王洪杰，于 霞，張恩東，馬立勇，湯華曉

（1.山東省威海市婦幼保健院a 醫(yī)療設(shè)備科，b 超聲二科，c 耳鼻喉頭頸外科，d 病理科，山東 威海 264200；2.哈爾濱工業(yè)大學(xué)檢測與控制研究中心，山東 威海 264200）

甲狀腺結(jié)節(jié)是內(nèi)分泌系統(tǒng)最常見的疾病，超聲憑借動態(tài)實時、無輻射、價格低廉等優(yōu)勢，已成為其首選影像學(xué)方法［1］。2017 年美國放射學(xué)會發(fā)布的甲狀腺影像與報告系統(tǒng)（thyroid imaging reporting and data system，TI-RADS）分類為評估甲狀腺結(jié)節(jié)的良惡性提供了參考依據(jù)。TI-RADS 3～5 類結(jié)節(jié)惡性風(fēng)險較高（5%～80%），是臨床關(guān)注的重點［2］。超聲醫(yī)師判定二維灰階超聲圖像時，易受環(huán)境、圖像質(zhì)量、經(jīng)驗不足等因素影響。近年來，較多研究［3-5］證實人工智能可通過卷積神經(jīng)網(wǎng)絡(luò)對超聲甲狀腺結(jié)節(jié)圖像進(jìn)行特征提取、訓(xùn)練、建模，客觀定量分析圖像特征，具有良好的應(yīng)用前景。本研究旨在評價超聲人工智能聯(lián)合TI-RADS 分類在甲狀腺結(jié)節(jié)良惡性鑒別診斷中的輔助價值。

1 資料與方法

1.1 一般資料 選取2017 年1 月至2019 年1 月山東省威海市婦幼保健院收治的行甲狀腺手術(shù)患者860 例（共920 個結(jié)節(jié)），均經(jīng)術(shù)后病理證實，其中男196 例，女664 例；年齡21～83 歲，平均（48.5±9.6）歲。920 個結(jié)節(jié)病灶中，良性結(jié)節(jié)590 個，其中結(jié)節(jié)性甲狀腺腫410 個，腺瘤74 個，甲狀腺炎41 個及囊性變65 個；惡性結(jié)節(jié)330 個，其中乳頭狀癌310 個，甲狀腺微小乳頭狀癌12 個，混合髓樣-乳頭狀癌1個，乳頭狀癌伴鱗癌2 個，濾泡狀腺癌3 個，髓樣癌2個。結(jié)節(jié)直徑0.5～5.9 cm，平均（1.5±0.7）cm；位于甲狀腺左葉483 個，右葉432 個，峽部5 個。

1.2 儀器與方法 采用Philips IU Elite 超聲診斷儀，線陣探頭L12-5，頻率5～12 MHz?；颊呷⊙雠P位，充分暴露頸部，觀察記錄病灶的形態(tài)、大小、邊界、部位、縱橫比、內(nèi)部、回聲、鈣化及血供情況等。選擇結(jié)節(jié)圖像最清楚、縱向掃查最長軸切面，將探頭盡量輕觸甲狀腺處皮膚，待圖像穩(wěn)定后，采集保存。將采集到的圖像利用深度學(xué)習(xí)提取特征，后輸入RPN網(wǎng)絡(luò)以生成候選框，并對候選框進(jìn)行前景、背景二分類粗調(diào)。再將候選框映射到共享卷積特征圖上，送入ROI 層進(jìn)行歸一化處理，由全連接層進(jìn)行分類和再次邊框回歸，得到診斷結(jié)果。

超聲醫(yī)師根據(jù)常規(guī)超聲圖像對甲狀腺結(jié)節(jié)進(jìn)行初步的TI-RADS 分類，后聯(lián)合人工智能對每個結(jié)節(jié)再次進(jìn)行TI-RADS 分類，診斷結(jié)果不一致時，由該醫(yī)師與另一名醫(yī)師討論達(dá)成一致。

1.3 統(tǒng)計學(xué)方法 采用SPSS 19.0 軟件進(jìn)行數(shù)據(jù)分析。計量資料以±s 表示，行t 檢驗；計數(shù)資料以例（%）表示，行Pearson χ2檢驗，等級資料行秩和檢驗。以病理診斷為金標(biāo)準(zhǔn)，計算超聲人工智能、TI-RADS分類及聯(lián)合診斷評估甲狀腺結(jié)節(jié)良惡性的準(zhǔn)確率、敏感度、特異度，并繪制ROC 曲線，采用Delong 檢驗比較不同方法的AUC。以P＜0.05 為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 甲狀腺良惡性結(jié)節(jié)二維超聲圖像特征比較（表1） 甲狀腺良惡性結(jié)節(jié)二維超聲圖像特征（邊界、形態(tài)、內(nèi)部回聲、后方回聲衰減、環(huán)狀血流、鈣化、縱橫比、血流信號分級）比較，差異均有統(tǒng)計學(xué)意義（均P＜0.05）。

表1 甲狀腺結(jié)節(jié)良惡性的二維超聲圖像特征比較 例（%）

2.2 超聲人工智能、TI-RADS 分類及聯(lián)合診斷甲狀腺良惡性結(jié)節(jié)的效能比較（表2） 超聲人工智能、TI-RADS 分類及聯(lián)合診斷甲狀腺惡性結(jié)節(jié)的ROC曲線見圖1，AUC 分別為0.783（0.750，0.815）、0.792（0.761，0.823）及0.853（0.826，0.880），人工智能與TI-RADS 分類間AUC 差異無統(tǒng)計學(xué)意義（Z=1.465，P=0.143）；聯(lián)合檢查AUC 顯著高于人工智能、TI-RADS分類（Z=7.631，7.462；均P＜0.001）。

3 討論

超聲檢查因安全、廉價、簡單、無輻射等優(yōu)點被廣泛應(yīng)用于甲狀腺結(jié)節(jié)良惡性的診斷，具有重要價值［6］。目前，國內(nèi)外具有代表性的甲狀腺結(jié)節(jié)超聲分類及管理指南至少有10 個以上［7-11］，甲狀腺結(jié)節(jié)的分類方法不同，對應(yīng)的惡性風(fēng)險程度也不同，管理建議也不一致。國內(nèi)常用2017 年美國放射協(xié)會發(fā)布的TI-RADS 分類，通過描述甲狀腺結(jié)節(jié)的超聲特征，評估結(jié)節(jié)的惡性風(fēng)險程度，為臨床提供診斷依據(jù)，并決定結(jié)節(jié)是否行手術(shù)及隨訪間隔［2］，但因醫(yī)師資歷不同，對甲狀腺超聲檢查、測量方法及圖像判讀能力存在差異，造成結(jié)果偏差，導(dǎo)致漏診、誤診。

人工智能在醫(yī)學(xué)影像領(lǐng)域飛速發(fā)展，其可量化影像學(xué)特征，自動客觀地分析圖像，幫助醫(yī)師提高診斷效率及準(zhǔn)確率［13-18］。人工智能與超聲檢查相結(jié)合能提高甲狀腺超聲檢查的質(zhì)量，減少漏診、誤診。該技術(shù)與TI-RADS 分類相比，受醫(yī)師的主觀因素影響較少，對甲狀腺結(jié)節(jié)的評估更客觀，且評估時間短、方便快捷，對鑒別甲狀腺結(jié)節(jié)良惡性有較高的敏感度與特異度，尤其適用于經(jīng)驗較少的基層醫(yī)院醫(yī)師和初級醫(yī)師。但結(jié)節(jié)直徑小于10 mm 時其診斷效能不如超聲，因超聲醫(yī)師對甲狀腺的檢查為連續(xù)掃描、動態(tài)觀察，人工智能僅對單幀切面進(jìn)行評價，有一定的局限性。

表2 人工智能、TI-RADS 及聯(lián)合檢查診斷甲狀腺良惡性結(jié)節(jié)的效能比較

圖1 超聲人工智能、甲狀腺影像與報告系統(tǒng)（TI-RADS）分類及聯(lián)合診斷甲狀腺惡性結(jié)節(jié)的ROC 曲線

TI-RADS 4a 及以上分類的結(jié)節(jié)需行病理活檢或手術(shù)切除，而4a 類（惡性5%～10%）病理結(jié)果多為甲狀腺腫，導(dǎo)致部分患者不必要的活檢與手術(shù)。本研究將超聲人工智能、TI-RADS 分類及聯(lián)合診斷結(jié)果與術(shù)后病理結(jié)果比較，發(fā)現(xiàn)聯(lián)合診斷結(jié)果與術(shù)后病理的診斷一致性最高（K=0.596，P＜0.05）。聯(lián)合診斷的準(zhǔn)確率、特異度及敏感度較高，可減少患者不必要的活檢與手術(shù)。聯(lián)合診斷可結(jié)合TI-RADS 分類與人工智能的優(yōu)點，更準(zhǔn)確地判斷甲狀腺結(jié)節(jié)的性質(zhì)，提高診斷準(zhǔn)確率。本研究為回顧性研究，惡性結(jié)節(jié)占比較高，還應(yīng)增加良性結(jié)節(jié)的數(shù)量與病理類型進(jìn)一步研究。

綜上所述，人工智能與TI-RADS 分類在甲狀腺結(jié)節(jié)性質(zhì)評估方面具有一定的初篩價值，兩者聯(lián)合診斷能夠更有效地判定甲狀腺結(jié)節(jié)的良惡性。