卵巢-附件影像报告和数据系统在卵巢肿瘤良恶性鉴别诊断中的应用价值

宋海曼 何 文* 康睿君,2 王立淑 于腾飞 张 巍

(1.首都医科大学附属北京天坛医院超声科,北京 100070;2.中日友好医院超声科,北京 100029)

卵巢肿瘤是女性生殖系统中较为常见的肿瘤,大部分为良性肿瘤,但卵巢恶性肿瘤则是恶性程度较高的肿瘤,病死率居女性生殖系统恶性肿瘤的首位[1]。由于其发病隐匿,早期无明显临床症状,确诊时多已进展至晚期,而晚期卵巢癌的5年生存率<50%[2],早期诊断卵巢癌并对其进行规范化治疗及管理,可以提高5年生存率,降低病死率[3]。超声是卵巢肿瘤的首选检查方法[4],在卵巢肿瘤良恶性鉴别中起着至关重要的作用。为了规范卵巢肿瘤的超声术语,提高术前卵巢肿瘤良恶性风险评估的准确性,2020年,美国放射学会(American College of Radiology,ACR)超声工作组发布了卵巢附件报告和数据系统(ovarian-adnexal reporting and data system,O-RADS)[5],该指南根据卵巢肿瘤的特征对其进行风险分层并给出管理建议。本研究旨在分析O-RADS在卵巢肿瘤良恶性鉴别中的诊断效能,并与不同级别超声医生诊断卵巢肿瘤良恶性进行比较,进一步评价O-RADS系统在临床中的应用价值。

1 对象与方法

1.1 研究对象

回顾性分析2019年1月至2022年6月就诊于首都医科大学附属北京天坛医院的卵巢肿瘤患者200例,年龄13～86岁,中位年龄44岁。纳入标准:①在本院进行手术治疗,有明确术后病理结果者;②超声图像完整、清晰,可进行O-RADS分类者。排除标准:①无明确手术病理者;②超声图像不完整无法进行O-RADS分类评估者。本研究经医院伦理委员会审批通过(伦理审查编号:KY-2018-105-04)。所有患者均签署知情同意书。

1.2 仪器与方法

1.2.1 仪器

采用Voluson E8/E10、Logic E9(均购自美国GE公司)及EPIQ 7超声诊断仪(购自荷兰飞利浦公司),配备低频凸阵超声探头(频率1～5 MHz)及经阴道超声探头(频率5～9 MHz),首选经阴道超声检查,必要时联合经腹部超声检查。

1.2.2 方法

分别由一名高年资超声医生(妇科超声工作年限>5年)和一名低年资超声医生(妇科超声工作年限<1年)对200例病例图像进行判读,记录肿瘤良恶性判读结果。由另外两名经过培训的低年资超声医生参考 O-RADS超声风险分层和管理系统,对200例病例图像进行O-RADS分类,分类结果不同时由两人共同商议得出最终分类结果。O-RADS超声风险分层和管理系统将附件肿物分为0～5类,标准分别为①0类,评价不完全;②1类,绝经前正常卵巢,包括≤ 3 cm 的单纯性囊肿及黄体囊肿;③2类,几乎可以肯定是良性(恶性风险<1%),包括:a.单纯性囊肿(<10 cm);b.典型良性病变:卵巢出血性囊肿、典型卵巢成熟性畸胎瘤及典型卵巢子宫内膜异位囊肿(<10 cm);单纯卵巢旁囊肿、典型的单纯性腹膜包涵囊肿、典型输卵管积水(任意大小);c.囊内壁光滑的非单纯的单房囊肿(<10 cm);④3类,低度恶性风险(恶性风险≥1%且<10%),包括:a.单房囊肿≥ 10 cm(单纯或非单纯性囊肿);b.典型黄体囊肿、卵巢子宫内膜异位囊肿及卵巢出血性囊肿≥ 10 cm;c.有厚度<3 mm 的不规则内壁的单房囊肿,任意大小;d.多房囊肿<10 cm,内壁光滑,彩色血流评分 1～3 分;e.实性,光滑,任意大小,彩色血流评分 1 分;⑤4类,中度恶性风险 (恶性风险为≥10%且<50%)包括:a.多房囊肿:没有实性成分;≥ 10 cm,内壁光滑,彩色血流评分 1～3 分;任意大小,内壁光滑,彩色血流评分 4 分;任意大小,内壁不规整和(或)分隔不规整,任意的彩色血流评分;b.有实性成分的单房囊肿:任意大小,0～3 个乳头样突起,任意彩色血流评分;c.有实性成分的多房囊肿:任意大小,彩色血流评分 1～2 分;d.实性肿物:光滑,任意大小,彩色血流评分 2～3 分;⑥5类,高度恶性风险 (恶性风险≥50%),包括:a.单房囊肿,任意大小,有≥ 4 个乳头状突起,任意血流评分;b.有实性成分的多房囊肿,任意大小,彩色血流评分 3～4 分;c.实性肿物,光滑,任意大小,彩色血流评分 4 分;d.实性肿物,不规整,任意大小,任意血流评分;e.腹腔积液,有或无腹膜结节。

1.3 统计学方法

采用SPSS 27.0统计学软件进行数据分析。计量资料以M(P25,P75)表示,行秩和检验;计数资料以频数表示,行χ2检验,以P<0.05为差异有统计学意义。以病理结果为金标准绘制受试者工作特征(receiver operating characteristic, ROC)曲线,获得曲线下面积(area under the curve, AUC),计算约登指数,得到最佳截断值。分别计算低年资医生、高年资医生及O-RADS分类诊断卵巢肿瘤良恶性的灵敏度、特异度、阳性预测值、阴性预测值、正确率及与病理结果的一致性,即Kappa值。

2 结果

2.1 一般资料

200例患者共222个卵巢肿瘤纳入研究,病理结果为良性132例,共147个,包括成熟性畸胎瘤43个,子宫内膜异位囊肿30个,囊腺瘤(浆液性、黏液性)47个,单纯性囊肿4个,卵泡膜纤维瘤12个,纤维瘤4个,硬化性间质瘤、颗粒细胞瘤各2个,卵巢甲状腺肿、良性Bernner瘤、浆细胞瘤各1个;病理结果为恶性68例,共75个,包括囊腺癌(浆液性、黏液性)33个,交界性囊腺瘤28个,子宫内膜样腺癌5个,未成熟畸胎瘤、转移癌各2个,卵巢类癌、透明细胞癌、卵黄囊瘤、恶性Bernner瘤、鳞状细胞癌各1个。恶性肿瘤患者年龄及肿瘤最大径大于良性肿瘤,差异有统计学意义(P<0.05),双侧卵巢发病占比在良性肿瘤及恶性肿瘤患者间差异无统计学意义(P>0.05)。详见表1。

表1 卵巢良性、恶性肿瘤患者相关资料比较Tab.1 Comparison of characteristics of the patients with benign and malignant ovarian tumors [M(P25,P75),n(%)]

2.2 卵巢肿瘤O-RADS分类结果

222个卵巢肿瘤中,O-RADS 2类88个、3类37个、4类65个、5类32个;O-RADS 2～5类中恶性占比分别为4.55%(4/88)、2.27%(1/37)、49.0%(25/51)、97.8%(45/46)。

2.3 O-RADS诊断卵巢肿瘤良恶性的诊断效能

以病理结果为金标准绘制ROC曲线(图1),O-RADS诊断卵巢肿瘤良恶性的AUC为0.892[95%CI:0.841～0.943),P<0.01],最佳截断值为O-RADS>3类,约登指数为0.75。以O-RADS>3作为恶性诊断标准,O-RADS诊断卵巢肿瘤良恶性的灵敏度为93.3%,特异度为81.6%,阳性预测值72.1%,阴性预测值为96.0%,正确率为85.5%。

图1 O-RADS系统诊断卵巢肿瘤良、恶性的ROC曲线Fig.1 ROC curve of diagnosis of benign and malignant ovarian tumors with O-RADS system

2.4 不同级别医生及O-RADS分类诊断卵巢肿瘤良恶性的诊断效能比较

不同级别医生及O-RADS诊断卵巢肿瘤良恶性的灵敏度、特异度、阳性预测值、阴性预测值、正确率及与病理诊断的一致性Kappa值详见表2。

表2 不同级别医生及O-RADS分类诊断卵巢良恶性肿瘤的诊断效能Tab.2 Diagnostic efficacy of different levels of doctors and O-RADS in the diagnosis of benign and malignant ovarian tumors

3 讨论

卵巢肿瘤病理类型多种多样,超声图像复杂多变,给早期诊断卵巢癌带来了较大的挑战。目前国际上已经提出多个风险预测模型,包括国际卵巢肿瘤分析小组(international ovarian tumor analysis,IOTA)简单法则模型[6]、妇科影像报告与数据系统(gyneclogic imaging reporting and data system,GI-RADS)[7],以及ADNEX模型[8]等,在此基础上,2020年ACR发布了O-RADS风险分层系统,辅助超声医生判断卵巢肿瘤良恶性,并对后续诊疗提出合理建议。本研究旨在评价O-RADS在卵巢肿瘤良恶性鉴别中的诊断效能,并比较O-RADS与不同级别超声医生诊断卵巢肿瘤良恶性的价值。

本研究结果中O-RADS分类2～5类的恶性占比分别为4.55%、2.27%、49.0%、97.8%,其中O-RADS 3、4、5类恶性占比均在规定范围内,与既往研究[9-10]结果一致。而本研究中O-RADS 2类中恶性占比为4.55%,高于O-RADS风险分层规定的范围,与既往研究[9-10]不一致。回顾本研究中病理为恶性但O-RADS分类为2类的3个病例4个肿瘤病理结果发现,4个肿瘤均为大部分区域为良性病变,仅微小区域为恶性病变,1例为成熟性畸胎瘤伴局部甲状腺肿性类癌,1例为巧克力囊肿伴局部未成熟性畸胎瘤,另一例为双侧卵巢浆液性交界性囊腺瘤部分区域呈微乳头生长。由于本研究为回顾性研究,所有图像均为静态图像,回顾图像后发现留存的图像均未留存到可疑恶性区域。因此,全面动态扫查在卵巢肿瘤评估中至关重要,可以减少此类漏诊发生。

在诊断效能方面,本研究结果显示O-RADS诊断卵巢肿瘤良恶性的AUC为0.892,最佳截断值为O-RADS>3类,约登指数为0.75。以O-RADS>3作为恶性诊断标准,O-RADS诊断卵巢肿瘤良恶性的灵敏度为93.3%,特异度为81.6%,阳性预测值72.1%,阴性预测值为96.0%,正确率为85.5%。在最佳截断值的判断和灵敏度方面,本研究结果与既往研究[11-12]一致,即O-RADS>3作为诊断卵巢恶性肿瘤的截断值时,可以获得较高的灵敏度。而在特异度方面,在已有的研究结果中差异较大,从66.3%[13]到92.8%[10]不等,本研究处于中等水平。ACR O-RADS委员会的指南[5]指出,该系统旨在最大限度地提高对低患病率人群的灵敏度,而特异度在患病率低的人群中会较低。本研究选取的病例均经过手术取得病理结果,恶性占比为33.7%,而既往有两项研究[14-15]为了模拟实际工作中的恶性占比,使用手术病理或影像学及临床随访结果作为标准,对O-RADS的诊断效能进行判断,其中Hack等[14]恶性占比为28.9%,其特异度为70.3%,而Jha等[15]采用非选择性入组病例,恶性占比为8.4%,其特异度为81.9%。因此,提高O-RADS诊断卵巢肿瘤的特异度已成为学者们关注的重点。有研究[16]显示,将O-RADS与血清学指标结合,可以提高诊断的特异性。而Hack等[14]发现将声影作为良性指标和O-RADS联合,灵敏度及特异度均有提高。通过回顾本研究中的病例发现,病理结果为良性而O-RADS分类为4、5类中,有11例均为性索间质肿瘤,表现为实性或囊实性肿物,实性部分可见2～3级血流。由此可见,O-RADS容易将性索间质肿瘤误诊为恶性肿瘤,对这部分肿瘤与恶性肿瘤加以区分,将可以大幅提高O-RADS的特异度。

本研究结果显示,O-RADS分类诊断卵巢肿瘤良恶性的灵敏度、特异度、阳性预测值、阴性预测值及正确率均高于低年资医生,与病理结果一致性较好(Kappa值0.70);而高年资医生除灵敏度及阴性预测值低于O-RADS外,特异度、阳性预测值、正确率均高于O-RADS分类,与病理结果一致性非常好(Kappa值0.82)。由此可见O-RADS分类可以提高低年资医生的诊断准确率,因此认为O-RADS可以作为低年资医生的辅助诊断工具推广应用于临床。Katlariwala等[17]的研究显示经验不足的医生经过O-RADS系统的培训后,其诊断的灵敏度、特异度均高于培训前。因此,低年资医生在使用O-RADS前进行相关培训是必要的。Guo等[18]的研究表明,低年资医生在使用O-RADS分类系统后其诊断准确率仍然低于高年资医生,本研究结果与其一致。本研究结果显示尤其在特异度方面,O-RADS分类明显低于高年资医生。因此,在低年资医生应用O-RADS系统诊断遇到分类困难或难以确定的病例,仍然要转诊到高年资医生进行会诊。

本研究的不足之处在于是回顾性研究,所有病例均以静态图片的方式留存,存在评估不全影响诊断结果的情况。采用手术病理结果作为金标准,恶性占比高于实际患病率,不能完全模拟实际临床情况,导致研究结果可能也不能完全代表实际情况。另外,本研究仅将低年资医生和高年资医生的诊断结果进行比较,医生数量较少,后续将增加不同医生级别及数量,以期获得更加详细的数据和结果。

综上所述,O-RADS在鉴别卵巢肿瘤良恶性中具有较好的诊断效能,可以作为低年资医生判断卵巢肿瘤良恶性的有用工具,当应用O-RADS系统遇到分类困难或难以确定的病例时,仍然要转诊到高年资医生进行会诊。

利益冲突所有作者均声明不存在利益冲突。

作者贡献声明宋海曼:提出研究思路,设计研究方案,分析数据,撰写论文;何文、张巍:总体把关,审定论文;康睿君:收集数据;王立淑、于腾飞:审定论文。