, , , ', chun, ,G , jun, G , , 0

(1.School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, China; 2.Department of Ultrasound, Sichuan Academy of Medical Sciences & Sichuan Provincial People's Hospital, Chengdu 610072, China; 3.Department of Ultrasound, Fujian Cancer Hospital, Fujian Medical University Cancer Hospital, Fuzhou 350014, China; 4.Department of Ultrasound, Yunnan Cancer Hospital, Kunming 650118, China; 5.Department of Ultrasound, Huangshi City Central Hospital, Huangshi 435000, China; 6.Department of Ultrasound, Chengdu First People's Hospital, Chengdu 610094, China; 7.Department of Ultrasound, Tangdu Hospital,Air Force Medical University, Xi'an 710038, China; 8.Department of Ultrasound, Qujing First People 's Hospital, Qujing 655099, China; 9.Department of Ultrasound, Affiliated Hospital of Yan'an University, Yan'an 716099,China; 10.Department of Ultrasound, the Ninth People's Hospital of Chongqing, Chongqing 400799， China)

乳腺癌是全球女性發(fā)病率較高的惡性腫瘤之一[1-2]。現(xiàn)已明確CEUS鑒別診斷乳腺良惡性腫塊具有一定應用價值，但不同研究結論差異較大，而相關評價參數(shù)的主觀性較強[3-5]。超聲醫(yī)師診斷水平和對細微結構的理解均有所差異，而受檢者亦難免存在個體差異，使不同年資超聲醫(yī)師之間判讀一致性減弱。另外，單一病灶的增強時間、強度等參數(shù)受造影劑劑量、注射速度、受檢者全身因素以及不同超聲設備的影響，故對于乳腺CEUS模式診斷標準目前爭論較大，使其臨床應用受限[6-8]。2015年提出了乳腺病灶CEUS良惡性預測模型，前期研究[9-11]已證實其具有診斷價值。本研究進一步探討不同觀察者采用該預測模型診斷乳腺惡性病灶的一致性。

1 資料與方法

1.1 一般資料 收集2015年11月—2017年6月來自9家醫(yī)院的接受超聲和CEUS檢查的953例乳腺單發(fā)結節(jié)患者，其中四川省人民醫(yī)院172例，福建省腫瘤醫(yī)院143例，云南省腫瘤醫(yī)院293例，黃石市中心醫(yī)院57例，成都市第一人民醫(yī)院88例，空軍軍醫(yī)大學唐都醫(yī)院58例，曲靖市第一人民醫(yī)院101例，延安大學附屬醫(yī)院25例，重慶市第九人民醫(yī)院16例；均為女性，年齡16～85歲，平均(44.5±11.1)歲。納入標準：常規(guī)超聲檢查診斷為乳腺影像報告和數(shù)據(jù)系統(tǒng)(breast imaging reporting and data system, BI-RADS)4、5類病灶，且病灶最大徑5～40 mm。排除標準：①妊娠或哺乳期婦女伴乳腺病灶；②曾接受乳腺病灶治療或已有明確病理結果；③病灶最大徑>40 mm或<5 mm。本項為前瞻性多中心研究，經(jīng)各醫(yī)院倫理委員會批準，所有患者均簽署知情同意書。

表1 各組對乳腺病灶的BI-RADS分類結果(例)

圖1 患者女，42歲，纖維腺瘤 A.超聲表現(xiàn)為實性低回聲，邊界欠清，形態(tài)較規(guī)則； B.CEUS表現(xiàn)為快進均勻性高增強，增強后邊緣清楚，形態(tài)規(guī)則，未見增大(符合D預測模型)

1.2 儀器與方法 采用 Esaote Twice、Philips iU Elite、GE E9彩色多普勒超聲診斷儀，常規(guī)超聲采用LA523線陣探頭(頻率4～13 MHz)、L12-5線陣探頭(頻率5～12 MHz)或M6-15線陣探頭(6～15 MHz)。囑患者仰臥，平靜呼吸，標記病灶具體位置，獲取矢狀切面和橫斷切面圖像。

CEUS采用LA522 線陣探頭(頻率7 MHz)、L9-3線陣探頭(頻率3～9 MHz)或9L線陣探頭(頻率 9 MHz)，機械指數(shù)0.05～0.07。選擇病灶血流豐富、有明顯粗大血管或形狀不規(guī)則的切面行CEUS檢查，避開粗大鈣化伴后方寬大聲影及明顯液性暗區(qū)，固定探頭，造影劑為SonoVue(Bracco公司)，劑量4.8 ml，并跟注5 ml生理鹽水。注入造影劑同時開始錄像，實時、連續(xù)觀察病灶動態(tài)灌注過程≥2 min，其中前1 min保持同一切面固定不動，隨后全面、動態(tài)掃查全部病灶，設備條件允許時行同步測量，并獲取造影圖像。

1.3 圖像判讀與二次分析 本課題組由初始組、檢查者組、研究組及交叉盲讀組構成。初始組由各醫(yī)院1名低年資醫(yī)師組成；檢查者組由各醫(yī)院1～2名具有2年以上CEUS檢查經(jīng)驗的醫(yī)師組成；研究組由四川省醫(yī)學科學院 四川省人民醫(yī)院2名高年資醫(yī)師組成；交叉盲讀組由各醫(yī)院1～2名副主任醫(yī)師或主任醫(yī)師組成。由初始組醫(yī)師行超聲檢查，檢查者組醫(yī)師行CEUS檢查，均對病灶給予BI-RADS分類；并將所有超聲和CEUS圖像分別拷貝給研究組和交叉盲讀組，由其采用盲法根據(jù)CEUS預測模型[8](A、B、C模型為惡性病灶可能大，D、E、F模型為良性病灶可能大)給予病灶新的BI-RADS分類，如病灶符合A、B、C型，則原BI-RADS 3、4類升級為5類，原BI-RADS 5類保持不變，診斷為惡性病灶；符合D、E、F型，則原BI-RADS 4、5類降級為3類，原BI-RADS 3類保持不變，診斷為良性病灶；對無法明確分型者，則維持原BI-RADS分類不變。由于預測模型無法區(qū)分癌前病變與惡性病灶，故將癌前病變歸為惡性病變。統(tǒng)計BI-RADS分類時，將4a及4a類以下病灶歸為良性病灶，4b及4b類以上病灶歸為惡性病灶。

1.4 統(tǒng)計學分析 采用SPSS 19.0統(tǒng)計分析軟件，計量資料以±s表示，計數(shù)資料以百分率表示。以病理結果為金標準，計算4組診斷乳腺惡性病灶的效能；采用Kappa檢驗評估初始組、檢查者組、研究組和交叉盲讀組觀察者間診斷乳腺惡性病灶的一致性，Kappa≥0.75為一致性較好；0.4≤Kappa<0.75為一致性中等；Kappa<0.4，一致性較差。P<0.01為差異有統(tǒng)計學意義。

2 結果

2.1 病理結果 953例(953個病灶)中，良性病灶451例(451/953，47.32%)，惡性病灶435例(435/953，45.65%)，癌前病變67例(67/953，7.03%)。腫瘤最大徑5.2～39.8 mm，平均最大徑(16.38±8.53)mm。

2.2 BI-RADS分類結果 初始組、檢查者組BI-RADS分類及研究組、交叉盲讀組采用預測模型調整后的斷BI-RADS分類結果見表1。與初始組相比，研究組和交叉盲讀組分別有344例和272例病灶降低為良性可能性高的BI-RADS 3類(圖1)，有271例和138例病灶升級為惡性可能性高的BI-RADS 5類(圖2)。

2.3 診斷效能以病理結果 為金標準，4組診斷乳腺惡性病灶的效能結果見表2，研究組和交叉盲讀組采用乳腺CEUS預測模型診斷惡性病灶的準確率均>80%。

表2 各組診斷乳腺惡性病灶的效能[%(例)]

圖2 患者女，49歲，浸潤性導管癌 A.超聲表現(xiàn)為實性低回聲，邊界不清，形態(tài)不規(guī)則； B.CEUS表現(xiàn)為快進不均勻性高增強，增強后病灶明顯增大(符合A預測模型)

2.4 觀察者間診斷乳腺惡性病灶的一致性分析 初始組與檢查者組診斷乳腺惡性病灶的觀察者間一致性較好(Kappa=0.82，P<0.001)，與研究組及交叉盲讀組的一致性中等(Kappa=0.56、0.41，P均<0.001)；檢查者組與研究組、交叉盲讀組的一致性中等(Kappa=0.51、0.68，P均<0.001)；研究組與交叉盲讀組的一致性中等(Kappa=0.74，P<0.001)。

3 討論

乳腺惡性腫瘤主要發(fā)生于乳腺的腺上皮組織，對女性的身心健康造成極大威脅。乳腺病灶的微循環(huán)狀態(tài)是乳腺良惡性病灶間最重要的病理區(qū)別之一。CEUS為血池造影技術，可反映病灶的微循環(huán)信息，但目前尚無成熟的、能較準確地鑒別良惡性病灶的乳腺CEUS模式。前期研究[9]發(fā)現(xiàn)，根據(jù)高增強、增強后增大及伴或不伴形態(tài)不規(guī)則預測乳腺惡性病灶具有較好的準確性。

本研究結果顯示，初始組判定953例為原BI-RADS 4、5類病灶，經(jīng)CEUS預測模型重新分類，研究組和交叉盲讀組分別將344例和272例降低為良性可能性高的BI-RADS 3類病灶，減少了過度診斷；研究組和交叉盲讀組分別有138例和271例病灶升級為惡性可能性高的BI-RADS 5類，降低了惡性病灶漏診率，有利于患者更快接受有效治療。

本研究中，研究組和交叉盲讀組診斷乳腺惡性病灶的準確率和陽性預測值均較高，而陰性預測值、漏診率和誤診率均較低，可能原因是乳腺病灶CEUS預測模型優(yōu)化了BI-RADS分類，使其診斷效能較高，提示采用該預測模型檢測惡性病灶效果較好。

乳腺惡性病灶發(fā)生基礎差異顯著，其常規(guī)超聲表現(xiàn)各不相同[12-13]。本研究中，初始組與檢查者組診斷乳腺惡性病灶的一致性較好，提示低年資超聲醫(yī)師應用BI-RADS分類的水平較接近；初始組及檢查者組分別與研究組及交叉盲讀組診斷乳腺惡性病灶的一致性中等，而研究組及交叉盲讀組診斷乳腺惡性病灶的準確率均較高。研究組與交叉盲讀組診斷乳腺惡性病灶的一致性中等，可能原因在于不同觀察者對該預測模型的掌握和熟練程度不同，而觀察者判斷病灶良惡性主要依賴于自身的經(jīng)驗。以上結果提示，臨床可通過推廣與訓練增進檢查者的經(jīng)驗；其次，制定人工智能標準時，盡可能多地選擇高年資醫(yī)師的診斷標準，以提高診斷準確率；通過實際應用使模型真正實現(xiàn)模式化、一致化。

本研究的不足：僅對單一切面進行造影，無法全面反映病灶信息，可能導致部分重要信息缺失；部分病例僅有粗針穿刺活檢結果，可能存在低估。

綜上所述，采用乳腺CEUS預測模型鑒別乳腺病灶良惡性的診斷效能較好，但不同觀察者應用該模型診斷乳腺惡性病灶的一致性有待改進。

[參考文獻]

[1] Desantis CE, Bray F, Ferlay J, et al. International variation in female breast cancer incidence and mortality rates. Cancer Epidemiol Biomarkers Prev, 2015,24(10):1495-1506.

[2] Barr RG, Zhang Z, Cormack JB, et al. Probably benign lesions at screening breast US in a population with elevated risk: Prevalence and rate of malignancy in the ACRIN 6666 trial. Radiology, 2013,269(3):701-712.

[3] Sridharan A, Eisenbrey JR, Machado PA, et al. Quantitative analysis of vascular heterogeneity in breast lesions using contrast-enhanced 3-D harmonic and subharmonic ultrasound imaging. IEEE Trans Ultrason Ferroelectr Freq Control, 2015,62(3):502-510.

[4] 肖曉云，羅葆明．乳腺超聲造影研究進展．中國醫(yī)學影像技術，2008，24(8)：1301-1304．

[5] 張文岳，羅葆明．超聲造影診斷乳腺癌的研究進展．中國醫(yī)學影像技術，2016，32(9)：1449-1451．

[6] Zhao H, Xu R, Ouyang Q, et al. Contrast-enhanced ultrasound is helpful in the differentiation of malignant and benign breast lesions. Eur J Radiol, 2010,73(2):288-293.

[7] Jiang YX, Liu H, Liu JB, et al. Breast tumor size assessment: comparison of conventional ultrasound andcontrast-enhanced ultrasound. Ultrasound Med Biol, 2007,33(12):1873-1881.

[8] Xiao XY, Ou B, Yang HY, et al. Breast contrast-enhanced ultrasound: Is a scoring system feasible? -A preliminary study in China. PLoS One, 2014,9(8):e105517.

[9] 羅俊，陳吉東，陳琴，等．乳腺良惡性超聲病灶超聲造影預測模型在乳腺影像報告與數(shù)據(jù)系統(tǒng)4類乳腺病灶惡性風險評估中的應用價值．中華醫(yī)學超聲雜志(電子版)，2016，13(6)：459-465．

[10] Liu H, Jiang YX, Liu JB, et al. Evaluation of breast lesions with contrast-enhanced ultrasound using the microvascular imaging technique: Initial observations. Breast, 2008,17(5):532-539.

[11] Hu Q, Wang XY, Zhu SY, et al. Meta-analysis of contrast-enhanced ultrasound for the differentiation of benign and malignant breast lesions. Acta Radiol, 2015,56(1):25-33.

[12] Kim HS, Cha ES, Kim HH, et al. Spectrum of sonographic findings in superficial breast masses. J Ultrasound Med, 2005,24(5):663-680.

[13] Costantini M, Belli P, Ierardi C, et al. Solid breast mass characterisation: Use of the sonographic BI-RADS classification. Radiol Med, 2007,112(6):877-894.