曹 力，張會萍，周毓青，周珠影

上海市長寧區(qū)婦幼保健院/華東師范大學附屬婦幼保健院超聲醫(yī)學科，上海 200050

乳腺癌發(fā)病率逐年增高。世界衛(wèi)生組織國際癌癥研究機構（International Agency for Research on Cancer，IARC）發(fā)布的2020全球最新癌癥負擔數(shù)據(jù)顯示，乳腺癌發(fā)病率超過肺癌，成為全球第一大癌癥［1］。2020年中國女性乳腺癌新發(fā)病例數(shù)約42萬，仍居女性癌癥發(fā)病率首位。乳腺癌的早期發(fā)現(xiàn)及早期診斷，對于患者早期治療及改善預后，具有重要作用［2］。超聲檢查具有簡便無創(chuàng)、價格低廉等優(yōu)勢；隨著基于超聲檢查的乳腺影像報告和數(shù)據(jù)系統(tǒng)（Breast Imaging Reporting and Data System，BI-RADS）的不斷完善及廣泛應用，超聲檢查已成為乳腺病變重要的檢查方法［3-4］。但是，超聲檢查對于乳腺結節(jié)的診斷準確度仍受檢查者的經(jīng)驗和水平的影響，其靈敏度和特異度在不同醫(yī)師間差異較大［5］。

乳腺腫瘤的鑒別是臨床研究的熱點，隨著人工智能（artificial intelligence，AI）技術的應用，乳腺腫瘤的診斷和鑒別診斷水平有了明顯提高。S-Detect技術是韓國三星集團開發(fā)的一款較成熟的計算機輔助設計（computer aided design，CAD）軟件［6］，可對超聲圖像的形態(tài)特征等自動分割和描述，并得出“可能良性”或“可能惡性”的結果，操作簡便，可用于乳腺結節(jié)的自動化定性診斷［7］。本研究分析不同工作年限和AI間的診斷效能，對于臨床合理應用AI技術提供參考。

1 資料和方法

1.1 資料

研究對象為2020年7—10月在上海市長寧區(qū)婦幼保健院乳腺科接受手術治療并獲得病理學診斷結果的乳腺結節(jié)患者。納入標準：常規(guī)超聲檢查發(fā)現(xiàn)乳腺結節(jié)；自愿加入本研究并接受S-Detect技術檢查。排除標準：常規(guī)超聲及S-Detect技術檢查前曾接受術前化療、放療或內(nèi)分泌治療等；乳腺內(nèi)置入假體者；常規(guī)超聲難以顯示的非腫塊型病灶；未獲得最終病理學診斷結果的病灶。

本研究共入組患者100例，均為女性，年齡21～71歲，平均年齡（43.1±12.3）歲；共入組乳腺結節(jié)144個，最大直徑7～83 mm，平均最大直徑（16.2±9.7）mm。本研究經(jīng)醫(yī)院倫理委員會批準，所有受檢者均簽署知情同意書。

1.2 儀器與方法

采用韓國三星集團的WS80A超聲診斷儀，使用頻率為5～12 MHz的L3-12A探頭。所有檢查由1名超聲專業(yè)高年資副主任醫(yī)師（具有18年乳腺超聲診斷經(jīng)驗）和1名超聲專業(yè)低年資主治醫(yī)師（具有3年乳腺超聲診斷經(jīng)驗）分別進行。檢查前，2名超聲科醫(yī)師均接受S-Detect技術的應用培訓。囑患者取平臥位，雙手外展，充分暴露雙側乳房及腋下。首先行常規(guī)超聲檢查，多切面掃查雙側乳腺及腋下，記錄乳腺結節(jié)的位置、大小、形態(tài)、邊界、內(nèi)部回聲、有無鈣化、后方回聲、是否有周圍組織改變、有無彩色血流以及是否有腋下腫大淋巴結等，以BI-RADS分類結果≤4A診斷為良性結節(jié)，＞4A診斷為惡性結節(jié)。

S-Detect檢測選取乳腺模式，2D模式下行結節(jié)縱切，調整探頭，充分顯示結節(jié)特征，獲得最佳乳腺結節(jié)圖像；啟動S-Detect模式，系統(tǒng)將自動描繪結節(jié)邊界，必要時采用手動調整；如果結節(jié)很大，就選擇性顯示病灶的特征性部分。系統(tǒng)會根據(jù)結節(jié)特征自動分析得出結論“可能良性”（圖1A）或“可能惡性”（圖1B）。隨后選擇結節(jié)橫切面，重復上述檢查，得出橫切面結論“可能良性”或“可能惡性”。記錄兩次S-Detect技術的結論，兩次結果均為“可能良性”者認定為良性結節(jié)，兩次結果均為“可能惡性”者及兩次結果分別為“可能良性”和“可能惡性”者認定為惡性結節(jié)。

圖1 乳腺良性及惡性結節(jié)S-Detect圖像

1.3 統(tǒng)計學處理

采用SPSS 22.0軟件分析數(shù)據(jù)。P＜0.05為差異有統(tǒng)計學意義。以病理學檢查結果為金標準。BI-RADS分類、S-Detect技術2名醫(yī)師的診斷效能以靈敏度、特異度、陽性預測值、陰性預測值及準確度表示。繪制受試者工作特征（receiver operating characteristic，ROC）曲線，計算常規(guī)超聲的BI-RADS分類、S-Detect技術2名醫(yī)師的曲線下面積（area under curve，AUC）；AUC比較采用Z檢驗。常規(guī)超聲檢查、S-Detect技術2名醫(yī)師診斷結果的一致性檢驗采用組內(nèi)相關系數(shù)（intraclass correlation coefficient，ICC），ICC大于0.8表示兩者高度一致，ICC 0.6～0.8表示兩者中度一致，0.41～0.60為一致性一般，0.11～0.40為一致性較低，0.1以下為無一致性。

2 結 果

2.1 病理學檢查結果

144個乳腺結節(jié)中，良性124個，占86.1%，直徑7～83 mm，平均直徑（15.6±9.7）mm；惡性20個，占13.9%，直徑7～35 mm，平均直徑（19.8±8.8）mm。良性結節(jié)包括纖維腺瘤82例，其中包括纖維腺瘤伴鈣化5例，纖維腺瘤伴黏液變性3例；導管內(nèi)乳頭狀瘤6例；乳腺病36例，其中乳腺病伴囊腫形成7例，乳腺病伴纖維腺瘤形成趨勢7例。惡性結節(jié)包括浸潤性導管癌15例，導管內(nèi)原位癌3例，浸潤性小葉癌2例。

2.2 常規(guī)超聲檢查、S-Detect技術診斷結果與病理學檢查結果對比

常規(guī)超聲檢查、S-Detect技術2名醫(yī)師診斷結果與病理學檢查結果對比見表1。

表1 常規(guī)超聲檢查、S-Detect技術2名醫(yī)師診斷結果與病理學檢查結果對比n（%）

2.3 常規(guī)超聲檢查、S-Detect技術的診斷效能

常規(guī)超聲檢查、S-Detect技術2名醫(yī)師的診斷效能以靈敏度、特異度、陽性預測值、陰性預測值及準確度表示，詳見表2。

表2 常規(guī)超聲檢查、S-Detect技術2名醫(yī)師的診斷效能

常規(guī)超聲檢查高年資醫(yī)師及低年資醫(yī)師的AUC分別為0.868和0.690；S-Detect技術高年資醫(yī)師及低年資醫(yī)師的AUC分別為0.877和0.893（圖2）。Z檢驗結果顯示，常規(guī)超聲檢查低年資醫(yī)師的AUC與其他三者差異有統(tǒng)計學意義（P＜0.01）。

圖2 常規(guī)超聲檢查、S-Detect技術2名醫(yī)師ROC曲線

2.4 常規(guī)超聲檢查、S-Detect技術診斷結果的一致性檢驗

常規(guī)超聲檢查高年資醫(yī)師及低年資醫(yī)師ICC為0.736（0.633～0.810），具有中度一致性；S-Detect技術高年資醫(yī)師及低年資醫(yī)師ICC為0.928（0.900～0.748），具有高度一致性。

3 討 論

盡管BI-RADS分類規(guī)范了乳腺病變的常規(guī)超聲診斷標準，但是其診斷效能仍依賴于超聲檢查者的經(jīng)驗及水平。本研究結果顯示，應用常規(guī)超聲檢查對乳腺結節(jié)進行良惡性鑒別診斷，高年資醫(yī)師的診斷靈敏度和特異度分別達到80.0%和93.5%；而低年資醫(yī)師的診斷靈敏度和特異度則分別為50.0%和87.9%，明顯低于高年資醫(yī)師。這與其他學者［8-9］的報道結果近似。目前中國的超聲診斷工作多為1名超聲科醫(yī)師獨立操作并完成診斷，缺乏上級醫(yī)師的監(jiān)督與復核［10］。年輕超聲科醫(yī)師的成長需要時間及經(jīng)驗的不斷積累，但這種積累不能以患者被誤診或漏診為代價。因而尋找快速有效提高低年資超聲科醫(yī)師診斷效能的方法迫在眉睫。

以大數(shù)據(jù)、深度學習算法為基礎的AI技術正廣泛應用于醫(yī)療領域，將醫(yī)學影像學與AI相結合，自動檢測、分析病變的特征，學習、思考、推理、規(guī)劃，自動對病變性質進行判斷，可有效避免操作者的主觀因素影響，提高工作效率以及診斷效能［11］。S-Detect技術采用卷積神經(jīng)網(wǎng)絡深度學習算法，基于大數(shù)據(jù)分析，并深入了解超聲科醫(yī)師核心的需求，從乳腺結節(jié)的邊界、形態(tài)、輪廓、內(nèi)部及后方回聲等數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，為乳腺結節(jié)的良惡性質鑒別提供參考依據(jù)，提高診斷效能，使乳腺超聲診斷更高效［11-13］。本研究結果顯示，低年資醫(yī)師應用常規(guī)超聲檢查診斷乳腺結節(jié)的AUC為0.690，而應用S-Detect技術，AUC提高至0.893，與高年資醫(yī)師應用常規(guī)超聲檢查及S-Detect技術的診斷效能相似（AUC分別為0.868及0.877）。Zhao等［14］及Di Segni等［15］的研究結果也顯示，S-Detect技術可以提高低年資超聲科醫(yī)師的診斷效能，達到與高年資超聲科醫(yī)師近似水平。Di Segni等［15］的研究指出，S-Detect技術可以作為低年資醫(yī)師的教學工具，來快速提高其診斷水平。本研究ICC結果顯示S-Detect技術在高年資醫(yī)師及低年資醫(yī)師間具有高度一致性。同樣，Bartolotta等［16］的研究也顯示，S-Detect技術可以提高不同觀察者間的診斷一致性。S-Detect技術可以彌補低年資超聲科醫(yī)師的經(jīng)驗不足，明顯提高其診斷信心與診斷水平，達到與高年資醫(yī)師相近的診斷效能；同時，S-Detect技術操作簡便，不增加診斷時間，報告結果清晰，可重復性好，尤其適用于經(jīng)驗不足的基層醫(yī)院醫(yī)師和初級醫(yī)師，值得臨床推廣。

本研究具有一定的局限性。首先，盡管本研究包含144例乳腺結節(jié)，但惡性結節(jié)僅20例，相對較少。此外，本研究未按結節(jié)大小以及是否有鈣化來分組討論S-Detect技術的診斷效能。有研究［17］表明，結節(jié)大小及是否有鈣化可能會影響S-Detect技術的診斷結果，造成假陽性或假陰性。本研究結果尚需加大樣本量并分組討論來進一步證實。

綜上，高低年限工作經(jīng)驗對于臨床超聲診斷結果有一定的影響，而應用AI方法（S-Detect技術）可以降低經(jīng)驗的影響，大大提高低年資超聲科醫(yī)師的診斷水平及診斷信心，且操作簡便值得臨床推廣。