郝艷紅，李曉宇，張炎晶，趙育芳，劉靜靜，劉利平

（1.山西醫(yī)科大學(xué)第一醫(yī)院超聲科，山西 太原 030001；2.河北北方學(xué)院附屬第一醫(yī)院超聲科，河北 張家口 075000）

隨著超聲分辨力的提高，甲狀腺癌的檢出率增長迅速，其中甲狀腺乳頭狀癌（papillary thyroid carcinama，PTC）最多見。術(shù)前準(zhǔn)確檢測淋巴結(jié)轉(zhuǎn)移對臨床診療方案的制訂有重要意義。甲狀腺結(jié)節(jié)超聲的形態(tài)特征與頸部淋巴結(jié)轉(zhuǎn)移存在一定相關(guān)性［1-2］，可幫助預(yù)測甲狀腺癌頸部淋巴結(jié)是否轉(zhuǎn)移。有研究通過對超聲圖像特征的量化預(yù)測結(jié)節(jié)的良惡性，但關(guān)于人工智能軟件量化的超聲征象與PTC 患者淋巴結(jié)轉(zhuǎn)移的研究報道并不多見［3-4］。本研究通過分析安克偵軟件量化PTC 的超聲征象與頸部淋巴結(jié)轉(zhuǎn)移的關(guān)系，探討人工智能在PTC 頸部淋巴結(jié)轉(zhuǎn)移預(yù)警中的價值。

1 資料與方法

1.1 一般資料 收集2018 年3 月至2019 年11 月于山西醫(yī)科大學(xué)第一醫(yī)院就診并經(jīng)手術(shù)病理證實的PTC 患者177 例，其中男38 例，女139 例；年齡17～78 歲，平均（47.1±10.6）歲。依據(jù)淋巴結(jié)是否轉(zhuǎn)移將患者分為轉(zhuǎn)移組71 例，非轉(zhuǎn)移組106 例。納入標(biāo)準(zhǔn)：經(jīng)手術(shù)證實的PTC；術(shù)中行中央?yún)^(qū)（+側(cè)頸部）頸部淋巴結(jié)清掃術(shù)。排除標(biāo)準(zhǔn)：甲狀腺結(jié)節(jié)最大徑＞4 cm且超聲特征顯示不完整者。

1.2 儀器與方法 采用GE Logic E9 彩色多普勒超聲診斷儀，頻率6～15 MHz。圖像處理采用AmCADUT Detection 甲狀腺超聲圖像處理軟件。由1 名高年資醫(yī)師采集甲狀腺結(jié)節(jié)圖像，并輸入專用計算機，優(yōu)先選擇橫切面圖像，手動勾畫出結(jié)節(jié)輪廓，采用軟件解析量化結(jié)節(jié)形態(tài)特征，包括結(jié)節(jié)回聲類型（高回聲、等回聲、低回聲、極低回聲、無回聲）、內(nèi)部結(jié)構(gòu)（全為實性、實性部分＞50%、囊性部分＞50%、全為囊性）、強回聲點（微小鈣化、粗大鈣化、無鈣化）、邊緣（規(guī)則、不規(guī)則）、內(nèi)部回聲均勻度（均勻、不均勻）、縱橫比（≥1、＜1）等關(guān)鍵指標(biāo)，其中量化值以系統(tǒng)自設(shè)的0.5 為基準(zhǔn)，≥0.5 為具有該特征（圖1）。

圖1 甲狀腺乳頭狀癌的超聲圖像 注：患者，男，31 歲。圖1a 為二維聲像圖，示甲狀腺右側(cè)葉上極單發(fā)低回聲實性結(jié)節(jié)伴微鈣化，大小1.57 cm×0.90 cm×1.24 cm，縱橫比＞1，邊緣不規(guī)則，內(nèi)部回聲不均勻；圖1b～1f 分別為安克偵軟件量化的結(jié)節(jié)回聲、邊緣、強回聲點、內(nèi)部回聲、無回聲區(qū)域

1.3 統(tǒng)計學(xué)分析 采用SPSS 22.0 軟件進(jìn)行數(shù)據(jù)分析，定量資料符合正態(tài)分布，以表示；計數(shù)資料以構(gòu)成比表示，2組間率的比較行χ2檢驗。以病理結(jié)果作為應(yīng)變量，將單因素分析差異有統(tǒng)計學(xué)意義的超聲征象作為自變量行逐步向前多因素logistic 回歸分析，以篩選出來的獨立危險因素建立預(yù)測模型。以P＜0.05 為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

38 例男性患者中，淋巴結(jié)轉(zhuǎn)移24 例（63.2%），無淋巴結(jié)轉(zhuǎn)移14 例（36.8%）；139 例女性患者中，淋巴結(jié)轉(zhuǎn)移47 例（33.8%），無淋巴結(jié)轉(zhuǎn)移92 例（66.2%）。92 例年齡＞45 歲患者中，淋巴結(jié)轉(zhuǎn)移23 例（25.0%）；85 例年齡≤45 歲患者中，淋巴結(jié)轉(zhuǎn)移48 例（56.5%）。結(jié)節(jié)平均最大徑轉(zhuǎn)移組為（1.43±0.60）cm，非轉(zhuǎn)移組為（1.07±0.64）cm。

轉(zhuǎn)移組與非轉(zhuǎn)移組性別和年齡差異均有統(tǒng)計學(xué)意義（均P＜0.05）。2組安克偵軟件識別的超聲征象中結(jié)節(jié)最大徑、微鈣化、邊緣差異均有統(tǒng)計學(xué)意義（均P＜0.05）；2組結(jié)節(jié)回聲類型、內(nèi)部回聲是否均勻及縱橫比差異均無統(tǒng)計學(xué)意義（均P＞0.05，表1）。

表1 轉(zhuǎn)移組與非轉(zhuǎn)移組臨床特征及安克偵軟件量化的超聲征象對照

單因素分析顯示，有統(tǒng)計學(xué)意義的變量是年齡、性別、微鈣化、結(jié)節(jié)最大徑、邊緣是否規(guī)則，分別記為X1、X2、X3、X4、X5，并賦值（表2），行多因素二元logistic回歸分析。經(jīng)變量篩選后，除邊緣是否規(guī)則（X5）在2組間差異無統(tǒng)計學(xué)意義外，年齡、性別、結(jié)節(jié)最大徑及微鈣化差異均有統(tǒng)計學(xué)意義（均P＜0.05）。因此，年齡≤45 歲、男性、微鈣化、結(jié)節(jié)最大徑≥1 cm 是PTC發(fā)生頸部淋巴結(jié)轉(zhuǎn)移的獨立危險因素（表3）。logistic回歸模型為：logit（P）=-2.631+1.641X1+0.879X2+0.862X3+1.237X4。

表2 PTC 頸部淋巴結(jié)轉(zhuǎn)移危險因素賦值

表3 PTC 頸部淋巴結(jié)轉(zhuǎn)移logistic 回歸分析

3 討論

基于TI-RADS 分類，超聲醫(yī)師可較準(zhǔn)確地判斷甲狀腺結(jié)節(jié)的良惡性，指導(dǎo)臨床分級管理，但存在一定主觀性。人工智能能夠客觀量化甲狀腺結(jié)節(jié)的超聲特征，提高超聲對甲狀腺結(jié)節(jié)良惡性診斷的準(zhǔn)確率［5］。王丹等［6］的研究顯示，人工智能對甲狀腺結(jié)節(jié)診斷的敏感度、特異度分別為86.20%、85.48%，與病理診斷結(jié)果具有較好的一致性。麥武平等［7］研究證實，人工智能診斷甲狀腺結(jié)節(jié)良惡性的敏感度及AUC高于低年資醫(yī)師（P＜0.05），而兩者聯(lián)合應(yīng)用診斷敏感度及AUC 均有所提高。淋巴結(jié)轉(zhuǎn)移是PTC 患者術(shù)后復(fù)發(fā)和生存率不良的重要危險因素［8］。術(shù)前準(zhǔn)確預(yù)警PTC 頸部淋巴結(jié)轉(zhuǎn)移是臨床手術(shù)方式選擇及術(shù)后管理的重要依據(jù)。但單純依靠影像學(xué)檢查早期發(fā)現(xiàn)PTC 患者頸部淋巴結(jié)轉(zhuǎn)移仍有一定局限性。本研究使用的安克偵圖像處理軟件基于人工智能可通過超聲圖像量化分析結(jié)節(jié)特征，為診斷甲狀腺結(jié)節(jié)的良惡性提供客觀量化依據(jù)，在預(yù)測頸部淋巴結(jié)轉(zhuǎn)移中有一定價值。有文獻(xiàn)表明，甲狀腺癌平均年齡約40 歲［8］，男性發(fā)病率較女性低。本研究男女比例1:3.66，差異有統(tǒng)計學(xué)意義；且≤45 歲的男性患者更易發(fā)生轉(zhuǎn)移，差異有統(tǒng)計學(xué)意義。logistic 回歸分析表明，≤45 歲及男性是頸部淋巴結(jié)轉(zhuǎn)移的獨立危險因素。

本研究也發(fā)現(xiàn)，轉(zhuǎn)移與非轉(zhuǎn)移患者中安克偵軟件識別的結(jié)節(jié)最大徑差異顯著（P＜0.001），表明頸部淋巴結(jié)有無轉(zhuǎn)移可能與結(jié)節(jié)大小相關(guān)，最大徑越大，越容易轉(zhuǎn)移［9］；這可能是因為腫瘤體積越大，癌細(xì)胞不受控制的分裂和增殖過程越明顯，腫瘤生長更活躍，侵襲性也更強，因此轉(zhuǎn)移的可能性越大［10］。同時logistic 回歸分析提示，結(jié)節(jié)最大徑≥1 cm 也是頸部淋巴結(jié)發(fā)生轉(zhuǎn)移的又一獨立危險因素，這可能為臨床醫(yī)師評估是否行預(yù)防性頸部淋巴結(jié)清掃提供了客觀依據(jù)，但仍需綜合分析。

PTC 結(jié)節(jié)中出現(xiàn)微鈣化的病理學(xué)基礎(chǔ)是腫瘤細(xì)胞發(fā)生變性壞死后產(chǎn)生的鈣鹽沉積，伴微鈣化的結(jié)節(jié)更易出現(xiàn)頸部淋巴結(jié)轉(zhuǎn)移［11-12］。本研究中安克偵軟件識別伴微鈣化的PTC 發(fā)生頸部淋巴結(jié)轉(zhuǎn)移的比例為59.2%（61/103）；單因素分析顯示結(jié)節(jié)內(nèi)微鈣化與頸部淋巴結(jié)轉(zhuǎn)移有關(guān)（P＜0.05）；logistic 回歸分析提示微鈣化是頸部淋巴結(jié)轉(zhuǎn)移的另一獨立危險因素。但是否安克偵軟件識別的微鈣化越多，其頸部淋巴結(jié)轉(zhuǎn)移可能性越大，本研究未深入探討，有待進(jìn)一步分析。

本研究安克偵軟件識別的邊緣不規(guī)則結(jié)節(jié)發(fā)生淋巴結(jié)轉(zhuǎn)移的比例為51.7%（60/116），邊緣規(guī)則發(fā)生轉(zhuǎn)移的比例為16.7%（11/66）；單因素分析顯示結(jié)節(jié)邊緣不規(guī)則與頸部淋巴結(jié)轉(zhuǎn)移相關(guān)（P＜0.05），可能是因為轉(zhuǎn)移組中的癌結(jié)節(jié)對周圍組織的侵襲性更明顯，與鄰近甲狀腺腺體組織的界限更加模糊［13-15］。這與文獻(xiàn)［16］報道一致。但logistic 多因素回歸分析顯示，邊緣不規(guī)則并不能作為預(yù)測頸部淋巴結(jié)轉(zhuǎn)移的獨立危險因素；這可能是由于安克偵軟件識別的結(jié)節(jié)邊緣與結(jié)節(jié)最大徑有關(guān)，結(jié)節(jié)小時手動勾勒較困難，從而影響對結(jié)節(jié)邊緣的判定。

綜上所述，安克偵軟件量化的PTC 超聲圖像特征與頸部淋巴結(jié)轉(zhuǎn)移有良好的相關(guān)性，可有效避免超聲醫(yī)師判讀圖像存在的主觀差異；人工智能可篩選具有轉(zhuǎn)移傾向的結(jié)節(jié)，以輔助臨床醫(yī)師制訂精確化、個體化的治療方案。但同時應(yīng)認(rèn)識到人工智能的不足，在臨床工作中，需結(jié)合患者的其他影像學(xué)信息及臨床資料作出全面分析診斷。