 郑州 450052

甲状腺癌是内分泌系统最常见的恶性肿瘤之一,过去30 a来,中国甲状腺癌发病率持续上升,并且预计这一趋势将持续下去[1]。超声检查是甲状腺结节初筛与诊断的首选方法,具有无创和费用低廉等特点。但超声检查受人为主观因素影响较大,不同超声医师对同一甲状腺结节的判断可能差别巨大[2]。细针穿刺活检(fine needle aspiration biopsy,FNAB)目前被认为是术前诊断甲状腺结节良恶性的金标准,但该技术不仅有创,而且在临床指征把握、穿刺取材以及结果判读水平上参差不齐[3-5]。近年来,更加简便的AI辅助超声检查系统已被开发出来,可以实现在超声检查过程中实时同步分析影像并给出判断结果,其在甲状腺结节良恶性判别中的作用越来越凸显[6]。本研究探讨了AI辅助超声检查系统在术前甲状腺结节良恶性判别中的应用价值。

1 对象与方法

1.1 研究对象收集2021年11月至2022年5月就诊于郑州大学第一附属医院的874例患者、共计1 010个甲状腺结节的资料。纳入标准:①结节均经AI辅助超声检查有明确结果,操作均由同一位甲状腺专科医师完成。②均行患侧甲状腺手术并有明确的术后病理结果。排除标准:AI辅助超声检查前有甲状腺手术或穿刺活检等有创操作史者。874例患者中,男201例,女673例;年龄18～84岁。其中374例患者的405个甲状腺结节在术前进行了FNAB检查。本研究已获得该院伦理委员会的批准。

1.2 AI辅助超声检查本研究采用某公司研发的Ian Thyroid Solution 100(简称ITS100)超声影像智能检查系统。硬件包括主机、GE Vivid iq超声诊断仪、GE 9L-RS线阵探头、AI辅助显示屏等。该系统前期已使用大量数据建立了训练模型,在临床应用时可自动实时定位甲状腺结节,提取结节特征如最大直径、纵横比、边界是否清晰、形态是否规则、回声、钙化灶等,并给出预测结果。预测结果为恶性时显示红色,记为“M”(Malignant);预测结果为良性时显示绿色,记为“B”(Benign);并给出一个判断结节良恶性的概率值(范围0～1,非结节良恶性程度),该值越大表示AI对判定结果越有把握。由同一位具有8 a甲状腺外科诊疗经验的医师操作系统对患者进行检查。患者取去枕仰卧位,充分暴露颈部,依据实际情况,调节ITS100系统的聚焦、深度和增益等参数,以获取最佳超声影像信息。按照先左叶后右叶、由上至下、由内向外的顺序对甲状腺的横切面、纵切面进行扫查,当机器界面显示稳定的“M”或“B”且概率值>90%时认为结果有效。每个患者均进行3次有效规范化扫查,取出现2次以上的判断结果为最终结果。

1.3 病理学检查FNAB结果按TBSRTC分级(Bethesda系统)分为Ⅰ～Ⅵ级,其中Ⅰ级为无法诊断/不满意,Ⅱ级为良性,Ⅲ级为意义未确定的异型性/意义未确定的滤泡性病变,Ⅳ级为滤泡性肿瘤/可疑滤泡性肿瘤,Ⅴ级为可疑恶性,Ⅵ级确定为甲状腺癌;将Ⅰ～Ⅳ级合并判定为良性,Ⅴ～Ⅵ级为恶性。甲状腺术后病理和FNAB结果均由两名以上的专业病理科医师出具规范化病理报告。

1.4 统计学处理使用SPSS 21.0进行统计分析。以术后病理结果为金标准,分析AI辅助超声检查的诊断效能和FNAB的诊断效能,包括敏感度、特异度、准确度、约登指数。AI辅助超声检查与FNAB检查结果的比较采用McNemar检验。检验水准α=0.05。

2 结果

2.1 AI辅助超声检查诊断效能分析1 010个甲状腺结节中,术后病理检查示恶性结节846个,其中838个为甲状腺乳头状癌,2个为滤泡性甲状腺癌,5个为甲状腺髓样癌,1个为甲状腺鳞癌;交界性或良性结节164个,包括恶性潜能未定的滤泡性肿瘤、结节性甲状腺肿、滤泡性腺瘤等。AI辅助超声检查对1 010个甲状腺结节的分析结果见表1,诊断敏感度为92.6%,特异度为66.5%,准确度为88.3%,约登指数为0.591(P<0.001)。

表1 1 010个甲状腺结节AI辅助超声检查的结果 个

2.2 AI辅助超声检查与FNAB的诊断效能比较405个术前进行超声引导下FNAB检查与AI辅助超声检查的甲状腺结节良恶性判定结果见表2。对于病理诊断为恶性的347个结节,AI辅助超声诊断的敏感度高于FNAB(表3);对于病理诊断为良性的58个结节,AI辅助超声诊断的特异度低于FNAB(表4);AI辅助超声诊断的准确度高于FNAB(表5)。

表2 405个甲状腺结节AI辅助超声检查与FNAB的诊断结果 个

表3 347个恶性甲状腺结节的AI辅助超声检查与FNAB诊断结果的比较 个

表4 58个良性甲状腺结节的AI辅助超声检查与FNAB诊断结果的比较 个

表5 405个甲状腺结节的AI辅助超声检查与FNAB诊断结果 个

3 讨论

近年来随着AI技术的飞速发展,越来越多基于AI的计算模型实现了对甲状腺结节的精确识别,并已成功从实验研究阶段迈入临床试用阶段[6]。AI辅助超声在具备单独超声检查优点的情况下,更少受到操作医师主观经验的影响,其结果判读也简便易懂。本研究对ITS100超声影像智能检查系统诊断甲状腺结节良恶性的结果进行了评价。

与既往研究[7]相比,本研究纳入了更多的甲状腺结节数量。在1 010个甲状腺结节中,AI辅助超声诊断结果的敏感度为92.6%,特异度为66.5%,准确度为88.3%,约登指数为0.591。已有多项研究[8-10]表明,AI辅助超声的诊断性能可以与经验丰富的放射科医生相媲美,对于直径1.5 cm以上的甲状腺结节可以减少一些不必要的穿刺[11]。还有多中心研究[12]显示AI联合ACR TI-RADS分级诊断可显著减少推荐进行活检的良性甲状腺结节数量。本研究还比较了405个甲状腺结节的AI辅助超声检查和FNAB的判定效能。结果显示,AI辅助超声检查的敏感度高于FNAB,特异度低于FNAB,准确度高于FNAB。甲状腺恶性肿瘤多为生物学行为较为惰性的乳头状癌,且近年来逐步增长的甲状腺癌发病率并没有合并与之同步增长的疾病特异性病死率[13],惰性甲状腺癌的过度治疗有可能增加对患者的伤害[14]。作者认为AI辅助超声检查与FNAB相比更适合用于甲状腺恶性肿瘤的初步筛查,但单独AI辅助超声检查用于恶性病例的确诊需要谨慎。

本研究由于进行手术治疗的患者多为恶性病例,导致结果可能出现一定偏倚。总体而言,AI辅助超声检查对甲状腺结节的良恶性判别有较高的敏感度和准确度,可辅助临床医师较好地开展疾病的筛查与诊断。鉴于目前AI辅助超声发展尚处于初级阶段,应用时间尚短,随着AI系统数据库的完善尤其是良性结节样本的优化学习,其诊断效能会进一步提升,并以其无创、实时快速、可重复、受人为因素影响小等优点,在临床应用前景巨大。