中国版甲状腺影像报告和数据系统(C-TIRADS)联合结节内部及周围腺体硬度鉴别甲状腺良、恶性结节

贺亚萍,欧阳向柳,郑立春,夏永丽,韩泽朝,王庆文*

(1.唐山市工人医院超声医学科,2.核医学科,河北 唐山 063000)

甲状腺结节发病率逐年升高[1]。超声是评估甲状腺良、恶性结节的主要影像学方法之一。甲状腺影像报告和数据系统(thyroid imaging reporting and data system, TIRADS)[2]的产生规范了甲状腺结节超声报告中的描述;随后我国专家制定了适应中国临床实际的中国版TIRADS(Chinese-TIRADS, C-TIRADS)[3]。临床上部分微小甲状腺癌因缺乏典型超声征象而易致漏诊、误诊[4]。利用超声剪切波弹性成像(shear wave elastography, SWE)技术可评估甲状腺结节硬度,对鉴别诊断甲状腺良、恶性结节具有较好效能[5-6];有学者[5]提出甲状腺结节周围腺体硬度对于鉴别其良恶性较具价值。本研究评估C-TIRADS联合结节及其周围腺体硬度对鉴别甲状腺良、恶性结节的价值。

1 资料与方法

1.1 研究对象 回顾性收集2021年1月—2022年12月于唐山市工人医院接受常规超声及SWE检查的117例甲状腺结节患者,男37例、女80例,年龄29～73岁、平均(48.8±12.6)岁;74例为甲状腺单发、43例为多发结节,对存在多发结节者选取可疑恶性程度高或直径最大结节进行分析。纳入标准:①经细针抽吸细胞学检查(fine-needle aspiration cytology, FNAC)和/或手术病理诊断为甲状腺良性或恶性结节;②甲状腺结节周围腺体支持测量杨氏模量值。排除标准:①曾接受甲状腺手术或其他相关治疗;②超声资料不完整或图像质量差。本研究经院医学伦理委员会批准(GRYY-LL-KJ2022-061),检查前患者均签署知情同意书。

1.2 仪器与方法 采用Mindray Resona 8EXP型彩色多普勒超声诊断仪、频率5～14 MHz L14-5WU探头及配备的实时SWE技术和Eshell分析工具进行甲状腺检查。嘱患者仰卧,充分暴露颈部,先行常规超声检查,按照C-TIRADS指南记录甲状腺结节的超声特征;将探头置于甲状腺纵切面,启动弹性成像模式,调节ROI大小及位置,使之包含结节及至少5 mm周围腺体组织且结节位于ROI中心,启动质控图,嘱患者屏住呼吸,待弹性图像稳定后激发图像并冻结;以描迹法分别勾勒甲状腺结节及周围2 mm腺体的轮廓,测量其SWE参数,包括甲状腺结节(E)及其周围腺体(Eshell)的杨氏模量值[含最大值(Emax/Eshellmax)、平均值(Emean/Eshellmean)、最小值(Emin/Eshellmin)及标准差(ESD/EshellSD)]。

1.3 评估C-TIRADS分类 由分别具有5年及10年工作经验的超声科主治及副主任医师各1名分别判读超声图像,根据C-TIRADS标准,甲状腺可疑恶性结节的超声表现包括实性结节、极低回声、微钙化、垂直位及边缘模糊、边缘不规则或甲状腺外侵犯(每项计1分),发现良性特征(彗星尾伪像)时减去1分;根据总得分判断结节C-TIRADS分类:-1分为2类(良性,恶性率为0),0分为3类(良性可能,恶性率<2%),1分为4a类(低度可疑恶性,恶性率为2%～10%),2分为4b类(中度可疑恶性,恶性率为10%～50%),3或4分为4c类(高度可疑恶性,恶性率为50%～90%),5分为5类(高度恶性,>90%)。2名医师意见不一致时,提请另1名具有15年以上超声诊断经验的主任医师进行最终判断。

1.4 C-TIRADS联合SWE诊断标准 根据SWE值对C-TIRADS 4a、4b及4c类甲状腺结节进行升级或降级,即SWE值≥截断值时对C-TIRADS分类升级,反之则降级,而遇C-TIRADS分类为良性、良性可能或高度恶性结节时(即C-TIRADS 2、3及5类)维持原分类结果[6]。

1.5 统计学分析 采用SPSS 20.0和MedCalc 15.2.2统计分析软件。以±s表示符合正态分布的计量资料,行独立样本t检验;以中位数(上下四分位数)表示非正态分布者,行Mann-WhitneyU检验。采用χ2检验比较计数资料。绘制受试者工作特征(receiver operating characteristic, ROC)曲线,计算曲线下面积(area under the curve, AUC),评估C-TIRADS、SWE参数及二者联合鉴别甲状腺良、恶性结节的效能,并以Z检验比较AUC的差异。P<0.05为差异有统计学意义。

2 结果

共纳入 117例、117个甲状腺结节,直径5.1～20.7 mm、平均(9.24±3.61)mm;良性结节50个经FNAC或手术病理证实,恶性结节67个均经FNAC或手术病理证实为甲状腺乳头状癌。

2.1 C-TIRADS和SWE的诊断效能 C-TIRADS鉴别甲状腺良、恶性结节的AUC为0.736;以C-TIRADS 4c类为最佳截断值,其诊断敏感度为79.10%、特异度为68.00%、准确率为74.36%。

恶性结节各SWE参数均高于良性结节(P均<0.001,表1)。Emax、Emean、Emin及ESD的AUC分别为0.816、0.752、0.664及0.705,以Emax的AUC最高;Eshellmax、Eshellmean、Eshellmin及EshellSD的AUC分别为0.834、0.804、0.693及0.697,以Eshellmax的AUC最高而与Emax差异无统计学意义(Z=1.044,P=0.297)。见表2。

表1 甲状腺良、恶性结节SWE参数比较(kPa)

表2 SWE参数鉴别甲状腺良、恶性结节的效能

2.2 C-TIRADS联合SWE的诊断效能 分别以Emax及Eshellmax的截断值联合C-TIRADS进行诊断。

C-TIRADS+Emax和C-TIRADS+Eshellmax的AUC分别为0.835和0.843,二者差异无统计学意义(Z=0.574,P=0.566)而均高于C-TIRADS(AUC=0.736,Z=2.510、2.230,P均<0.05),其诊断特异度及准确率亦均高于C-TIRADS(P均<0.05)。见表3及图1～3。

图1 C-TIRADS及其联合Emax或Eshellmax鉴别甲状腺良、恶性结节的ROC曲线

图2 患者女,70岁,甲状腺乳头状癌 A.常规超声声像图示甲状腺右叶1.52 cm×0.95 cm实性低回声结节,内见微钙化(箭),C-TIRADS分类为4b,归为良性结节; B.超声弹性图示该结节Emax为56.67 kPa,Eshellmax为61.84 kPa,均>截断值,C-TIRADS联合Emax或Eshellmax后均升级为C-TIRADS 4c,归为恶性结节

图3 患者女,35岁,甲状腺良性结节 A.常规超声声像图示甲状腺右叶0.84 cm×0.54 cm实性低回声结节,边缘不清,内见微钙化(箭),C-TIRADS分类为4c,归为恶性结节; B.超声弹性图示该结节Emax为33.64 kPa,Eshellmax为41.69 kPa,均<截断值,C-TIRADS联合Emax或Eshellmax后均降级为C-TIRADS 4b,归为良性结节

表3 C-TIRADS与其联合SWE的诊断效能比较

3 讨论

目前临床存在多种不同版本的TIRADS,尤以美国放射学会TIRADS[7]应用较为广泛;该指南基于超声所见甲状腺结节多种恶性特征进行赋分并计算积分,过程甚为烦琐。而C-TIRADS采取计数分类法,只需对所涉及的6个超声特征进行积分加减计算,即“五加一减”,应用便捷,有助于提高临床工作效率[3]。本研究以C-TIRADS鉴别甲状腺良、恶性结节的AUC为0.736,其最佳截断值为C-TIRADS 4c类,与部分既往文献[8-9]报道相符,但与蔡雪珍等[10]的结果不一致,可能与样本不同及医师阅图过程中存在主观性有关。

甲状腺良、恶性结节的部分超声表现存在重叠,使得TIRADS诊断结果存在一定假阳性率及假阴性率。SWE重复性较好,受操作者影响较小。既往研究[8,11]以SWE评估甲状腺结节内部硬度,认为其鉴别甲状腺良、恶性结节的效能良好。但甲状腺恶性结节周围腺体硬度具有与乳腺癌“硬环征”相似的特征,原因可能在于甲状腺恶性肿瘤可刺激其周围组织纤维细胞增殖[12]。本研究针对甲状腺结节内部及周围2 mm腺体进行硬度评估,结果显示甲状腺恶性结节及其周围腺体的SWE参数均高于良性结节,与既往研究[13]结果相符;4个平行SWE参数中,以Emax和Eshellmax鉴别甲状腺良、恶性结节的AUC最高,分别达0.816及0.834,与HE等[14]的类似;Emax与Eshellmax之间AUC差异无统计学意义,表明甲状腺结节及其周围2 mm腺体硬度均对鉴别良、恶性结节具有重要价值,且其诊断效能相当。本研究分别根据以Emax和Eshellmax的最佳截断值联合C-TIRADS进行诊断,其特异度、准确率及AUC均较单独应用C-TIRADS有所提高,提示通过联合甲状腺结节内部及其周围腺体硬度可修正C-TIRDAS分类而提高诊断效能,为临床决策提供更为精准的指导。

综上所述,C-TIRADS联合甲状腺结节及其周围腺体硬度能有效鉴别甲状腺良、恶性结节,提高C-TIRDAS诊断效能。但本研究为单中心回顾性分析,样本量较小,恶性结节病理类型单一,且仅针对结节周围2 mm评估Eshell,有待扩大样本量后通过多中心前瞻性研究进一步完善。

利益冲突:全体作者声明无利益冲突。

作者贡献:贺亚萍研究实施、查阅文献、撰写文章;欧阳向柳研究实施、数据分析、经费支持;郑立春图像处理、统计分析;夏永丽和韩泽朝数据分析;王庆文研究设计、审阅及修改文章、指导。