甲狀腺結(jié)節(jié)多模態(tài)超聲成像智能化評估模型構(gòu)建探討

李 明，馬 璇，張 倩，王風(fēng)云

（內(nèi)蒙古科技大學(xué)包頭醫(yī)學(xué)院第一附屬醫(yī)院門診超聲診斷科，內(nèi)蒙古 包頭 014010）

甲狀腺結(jié)節(jié)（thyeoid nodule）為一種臨床常見的甲狀腺疾病，臨床具有較高發(fā)病率，臨床數(shù)據(jù)顯示，該種疾病通過觸診的模式可具有3%～7%檢出率。超聲對于該疾病的診出率較高，一般利用高分辨率超聲儀器可檢出20%～76%，并且惡性病變的檢出率為7%～15%。但常規(guī)的超聲對于甲狀腺良惡性的特異性不高，該種情況與甲狀腺結(jié)節(jié)的內(nèi)部結(jié)構(gòu)復(fù)雜性具有一定關(guān)系，其結(jié)果比較復(fù)雜，一般超聲模式很難獲得準(zhǔn)確結(jié)果，醫(yī)師在評估上具有一定直觀性，因此需要建立一種智能評估模式，提升判斷結(jié)果準(zhǔn)確性。

1 資料與方法

1.1 基礎(chǔ)資料

以2018年3月～2020年3月期間我院收治的116例患者共136個甲狀腺結(jié)節(jié)為研究對象。樣本納入標(biāo)準(zhǔn)：結(jié)節(jié)最大直徑＜2.5cm；無手術(shù)或者超聲引導(dǎo)經(jīng)皮熱消融治療史；所有結(jié)節(jié)彈性圖像均符合標(biāo)準(zhǔn)。

1.2 方法

1.2.1 超聲檢查方式

患者采取仰臥位，在頸部下面放一個小枕頭使得頸部可以伸展將甲狀腺部位暴露，然后進(jìn)行橫向和縱向掃描，獲得掃描結(jié)果，并根據(jù)CAR獲得認(rèn)證圖像，在PACS工作站上記錄圖像。評估結(jié)節(jié)的大小、邊緣、形狀、縱橫比以及回聲的數(shù)據(jù)，兩名經(jīng)驗豐富醫(yī)師評估獲得的相應(yīng)數(shù)據(jù)并獲得統(tǒng)一結(jié)果，根據(jù)甲狀腺結(jié)節(jié)直徑：0.5cm以下、0.5～1.0cm、1.0～2.0cm、2.0～2.5cm四個類型，根據(jù)鈣化情況分別微小鈣化、粗大鈣化。根據(jù)血流分布分為血流正常以及血流豐富。

1.2.2 彈性成像分析

在同一天常規(guī)超聲和彈性成像檢查以及評估，圖像滿足一下標(biāo)準(zhǔn)被認(rèn)為可靠：將探頭置于目標(biāo)結(jié)節(jié)之上，然后輕輕按壓。彈性圖像獲取過程中，超聲儀器顯示上壓力釋放指數(shù)必須保持在3～4之間，彈性圖像維持時間3～5s。根據(jù)患者情況調(diào)整像素的著色情況，一般需要按照256色比例。

1.2.3 構(gòu)建風(fēng)險評估系統(tǒng)

隨機(jī)選取80%的樣本進(jìn)行訓(xùn)練，但樣本分析并機(jī)芯回歸分析，篩查標(biāo)量，數(shù)據(jù)見差異具有統(tǒng)計學(xué)意義時P＜0.05，并獲得回歸系數(shù)。構(gòu)建系統(tǒng)后創(chuàng)造臨界點(diǎn)，將患者分為低、中、高風(fēng)險。

1.2.4 惡性風(fēng)險評估系統(tǒng)驗證

驗證集選擇最終預(yù)測規(guī)則剩余的20%樣本，均給予訓(xùn)練以及驗證集繪制ROC曲線，計算曲線下面積（AUC）。以最終病理結(jié)果作為金標(biāo)準(zhǔn)，確定每一種病變類型的惡性率以及95%置信區(qū)間。

本次每一個結(jié)節(jié)，以病理作為最終標(biāo)準(zhǔn)，對于結(jié)節(jié)通過手術(shù)或者診斷性的FNA獲得最終的結(jié)果，良性結(jié)節(jié)以手術(shù)以及FNA證實，分析良惡性結(jié)果。

1.3 數(shù)據(jù)分析

數(shù)據(jù)納入辦公軟件SPSS20.0中進(jìn)行分析比較，t檢驗分析計量，x2檢驗分析計數(shù)資料，數(shù)據(jù)見差異具有統(tǒng)計學(xué)意義時P＜0.05。

2 結(jié) 果

2.1 結(jié)節(jié)特征

本次116例患者中查出136例結(jié)節(jié)，其中29個為甲狀腺惡性腫瘤（21.32%），29個惡性腫瘤中，19個為乳腺狀甲狀腺癌，5個為濾泡性甲狀腺癌，5個為其他惡性腫瘤。

2.2 甲狀腺結(jié)節(jié)評分系統(tǒng)

經(jīng)過多變量的logistic回歸分析，我們發(fā)現(xiàn)11個變量與惡性顯著性相關(guān)，納入最終預(yù)測系統(tǒng)中，分別為女性、年齡≥46歲、形狀、鈣化模式、囊性、聲暈、頸部淋巴結(jié)狀態(tài)、鈣化或者囊性病變、彈性評分、總T4＞157.4ng/mL、TSH＞5.6mu/L。如果患者的評分低于4分，那么惡性甲狀腺癌幾率會明顯降低，4～6分為中度概率惡性，6分以上為高度概率惡性。根據(jù)以上結(jié)果獲得95%置信區(qū)間以及惡性腫瘤率情況，訓(xùn)練集和驗證集的AUC分別為0.938以及0.933。

表1 使用低、中、高風(fēng)險評分系統(tǒng)在開發(fā)集和驗證集上的的惡性率

3 討 論

本次我們對116例患者進(jìn)行臨床生化、超聲以及病理資料進(jìn)行綜合分析，開發(fā)并且驗證了一個基于網(wǎng)絡(luò)的惡性腫瘤智能評價系統(tǒng)。該系統(tǒng)中不同得分級別預(yù)示患者的惡性化情況，驗證中訓(xùn)練集和驗證集的AUC分別為0.938以及0.933，具有較高準(zhǔn)確性。因此筆者認(rèn)為：利用單因素和多變量方式可建議利用簡單的甲狀腺結(jié)節(jié)風(fēng)險評估系統(tǒng)，該系統(tǒng)可以比較智能的分析甲狀腺結(jié)節(jié)良惡性情況，該種模式為醫(yī)師對于甲狀腺結(jié)節(jié)的病情判斷提供可靠依據(jù)，值得進(jìn)一步研究分析。