鄭偉偉，佘銅生

安徽省宣城市人民醫(yī)院超聲診斷科，安徽 宣城 242000

女性乳腺癌全球發(fā)病率逐年升高且預防困難，早期診斷、 治療可以明顯降低乳腺癌患者的死亡率［1］。常規(guī)超聲在乳腺疾病檢查中可作為主要檢查方法［2］。2013年美國放射學會發(fā)布的第五版乳腺影像報告與數(shù)據(jù)系統(tǒng)（breast imaging reporting and data system，BI-RADS）將乳腺腫塊分為7類，其中4類腫塊惡性病變的概率跨度非常大（2%～95%），良惡性病變在超聲表現(xiàn)上存在較大重疊［3］，因此又被細分為4A、4B及4C這3個亞類。

實時剪切波彈性成像（s h e a r-w a v e elastography，SWE）作為超聲新技術，其鑒別診斷乳腺腫塊良惡性的價值近年來得到廣泛認可［4］。本研究應用SWE技術中最大彈性模量值（maximum elastic modulus，Emax）及與周邊正常組織彈性比值（Ratio）2個彈性參數(shù)對BI-RADS 4類乳腺腫塊進行受試者工作特征（receiver operating characteristic，ROC）曲線分析，確定截斷值，進而評價SWE與BI-RADS分類單獨和聯(lián)合應用的診斷效能，以期進一步提高BI-RADS 4類乳腺腫塊良惡性的診斷準確率。

1 資料和方法

1.1 一般資料

選取2016年10月—2018年6月于安徽省宣城市人民醫(yī)院行常規(guī)超聲乳腺檢查并診斷為BIRADS 4類腫塊的患者100例。患者均為女性，平均年齡（42.2±10.9）歲。100例患者共計118個乳腺腫塊，其中4A類70個，4B類30個，4C類18個。均經手術后病理學檢查確診，其中良性病變81個，包括乳腺纖維腺瘤45個，乳腺腺病24個，硬化性腺病3個，良性葉狀腫瘤3個，乳腺導管內乳頭狀瘤3個，漿細胞性乳腺炎2個，慢性化膿性炎1個；惡性病變37個，包括浸潤性導管癌27個，基底樣亞型乳腺癌4個，浸潤性小葉癌2個，浸潤性癌2個，髓樣癌1個，淋巴瘤1個。

1.2 儀器與方法

采用法國SuperSonic Imagine公司的Aixplorer彩色多普勒超聲診斷儀，進行常規(guī)超聲及SWE檢查，探頭頻率為2～10 MHz，彈性模量值單位為kPa，量程為0～180 kPa。

常規(guī)超聲：患者取舒適仰臥位，手臂上舉，充分暴露胸部，依據(jù)BI-RADS標準，觀察病灶的位置、大小、形狀、方位、邊界、內部有無鈣化及后方回聲等特征，將病灶分類，并將4類進一步分為4A、4B及4C類。

SWE檢查：探頭輕置于病灶中心位置，不施加壓力，選取最大長軸切面，圖像清晰后，切換至SWE模式，移動取樣框至病灶處，盡量包括部分周圍乳腺組織。囑患者屏住呼吸，等待3 s，待圖像質量穩(wěn)定后，凍結回放，選取合格圖像進行測量并保存。

SWE圖像定量分析：采用儀器自帶Q-Box Trace軟件，應用軌跡球沿病灶及鄰近彈性顯示為較硬的區(qū)域邊緣進行描跡，完整包絡感興趣區(qū)，自動生成整個病灶的Emax和平均彈性模量值（mean elastic modulus，Emean）。然后利用Q-Box Ratio軟件，分別將2 mm取樣框置于病灶最硬處及周邊同等深度正常的腺體組織，獲得二者彈性平均值的比值（Ratio）。同一病灶測量2次并取其平均值，若2次測量數(shù)值相差較大，則加測第3次，取2次接近值并計算其平均值。

1.3 統(tǒng)計學處理

采用SPSS 24.0軟件進行統(tǒng)計學分析。計量資料以x±s表示，比較良惡性病灶間Emax和Ratio的差異時采用獨立樣本t檢驗，計量資料差異比較采用χ2檢驗。繪制ROC曲線，計算曲線下面積（area under curve，AUC）。根據(jù)約登指數(shù)確定截斷值并計算Emax和Ratio的靈敏度、特異度和準確率。建立因變量為腫瘤良惡性類型，自變量包含BI-RADS分類、Emax分類和Ratio分類的二元邏輯回歸模型。

2 結 果

2.1 常規(guī)超聲BI-RADS分類

所有118個乳腺腫塊BI-RADS分類都屬于4類。其中良性病變81個，4A類63個（77.8%），4B類18個（22.2%）；惡性病變37個，4A類7個（18.9%），4B類12個（32.4%），4C類18個（48.6%）。通過χ2檢驗可知，良性腫塊和惡性腫塊在BI-RADS分類的頻數(shù)分布上差異有統(tǒng)計學意義（P＜0.001，表1）。良性腫塊都集中在4A和4B兩個級別中，惡性腫塊則主要分布在4B和4C兩個級別。因此將4A和4B類之間設為乳腺病變良惡性的診斷截點，計算出常規(guī)超聲診斷乳腺BI-RADS 4類病變的準確率為78.8%、靈敏度為81.1%，特異度為77.8%，AUC為0.848（圖1）。

表 1 乳腺腫塊BI-RADS分類與病理學檢查結果對照

圖 1 BI-RADS分類、Emax和Ratio診斷乳腺腫塊ROC曲線

2.2 SWE的ROC分析

以病理學檢查結果為金標準，對Emax和Ratio診斷指標進行ROC分析，繪制ROC曲線（圖1）。根據(jù)最大約登指數(shù)確定截斷值，Emax診斷截斷值為37.60 kPa，AUC為0.880，靈敏度為83.8%，特異度為77.8%，診斷準確率為79.7%。Ratio診斷截斷值為3.05， AUC為0.902，靈敏度為91.9%，特異度為82.7%，診斷準確率為85.6%（表2，圖2～3）。

表 2 SWE定量參數(shù)Emax和Ratio評價乳腺腫塊良惡性

圖 2 乳腺纖維腺瘤圖像

圖 3 乳腺浸潤性導管癌圖像

2.3 SWE定量參數(shù)截斷值的診斷效能比較

2.3.1 Emax分類的診斷效能

根據(jù)Emax的截斷值，將118個乳腺腫塊分成大于截斷值組和小于截斷值組?？梢园l(fā)現(xiàn)，通過金標準確定的37個惡性腫瘤中，有31個在Emax＞37.60 kPa組，6個在Emax＜37.60 kPa組，而81個良性腫瘤中，有63個分布在Emax＜37.60 kPa組，18個分布在Emax＞37.60 kPa組。通過χ2檢驗可知，良性腫瘤和惡性腫瘤在Emax分類的頻數(shù)分布上差異有統(tǒng)計學意義（P＜0.001，表3）。

表 3 乳腺腫塊Emax分類與病理學檢查結果對照

2.3.2 Ratio分類的診斷效能

根據(jù)Ratio的截斷值，將118個乳腺腫塊分成大于截斷值組和小于截斷值組?？梢园l(fā)現(xiàn)，通過金標準確定的37個惡性腫瘤中，有34個在Ratio＞3.05組，3個在Ratio＜3.05組；而81個良性腫瘤中，有67個分布在Ratio＜3.05組，14個分布在Ratio＞3.05組。通過χ2檢驗可知，良性腫瘤和惡性腫瘤在Ratio分類的頻數(shù)分布上差異有統(tǒng)計學意義（P＜0.001，表4）。

表 4 乳腺腫塊Ratio分類與病理學檢查結果對照

2.4 模型檢驗

建立二元Logistic回歸模型，因變量為腫瘤良惡性類型，控制變量為年齡，自變量為BIRADS分類、Emax分類和Ratio分類。所選變量經Enter方式分析，全部進入回歸方程，利用最大似然法對各參數(shù)進行估計。

2.4.1 模型系數(shù)的混合檢驗

混合檢驗主要是對步驟、模塊和模型開展模型系數(shù)的綜合檢驗。利用SPSS 24.0軟件進行二元Logistic分析（表5）。χ2值99.373，自由度df=4，且sig.=0.00＜0.05，檢驗成立，回歸方程有意義。

表 5 模型系數(shù)的綜合檢驗

2.4.2 模型擬合優(yōu)度檢驗

采用擬合優(yōu)度檢驗，比較Logistic回歸模型預測值和實際值的差異，以判斷結論是否可靠。經過多次數(shù)據(jù)擬合檢驗，顯示Cox-Snell擬合優(yōu)度值以及Nagelkerke擬合優(yōu)度值分別為0.569和0.800，說明模型擬合度較好。經過迭代運算，得到最終的模型參數(shù)。利用最終的Logistic模型，對118個乳腺腫塊的良惡性進行預測，其中37個惡性腫塊，預測正確32個，準確率為86.5%，81個良性腫塊，預測正確77個，準確率為95.1%，最終總體準確率達92.4%?？梢园l(fā)現(xiàn)，二元邏輯回歸模型的預測準確率高于BI-RADS分類、Emax和Ratio的ROC分析準確率（78.8%、79.7%和85.6%）。

2.4.3 結果與分析

通過檢驗后，對模型進行數(shù)據(jù)分析，顯示控制變量年齡和自變量BI-RADS分類，Emax和Ratio的sig.均＜0.05，表示年齡，BI-RADS分類，Emax和Ratio對乳腺腫塊良惡性診斷均有顯著性影響（表6）。由此建立具體模型：

表 6 影響乳腺腫塊良惡性診斷的因素分析

3 討 論

超聲BI-RADS分類使乳腺腫塊的聲像圖描述用語趨于一致，并可制定診斷分類標準，在乳腺病變良惡性風險評估方面具有很高的實用價值［5-6］。然而BI-RADS 4類腫塊良惡性跨度大（2%～95%），超聲表現(xiàn)具有一定重疊性，需要穿刺活檢或手術獲取組織病理學結果輔以診斷，增加了患者的心理負擔和經濟支出。本組患者，良性腫塊中，4A類約占77.8%（63/81），表明可能更多的良性病灶實施了不必要的手術治療，與既往報道類似［7］。而4B類中既有良性病灶，又有惡性病灶，且常規(guī)超聲表現(xiàn)相差不大。因此，增加BI-RADS 4類病灶良惡性判斷準確率為當前臨床工作中亟需解決的問題。

有報道［8］指出，乳腺病灶的良惡性可能與其組織硬度有關。SWE可獲得乳腺組織硬度定量參數(shù)，具有較高的可重復性，對鑒別診斷乳腺結節(jié)有較高的診斷價值［9］。本研究顯示乳腺良惡性病變間的SWE參數(shù)（Emax、Ratio）差異均有統(tǒng)計學意義（P＜0.001），繪制ROC曲線，Emax的AUC為0.880，Ratio的AUC為0.902，表明Emax和Ratio是判斷病灶性質的優(yōu)良參考指標，其準確率分別達到79.7%和85.6%。

在對上述BI-RADS分類、Emax分類和Ratio分類研究進一步進行二元Logistic回歸分析，發(fā)現(xiàn)三者在二元Logistic回歸模型中均有顯著性意義。Emax反映的是病灶內部最大硬度值，惡性病變內由于大量癌細胞擁擠成團, 病灶的張力變大，同時，間質的致密纖維組織增生，因此硬度通常大于良性病變［10］；Ratio則反映出病灶與周圍組織的相對硬度比值，有研究顯示，Emax和Ratio對于乳腺病灶的評估具有較好的診斷價值［11-16］。利用最終的Logistic模型，對乳腺病灶良惡性進行預測，預測準確率為92.4%。

本研究仍有一些不足之處：① 僅包括Emax和Ratio這2個參數(shù)，以后的研究將納入更多彈性參數(shù)，如病灶的彩色多普勒表現(xiàn)、臨床特征等進行分析，以達到更佳的診斷效能。② 樣本量不足，還需多中心大樣本研究證實。

綜上所述，SWE彈性參數(shù)Emax、Ratio對乳腺病灶的良惡性診斷具有較高的準確率，二者聯(lián)合BI-RADS分類診斷準確率高于單獨運用，為乳腺BI-RADS 4類腫塊的鑒別診斷提供了一個新方法，值得在臨床中廣泛推廣。