王心怡,崔立剛
(1.北京大學(xué)第三醫(yī)院超聲科,北京 100191;2.北京大學(xué)腫瘤醫(yī)院暨北京市腫瘤防治研究所乳腺中心 惡性腫瘤發(fā)病機(jī)制及轉(zhuǎn)化研究教育部重點(diǎn)實(shí)驗(yàn)室,北京 100142)
乳腺影像報告和數(shù)據(jù)系統(tǒng)(breast imaging reporting and data system, BI-RADS)系美國放射學(xué)會為統(tǒng)一乳腺X線攝影術(shù)語而提出,2003年第4版BI-RADS首次加入乳腺超聲相關(guān)內(nèi)容,而2013年第5版不僅修訂了部分超聲術(shù)語,還對彈性成像做了相應(yīng)規(guī)范。目前BI-RADS已得到臨床普遍認(rèn)可,成為標(biāo)準(zhǔn)化報告的質(zhì)量保證,其核心內(nèi)容之一是對乳腺腫物進(jìn)行分類評估,如4類腫物的惡性概率為2%~94%,建議取得組織病理學(xué)診斷。第5版將BI-RADS 4類腫物細(xì)分為3個亞類,但未改變對BI-RADS 4a類腫物(惡性可能>2%,但≤10%)進(jìn)行活檢的建議。臨床工作中,醫(yī)師難以判定為BI-RADS 3類或4a類時,常傾向于將腫物分入BI-RADS 4a類,意在避免漏診,但可能帶來非必要的活檢[1]。超聲是篩查乳腺癌最常用的影像學(xué)方法之一,超聲BI-RADS分類對于乳腺腫物的臨床決策至關(guān)重要,但其診斷特異度偏低,如何降低假陽性率成為亟待解決的問題。本文對乳腺超聲新技術(shù),包括超微血管成像(superb microvascular imaging, SMI)、全自動乳腺容積掃描(automatic breast volume scanner, ABVS)、彈性成像、超聲造影(contrast-enhanced ultrasound, CEUS)及人工智能(artificial intelligence, AI)輔助BI-RADS精準(zhǔn)分類研究進(jìn)展進(jìn)行綜述。
相比良性腫瘤,惡性腫瘤豐富的新生血管是其生長和轉(zhuǎn)移的基礎(chǔ),也是血流成像鑒別乳腺良惡性腫瘤的依據(jù)之一。SMI利用多普勒原理,采用新的算法以有效顯示低流速的微小血管,可彌補(bǔ)傳統(tǒng)彩色多普勒血流成像顯示腫瘤新生小血管的不足,是目前最新的血流成像技術(shù),其診斷乳腺良惡性腫瘤的特異度已超越常規(guī)超聲[2]。CAI等[3]以血管指數(shù)≤4.0%作為BI-RADS 4類腫物降級的標(biāo)準(zhǔn),將24.32%(54/222)4類腫物降為BI-RADS 3類,僅漏診1例。PARK等[4]以血管指數(shù)與其他定性特征為標(biāo)準(zhǔn),將BI-RADS 4a類中34.29%(12/35)的良性腫物準(zhǔn)確降級,且未出現(xiàn)漏診。相反,ZHU等[2]借助SMI的多種特征進(jìn)行BI-RADS二次分類時,不僅未能降級,反而將2個良性腫物錯誤升級。王希等[5]建議,遇SMI顯示BI-RADS 4~5類腫物血管管徑均勻、走行平直或有伴行動靜脈時,可適當(dāng)降級,但僅適用于富血供腫物。探頭加壓力度、腫物深度及血管走行均可能影響SMI顯示血流效果。目前對于SMI是否有助于提升BI-RADS的特異度尚無定論,單獨(dú)以SMI輔助BI-RADS分類時仍需謹(jǐn)慎。
作為新型超聲容積成像技術(shù),ABVS最早于2012年在美國獲準(zhǔn)用于臨床。ABVS可在減少手持超聲人為因素影響的同時提供多切面重建圖像,是常規(guī)超聲檢查的重要補(bǔ)充;其診斷效能與常規(guī)超聲相當(dāng)[6],且二者聯(lián)合診斷的敏感度、特異度和準(zhǔn)確率均高于常規(guī)超聲[7]。目前多數(shù)ABVS研究[8-9]僅關(guān)注如何提升惡性腫物檢出率,如“匯聚”征及衛(wèi)星灶等。van ZELST等[10]回顧性分析96個乳腺腫物的容積數(shù)據(jù),發(fā)現(xiàn)為不同觀察者提供多切面重建圖像后,可將3%~18%良性腫物正確降級,但類似研究并不多見。雖然ABVS已經(jīng)上市多年,但圖像分析工作量較大,國內(nèi)較少將其用于乳腺常規(guī)檢查。
彈性成像是對組織硬度進(jìn)行成像。臨床所用彈性成像系統(tǒng)主要為應(yīng)變彈性成像(strain elastography, SE)和剪切波彈性成像(shear wave elastography, SWE)??捎糜谂R床的SE系統(tǒng)最早于2003年問世,操作時需施加外力以引發(fā)組織形變,且僅能實(shí)現(xiàn)定性或半定量評估。隨后出現(xiàn)的SWE系統(tǒng)則使用機(jī)械壓力或聲脈沖輻射力引導(dǎo)組織產(chǎn)生形變,通過剪切波速度定量評估組織硬度。
彈性成像對乳腺腫物有較高診斷價值。ALHABSHI等[11]提出BI-RADS與SE聯(lián)合診斷既不降低敏感度,又能將常規(guī)超聲的特異度由61.4%提升至93%。SEO等[12]發(fā)現(xiàn)常用定量和半定量特征的診斷效能相似,SWE與SE輔助BI-RADS 4a類腫物降級時,分別可將100%和90%腫物準(zhǔn)確降至BI-RADS 3類。BERG等[13]采用多中心研究分析SWE的9個定量和定性特征,發(fā)現(xiàn)超聲BI-RADS與任一特征聯(lián)合均可提高診斷效能,以最大硬度值和目測評分為最佳;且超聲BI-RADS聯(lián)合SWE可明顯提升診斷特異度,而并未顯著降低敏感度,可減少不必要的活檢。部分研究[14]認(rèn)為SWE定性特征——“硬環(huán)”征(腫物周邊硬度增高區(qū)呈環(huán)形)具有較高特異度,聯(lián)合BI-RADS可顯著降低活檢率。WANG等[15]以剪切波速度或平均楊氏模量作為評價指標(biāo),發(fā)現(xiàn)BI-RADS與SWE聯(lián)合診斷同樣能提升特異度。
雖然彈性成像輔助常規(guī)超聲可有效減少不必要的活檢,但仍然存在一定局限性,如第5版BI-RADS評價硬度時采用定性指標(biāo),卻未明確各等級的劃分標(biāo)準(zhǔn)。此外,受設(shè)備和人為操作影響,作為診斷臨界值,應(yīng)變比在不同研究之間相差較大,而文獻(xiàn)提供的數(shù)值在實(shí)際操作中可能缺乏參考價值。
CEUS借助微泡造影劑顯示腫物的微血管和血流灌注,以增強(qiáng)血流與組織回聲對比,由此提升了超聲診斷的敏感度和特異度。XIAO等[16]認(rèn)為單獨(dú)使用CEUS鑒別乳腺良惡性小結(jié)節(jié)(直徑<1 cm)的特異度超過SE,以CEUS和SE分別輔助BI-RADS降級,可使41.3%和31.4%的良性腫物患者免于活檢,而漏診率僅為1.1%和2.3%。LUO等[17]歸納出6種強(qiáng)化模式,在對235個BI-RADS 4類腫物進(jìn)行假設(shè)性升降級后,活檢率由100%降至50.64%。LEE等[18]則得出更簡單的降級方法,即對邊界清晰且無強(qiáng)化或均勻強(qiáng)化的橢圓形BI-RADS 4類腫物可免于活檢,以此標(biāo)準(zhǔn)篩選后活檢率可降低31%。以上結(jié)果表明,常規(guī)超聲聯(lián)合CEUS可降低診斷假陽性率,大幅減少不必要的活檢。但CEUS屬有創(chuàng)操作,且需排除造影劑過敏等禁忌證,長達(dá)10 min的檢查時間也不便于臨床常規(guī)使用。另外,乳腺良惡性腫物的CEUS強(qiáng)化模式和診斷標(biāo)準(zhǔn)尚未統(tǒng)一,限制了該技術(shù)的推廣。
AI是計算機(jī)科學(xué)的分支,將其引入醫(yī)學(xué)領(lǐng)域的目的在于模擬甚至超越醫(yī)生的診斷能力,提高診斷準(zhǔn)確率。近年AI在乳腺癌影像學(xué)診斷領(lǐng)域發(fā)展迅速。FUJIOKA等[19]研究表明,以AI分析乳腺腫物的超聲圖像,診斷特異度明顯高于醫(yī)師。但大部分超聲領(lǐng)域AI研究為單中心、小樣本研究,所用算法仍處于研發(fā)階段,尚未經(jīng)過臨床驗(yàn)證。目前已實(shí)現(xiàn)商業(yè)化的超聲AI系統(tǒng)屈指可數(shù),國內(nèi)獲準(zhǔn)臨床應(yīng)用的系統(tǒng)為內(nèi)置于Samsung RS80A超聲儀中的“S-Detect for breast”。
LI等[20]對10項(xiàng)針對S-Detect自身診斷效能的研究進(jìn)行Meta分析,合并敏感度和特異度分別為0.82和0.86,受試者工作特征曲線下面積為0.89,提示AI具有較高的診斷特異度和準(zhǔn)確率,或可成為優(yōu)化乳腺腫物活檢適應(yīng)證的有效輔助方法。然而目前的S-Detect臨床研究主要集中在與醫(yī)師診斷效能相比較,認(rèn)為其診斷準(zhǔn)確率、特異度和陽性預(yù)測值均高于醫(yī)師[21],S-Detect輔助下可顯著提升醫(yī)師的診斷效能[22-23],且對低年資醫(yī)師尤為明顯[24]。BARTOLOTTA等[24]提及S-Detect有助于BI-RADS分類正確升降級;PARK等[23]發(fā)現(xiàn)不同觀察者在S-Detect輔助下對腫物降級的準(zhǔn)確率高達(dá)89%~100%,但并未繼續(xù)深入分析。馮杰等[25]在S-Detect輔助下對46.15%(24/52)的BI-RADS 4類腫物進(jìn)行假設(shè)性降級,顯著減低了活檢率及假陽性率,且漏診率無明顯增加。WANG等[26]采用S-Detect分析43個BI-RADS 4a類乳腺腫物,發(fā)現(xiàn)當(dāng)2個最大垂直切面的診斷結(jié)果均為良性時可將腫物降至3類,且未出現(xiàn)漏診。由于相關(guān)研究樣本量偏低,仍需大樣本或多中心的試驗(yàn)證實(shí)上述論點(diǎn)。為進(jìn)一步提升診斷效能,AI輔助多種超聲成像模式聯(lián)合診斷已開始受到關(guān)注[27],相信隨著技術(shù)的進(jìn)步,AI在優(yōu)化乳腺腫物活檢適應(yīng)證方面將會體現(xiàn)出自身價值。
并非所有研究者均對超聲新技術(shù)輔助BI-RADS分類降級持肯定態(tài)度。KIM等[28]依據(jù)SWE最大硬度值對BI-RADS 4a類小結(jié)節(jié)(直徑≤2 cm)進(jìn)行降級,診斷特異度得到顯著提升,但漏診率由0升至3.8%。研發(fā)既能提升診斷特異度而又不降低常規(guī)超聲敏感度的輔助成像技術(shù)是當(dāng)前研究的重中之重。雖然在常規(guī)超聲基礎(chǔ)上聯(lián)合多種技術(shù)多參數(shù)診斷可能具有更好的診斷效能并提高觀察者間一致性和減少假陽性[29],但其是否具備臨床操作可行性尚需探討。
綜上,彈性成像及CEUS均為輔助BI-RADS分類降級的有效方法,彈性成像普及率高、更易在臨床開展;ABVS及AI輔助BI-RADS分類降級的報道較少,但近年AI發(fā)展迅速,前景廣闊。采用超聲新技術(shù)對乳腺腫物BI-RADS分類降級時還應(yīng)權(quán)衡利弊,在漏診率可接受的前提下謹(jǐn)慎而行。