吳愛娣，姜 偉

1. 廣東醫(yī)科大學(xué)第一臨床醫(yī)學(xué)院，廣東 湛江 524023；

2. 廣東醫(yī)科大學(xué)附屬南山醫(yī)院（華中科技大學(xué)協(xié)和深圳醫(yī)院）超聲科，廣東 深圳 518052

20世紀(jì)70年代以來，甲狀腺癌的發(fā)病率呈穩(wěn)步上升趨勢，其中中年女性的發(fā)病率增長最為顯著［1］。據(jù)相關(guān)統(tǒng)計顯示，在加拿大、美國等國家中，20～34歲女性中最常見的癌癥的是甲狀腺癌［2］。超聲作為甲狀腺疾病診斷的首選方式，從二維超聲逐漸發(fā)展到聯(lián)合彈性成像、超聲造影等新技術(shù)的多模態(tài)超聲，各種檢查技術(shù)互相補(bǔ)充，共同致力于準(zhǔn)確診斷甲狀腺結(jié)節(jié)的性質(zhì)。大數(shù)據(jù)時代推動人工智能的發(fā)展，在如何利用各種新技術(shù)優(yōu)化診療過程中成為了研究熱點，本文擬歸納總結(jié)超聲新技術(shù)（彈性成像、超聲造影、人工智能）在甲狀腺結(jié)節(jié)診斷中的應(yīng)用及研究進(jìn)展。

1 彈性成像

彈性成像可以反映組織的軟硬度，目前這一技術(shù)已廣泛應(yīng)用于乳腺占位性病變、肝臟纖維化等疾病診斷中［3-4］。一般來說，與相鄰周邊正常組織相比，甲狀腺癌的硬度較高，并且結(jié)節(jié)越硬提示惡性的可能性越大。目前臨床上用于輔助甲狀腺結(jié)節(jié)診斷的超聲彈性主要有兩種：應(yīng)變式彈性成像和剪切波彈性成像（shear wave elastography，SWE）。一項應(yīng)變式彈性成像的meta分析［5］顯示應(yīng)變式彈性成像診斷甲狀腺惡性結(jié)節(jié)的靈敏度為92%，特異度為90%。但由于應(yīng)變式變彈性成像受操作者主觀性影響較大，筆者認(rèn)為可以定量評估的SWE更具有實用性。

1.1 SWE的原理

當(dāng)對物體施加壓力時，受壓對象可以產(chǎn)生形變。超聲探頭可以發(fā)射脈沖波，使得感興趣區(qū)（即觀察對象）產(chǎn)生剪切波，超聲探頭捕捉到反射回來的剪切波信號后換算成剪切波速度［6］。組織抵抗形變能力的物理量用楊氏彈性模量（E）來表示，楊氏彈性模量的計算方法為，E=3ρCs2（ρ為組織密度，Cs為組織中剪切波的傳播速度）。當(dāng)測得剪切波速度越高，E值越高，組織抵抗形變能力越強(qiáng)，反映組織越硬。因此，對于位置較深、體積較小、甲狀腺觸診無法觸摸到的結(jié)節(jié)，使用SWE時可以更直觀地反映結(jié)節(jié)的硬度。

1.2 SWE與甲狀腺結(jié)節(jié)診斷

目前對于甲狀腺結(jié)節(jié)的評估多使用甲狀腺影像報告和數(shù)據(jù)系統(tǒng)（Thyroid Imaging Reporting and Data System，TI-RADS）分類標(biāo)準(zhǔn)，對于TI-RADS 4類以上的結(jié)節(jié)，建議進(jìn)行細(xì)針抽吸活組織檢查（fine-needle aspiration biopsy，F(xiàn)NAB）。趙彤等［7］研究報道，對230個甲狀腺結(jié)節(jié)在二維超聲基礎(chǔ)上應(yīng)用SWE后，結(jié)果顯示二維超聲聯(lián)合SWE可以降低TI-RADS 4類結(jié)節(jié)的FNAB率（從28.7%下降到15.7%），診斷效能由原來的79.6%（183/230）提高到86.1%（198/230）。SWVmax鑒別TI-RADS 4類甲狀腺結(jié)節(jié)良惡性的最佳診斷界值為3.53 m/s（E=37.3 kPa）。SWE除了用于甲狀腺結(jié)節(jié)的診斷，有相關(guān)研究［8］顯示，SWE也可以預(yù)測甲狀腺癌淋巴結(jié)轉(zhuǎn)移，其中以Emax及結(jié)節(jié)與周圍正常組織的彈性比值預(yù)測效能最高，隨著兩者數(shù)值越大，甲狀腺惡性結(jié)節(jié)合并中央?yún)^(qū)淋巴結(jié)轉(zhuǎn)移可能性越高。Moraes等［9］進(jìn)行的一項前瞻性研究顯示，對于FNAB后仍為不確定性的結(jié)節(jié)，SWE相關(guān)參數(shù)（結(jié)節(jié)和甲狀腺前肌肉之間的平均變形比率）可以進(jìn)一步提示惡性結(jié)節(jié)的風(fēng)險概率，用于術(shù)前評估，認(rèn)為當(dāng)結(jié)節(jié)和甲狀腺前肌肉之間的平均變形比率＞1.53時惡性腫瘤的概率較高（曲線下面積為0.98）。目前尚未有統(tǒng)一的彈性界值診斷甲狀腺結(jié)節(jié)的良惡性，但綜上可知，綜合應(yīng)用各項彈性指標(biāo)依舊可為我們提供參考信息。

2 超聲造影

超聲造影是在外周靜脈注入超聲造影劑后再進(jìn)行超聲探查，簡單方便、禁忌證少。通過觀察造影劑流動可以看到血管的粗細(xì)、走行及與腫瘤的關(guān)系。目前普遍認(rèn)為，惡性腫瘤的生長離不開血管供應(yīng)的營養(yǎng)物質(zhì)，且腫瘤新生血管與血管內(nèi)皮生長因子關(guān)系密切。SUN等［10］認(rèn)為新血管的形成對甲狀腺癌的局部腫瘤生長、侵襲和遠(yuǎn)處轉(zhuǎn)移非常重要。據(jù)報道，超聲造影診斷甲狀腺癌準(zhǔn)確度為80%左右，主要表現(xiàn)為不均勻性低增強(qiáng)、環(huán)狀增強(qiáng)，與二維超聲相比超聲造影后顯示的結(jié)節(jié)范圍較小等，而良性甲狀腺結(jié)節(jié)則多表現(xiàn)為彌漫性均勻等增強(qiáng)或高增強(qiáng)［11］。與Zhang等［12］的研究結(jié)果部分相似，低增強(qiáng)為判斷良惡性的較好指標(biāo)，診斷結(jié)節(jié)良惡性的準(zhǔn)確度約達(dá)89%。分析造成上述結(jié)果差異性的原因可能在于：① 當(dāng)結(jié)節(jié)太小時，圖像對比度不夠，病灶信息獲取不足；② 成像結(jié)果受操作者手法經(jīng)驗、機(jī)器調(diào)節(jié)、病灶位置等影響較大。當(dāng)發(fā)現(xiàn)甲狀腺結(jié)節(jié)時，除了判斷其良惡性，同時還需關(guān)注頸部周圍淋巴結(jié)的情況。張艷等［13］報道，通過頸部淋巴管造影，發(fā)現(xiàn)甲狀腺癌轉(zhuǎn)移性淋巴結(jié)的效能比常規(guī)超聲要高（靈敏度：91.7% vs 75.0%，準(zhǔn)確度90.0%vs 80.0%）。同時，對于甲狀腺惡性結(jié)節(jié)術(shù)后患者，也需要了解病灶復(fù)發(fā)情況。為此，有學(xué)者［14］分析應(yīng)用超聲造影所得的相關(guān)參數(shù)，發(fā)現(xiàn)在287個甲狀腺癌的造影結(jié)果中，表現(xiàn)為隨著部分增強(qiáng)強(qiáng)度增加，癌癥復(fù)發(fā)風(fēng)險加大。其中高增強(qiáng)灶（結(jié)節(jié)中局限性高增強(qiáng)伴低增強(qiáng)）多呈高復(fù)發(fā)風(fēng)險，而低增強(qiáng)病灶為低復(fù)發(fā)風(fēng)險。

3 人工智能（artificial intelligence，AI）

3.1 AI與甲狀腺結(jié)節(jié)

人工智能是一門新技術(shù)科學(xué)，包括訓(xùn)練集、測驗集和驗證集，AI對甲狀腺結(jié)節(jié)診斷的一般步驟包括：首先，模型對每幅超聲圖像進(jìn)行優(yōu)化預(yù)處理，并從中選擇感興趣區(qū)，然后應(yīng)用特征提取方法訓(xùn)練，對甲狀腺結(jié)節(jié)進(jìn)行分類，最后給出結(jié)節(jié)是良性或惡性的結(jié)果［15］。由此可知，當(dāng)訓(xùn)練集數(shù)據(jù)量越多，模型學(xué)習(xí)并進(jìn)行優(yōu)化的程度越好，其可信度就越高。據(jù)Chen等［16］發(fā)布的癌癥調(diào)查顯示，甲狀腺癌已成為中國女性常見的癌癥之一，新發(fā)女性甲狀腺癌病例在中國15～59歲女性中排名可達(dá)到第三。甲狀腺結(jié)節(jié)的高發(fā)病率使得有足夠多的醫(yī)學(xué)病例作為模型的訓(xùn)練集。因此，AI醫(yī)療診斷應(yīng)用與甲狀腺結(jié)節(jié)的診斷迅速契合。

3.2 甲狀腺結(jié)節(jié)圖像分割

通過深度學(xué)習(xí)可以對各種醫(yī)學(xué)圖像進(jìn)行識別、分割，而人工或半人工地勾勒出感興趣區(qū)是一項耗時費(fèi)力的艱巨任務(wù)。據(jù)文獻(xiàn)［17］介紹，除了經(jīng)典分割方法，過去已提出了諸如傳統(tǒng)基于圖形的方法、變形模型以及基于學(xué)習(xí)的方法等，但是分割效果欠佳。深度學(xué)習(xí)技術(shù)出現(xiàn)后，人們提出了一些基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)醫(yī)學(xué)圖像分割方法，其效能明顯優(yōu)于前面幾種方法［18］。目前圖像分割的AI學(xué)習(xí)是以醫(yī)師的經(jīng)驗為標(biāo)準(zhǔn)，當(dāng)結(jié)節(jié)邊界不清時，其分割具有很大的差異性。有學(xué)者［19］運(yùn)用顯示全局信息的模型和顯示局部信息的模型構(gòu)建一個新的模型對甲狀腺超聲圖像進(jìn)行分割，結(jié)果顯示新模型的性能較單一模型好。

3.3 AI應(yīng)用于甲狀腺結(jié)節(jié)診斷

目前AI對甲狀腺結(jié)節(jié)的診斷主要為良惡性鑒別和TI-RADS分類。根據(jù)最近發(fā)布的一些研究結(jié)果，超聲圖像上AI診斷甲狀腺結(jié)節(jié)的準(zhǔn)確度已達(dá)到85%～90%［20-21］。有研究［22］報道AI智能學(xué)習(xí)基于美國放射學(xué)會（American College of Radiology，ACR）TI-RADS，可以規(guī)范化提取甲狀腺結(jié)節(jié)圖片的特征進(jìn)行人工智能深度學(xué)習(xí)。韓曉濤等［23］研究顯示，計算機(jī)對TI-RADS中的5個指標(biāo)（成分、回聲、邊界、縱橫比、鈣化）進(jìn)行量化處理，應(yīng)用統(tǒng)計學(xué)方法建立可視化模型，可以100%正確識別結(jié)節(jié)，為臨床提供參考意見。研究者應(yīng)用AI去修訂ACR TI-RADS甲狀腺結(jié)節(jié)風(fēng)險分類，得出AI TI-RADS［24］，它采用了新的賦值方法，研究結(jié)果表明，不管是與專家組或非專家組相比，AI TI-RADS的特異性都是最高的。SUN等［25］在甲狀腺二維圖像特征的基礎(chǔ)上應(yīng)用遷移學(xué)習(xí)的方法，獲得AI模型，然后與有豐富經(jīng)驗的主治醫(yī)師相比，結(jié)果顯示，這一系統(tǒng)的準(zhǔn)確度、靈敏度和特異度均高于后者，分別為96.4%vs 93.1%、83.1% vs 67.2%和92.5% vs 87.1%。Zhao等［26］研究顯示，應(yīng)用二維超聲聯(lián)合彈性成像訓(xùn)練得到AI診斷模型，與單一應(yīng)用二維數(shù)據(jù)訓(xùn)練集得到的模型相比，驗證數(shù)據(jù)集中不必要的FNAB率從30.0%下降到4.5%，測試數(shù)據(jù)集中的不必要的FNAB率從37.7%下降到4.7%。由此看來，AI客觀性診斷比較有應(yīng)用前景。

但AI深度學(xué)習(xí)也存在著一些局限性：① 通過深度學(xué)習(xí)獲得的模型面臨著過擬合問題，需要大樣本訓(xùn)練集，因為樣本量小的訓(xùn)練與過擬合的高風(fēng)險相關(guān)［27］；② 深度學(xué)習(xí)有以下幾種類型，如LeNet、Alexnet、GoogLeNet、VGG、Deep Residual Learning等，目前已有關(guān)于上述部分模型的相關(guān)應(yīng)用研究，但具體哪種模型更適合于甲狀腺結(jié)節(jié)圖像訓(xùn)練尚未達(dá)成一致［28-29］；③ AI對甲狀腺結(jié)節(jié)的檢出效能受圖像清晰度的影響，此外，它的判斷是在靜態(tài)圖片上進(jìn)行的。

4 結(jié)語

各種新式超聲技術(shù)的應(yīng)用發(fā)揮各自優(yōu)勢，彌補(bǔ)了傳統(tǒng)超聲的不足，為診斷甲狀腺結(jié)節(jié)提供了更全面、詳細(xì)的信息。對于一些觸診不到的深部病灶，彈性成像可以方便、快速地提供硬度信息；超聲造影能夠清晰地顯示病灶內(nèi)部及周圍血管情況；基于大數(shù)據(jù)的AI具有客觀、快捷、準(zhǔn)確的優(yōu)點，其強(qiáng)大的圖像處理能力對醫(yī)學(xué)影像診斷具有極大的幫助。將三者聯(lián)合應(yīng)用得到的新式多模態(tài)AI更能全面地對甲狀腺結(jié)節(jié)作出快速準(zhǔn)確判斷，對年輕醫(yī)師來說是一個得力助手，對經(jīng)驗豐富的醫(yī)師來說也是一種補(bǔ)充診斷的方法。同時，構(gòu)建多中心、多模態(tài)的臨床數(shù)據(jù)集也有利于綜合診斷疾病，為臨床治療構(gòu)建規(guī)范化流程提供參考?？傊?，只有全面綜合地利用各項技術(shù)，才能給甲狀腺癌患者制訂合理、規(guī)范化的治療方案。