Consistency of different physicians in diagnosis of malignant breast lesions with breast CEUS predictive model: A multicenter study

, , , ', chun, ,G , jun, G , , 0

(1.School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, China; 2.Department of Ultrasound, Sichuan Academy of Medical Sciences & Sichuan Provincial People's Hospital, Chengdu 610072, China; 3.Department of Ultrasound, Fujian Cancer Hospital, Fujian Medical University Cancer Hospital, Fuzhou 350014, China; 4.Department of Ultrasound, Yunnan Cancer Hospital, Kunming 650118, China; 5.Department of Ultrasound, Huangshi City Central Hospital, Huangshi 435000, China; 6.Department of Ultrasound, Chengdu First People's Hospital, Chengdu 610094, China; 7.Department of Ultrasound, Tangdu Hospital,Air Force Medical University, Xi'an 710038, China; 8.Department of Ultrasound, Qujing First People 's Hospital, Qujing 655099, China; 9.Department of Ultrasound, Affiliated Hospital of Yan'an University, Yan'an 716099,China; 10.Department of Ultrasound, the Ninth People's Hospital of Chongqing, Chongqing 400799， China)

乳腺癌是全球女性发病率较高的恶性肿瘤之一[1-2]。现已明确CEUS鉴别诊断乳腺良恶性肿块具有一定应用价值，但不同研究结论差异较大，而相关评价参数的主观性较强[3-5]。超声医师诊断水平和对细微结构的理解均有所差异，而受检者亦难免存在个体差异，使不同年资超声医师之间判读一致性减弱。另外，单一病灶的增强时间、强度等参数受造影剂剂量、注射速度、受检者全身因素以及不同超声设备的影响，故对于乳腺CEUS模式诊断标准目前争论较大，使其临床应用受限[6-8]。2015年提出了乳腺病灶CEUS良恶性预测模型，前期研究[9-11]已证实其具有诊断价值。本研究进一步探讨不同观察者采用该预测模型诊断乳腺恶性病灶的一致性。

1 资料与方法

1.1 一般资料 收集2015年11月—2017年6月来自9家医院的接受超声和CEUS检查的953例乳腺单发结节患者，其中四川省人民医院172例，福建省肿瘤医院143例，云南省肿瘤医院293例，黄石市中心医院57例，成都市第一人民医院88例，空军军医大学唐都医院58例，曲靖市第一人民医院101例，延安大学附属医院25例，重庆市第九人民医院16例；均为女性，年龄16～85岁，平均(44.5±11.1)岁。纳入标准：常规超声检查诊断为乳腺影像报告和数据系统(breast imaging reporting and data system, BI-RADS)4、5类病灶，且病灶最大径5～40 mm。排除标准：①妊娠或哺乳期妇女伴乳腺病灶；②曾接受乳腺病灶治疗或已有明确病理结果；③病灶最大径>40 mm或<5 mm。本项为前瞻性多中心研究，经各医院伦理委员会批准，所有患者均签署知情同意书。

表1 各组对乳腺病灶的BI-RADS分类结果(例)

图1 患者女，42岁，纤维腺瘤 A.超声表现为实性低回声，边界欠清，形态较规则； B.CEUS表现为快进均匀性高增强，增强后边缘清楚，形态规则，未见增大(符合D预测模型)

1.2 仪器与方法 采用 Esaote Twice、Philips iU Elite、GE E9彩色多普勒超声诊断仪，常规超声采用LA523线阵探头(频率4～13 MHz)、L12-5线阵探头(频率5～12 MHz)或M6-15线阵探头(6～15 MHz)。嘱患者仰卧，平静呼吸，标记病灶具体位置，获取矢状切面和横断切面图像。

CEUS采用LA522 线阵探头(频率7 MHz)、L9-3线阵探头(频率3～9 MHz)或9L线阵探头(频率 9 MHz)，机械指数0.05～0.07。选择病灶血流丰富、有明显粗大血管或形状不规则的切面行CEUS检查，避开粗大钙化伴后方宽大声影及明显液性暗区，固定探头，造影剂为SonoVue(Bracco公司)，剂量4.8 ml，并跟注5 ml生理盐水。注入造影剂同时开始录像，实时、连续观察病灶动态灌注过程≥2 min，其中前1 min保持同一切面固定不动，随后全面、动态扫查全部病灶，设备条件允许时行同步测量，并获取造影图像。

1.3 图像判读与二次分析 本课题组由初始组、检查者组、研究组及交叉盲读组构成。初始组由各医院1名低年资医师组成；检查者组由各医院1～2名具有2年以上CEUS检查经验的医师组成；研究组由四川省医学科学院 四川省人民医院2名高年资医师组成；交叉盲读组由各医院1～2名副主任医师或主任医师组成。由初始组医师行超声检查，检查者组医师行CEUS检查，均对病灶给予BI-RADS分类；并将所有超声和CEUS图像分别拷贝给研究组和交叉盲读组，由其采用盲法根据CEUS预测模型[8](A、B、C模型为恶性病灶可能大，D、E、F模型为良性病灶可能大)给予病灶新的BI-RADS分类，如病灶符合A、B、C型，则原BI-RADS 3、4类升级为5类，原BI-RADS 5类保持不变，诊断为恶性病灶；符合D、E、F型，则原BI-RADS 4、5类降级为3类，原BI-RADS 3类保持不变，诊断为良性病灶；对无法明确分型者，则维持原BI-RADS分类不变。由于预测模型无法区分癌前病变与恶性病灶，故将癌前病变归为恶性病变。统计BI-RADS分类时，将4a及4a类以下病灶归为良性病灶，4b及4b类以上病灶归为恶性病灶。

1.4 统计学分析 采用SPSS 19.0统计分析软件，计量资料以±s表示，计数资料以百分率表示。以病理结果为金标准，计算4组诊断乳腺恶性病灶的效能；采用Kappa检验评估初始组、检查者组、研究组和交叉盲读组观察者间诊断乳腺恶性病灶的一致性，Kappa≥0.75为一致性较好；0.4≤Kappa<0.75为一致性中等；Kappa<0.4，一致性较差。P<0.01为差异有统计学意义。

2 结果

2.1 病理结果 953例(953个病灶)中，良性病灶451例(451/953，47.32%)，恶性病灶435例(435/953，45.65%)，癌前病变67例(67/953，7.03%)。肿瘤最大径5.2～39.8 mm，平均最大径(16.38±8.53)mm。

2.2 BI-RADS分类结果 初始组、检查者组BI-RADS分类及研究组、交叉盲读组采用预测模型调整后的断BI-RADS分类结果见表1。与初始组相比，研究组和交叉盲读组分别有344例和272例病灶降低为良性可能性高的BI-RADS 3类(图1)，有271例和138例病灶升级为恶性可能性高的BI-RADS 5类(图2)。

2.3 诊断效能以病理结果 为金标准，4组诊断乳腺恶性病灶的效能结果见表2，研究组和交叉盲读组采用乳腺CEUS预测模型诊断恶性病灶的准确率均>80%。

表2 各组诊断乳腺恶性病灶的效能[%(例)]

图2 患者女，49岁，浸润性导管癌 A.超声表现为实性低回声，边界不清，形态不规则； B.CEUS表现为快进不均匀性高增强，增强后病灶明显增大(符合A预测模型)

2.4 观察者间诊断乳腺恶性病灶的一致性分析 初始组与检查者组诊断乳腺恶性病灶的观察者间一致性较好(Kappa=0.82，P<0.001)，与研究组及交叉盲读组的一致性中等(Kappa=0.56、0.41，P均<0.001)；检查者组与研究组、交叉盲读组的一致性中等(Kappa=0.51、0.68，P均<0.001)；研究组与交叉盲读组的一致性中等(Kappa=0.74，P<0.001)。

3 讨论

乳腺恶性肿瘤主要发生于乳腺的腺上皮组织，对女性的身心健康造成极大威胁。乳腺病灶的微循环状态是乳腺良恶性病灶间最重要的病理区别之一。CEUS为血池造影技术，可反映病灶的微循环信息，但目前尚无成熟的、能较准确地鉴别良恶性病灶的乳腺CEUS模式。前期研究[9]发现，根据高增强、增强后增大及伴或不伴形态不规则预测乳腺恶性病灶具有较好的准确性。

本研究结果显示，初始组判定953例为原BI-RADS 4、5类病灶，经CEUS预测模型重新分类，研究组和交叉盲读组分别将344例和272例降低为良性可能性高的BI-RADS 3类病灶，减少了过度诊断；研究组和交叉盲读组分别有138例和271例病灶升级为恶性可能性高的BI-RADS 5类，降低了恶性病灶漏诊率，有利于患者更快接受有效治疗。

本研究中，研究组和交叉盲读组诊断乳腺恶性病灶的准确率和阳性预测值均较高，而阴性预测值、漏诊率和误诊率均较低，可能原因是乳腺病灶CEUS预测模型优化了BI-RADS分类，使其诊断效能较高，提示采用该预测模型检测恶性病灶效果较好。

乳腺恶性病灶发生基础差异显著，其常规超声表现各不相同[12-13]。本研究中，初始组与检查者组诊断乳腺恶性病灶的一致性较好，提示低年资超声医师应用BI-RADS分类的水平较接近；初始组及检查者组分别与研究组及交叉盲读组诊断乳腺恶性病灶的一致性中等，而研究组及交叉盲读组诊断乳腺恶性病灶的准确率均较高。研究组与交叉盲读组诊断乳腺恶性病灶的一致性中等，可能原因在于不同观察者对该预测模型的掌握和熟练程度不同，而观察者判断病灶良恶性主要依赖于自身的经验。以上结果提示，临床可通过推广与训练增进检查者的经验；其次，制定人工智能标准时，尽可能多地选择高年资医师的诊断标准，以提高诊断准确率；通过实际应用使模型真正实现模式化、一致化。

本研究的不足：仅对单一切面进行造影，无法全面反映病灶信息，可能导致部分重要信息缺失；部分病例仅有粗针穿刺活检结果，可能存在低估。

综上所述，采用乳腺CEUS预测模型鉴别乳腺病灶良恶性的诊断效能较好，但不同观察者应用该模型诊断乳腺恶性病灶的一致性有待改进。

[参考文献]

[1] Desantis CE, Bray F, Ferlay J, et al. International variation in female breast cancer incidence and mortality rates. Cancer Epidemiol Biomarkers Prev, 2015,24(10):1495-1506.

[2] Barr RG, Zhang Z, Cormack JB, et al. Probably benign lesions at screening breast US in a population with elevated risk: Prevalence and rate of malignancy in the ACRIN 6666 trial. Radiology, 2013,269(3):701-712.

[3] Sridharan A, Eisenbrey JR, Machado PA, et al. Quantitative analysis of vascular heterogeneity in breast lesions using contrast-enhanced 3-D harmonic and subharmonic ultrasound imaging. IEEE Trans Ultrason Ferroelectr Freq Control, 2015,62(3):502-510.

[4] 肖晓云，罗葆明．乳腺超声造影研究进展．中国医学影像技术，2008，24(8)：1301-1304．

[5] 张文岳，罗葆明．超声造影诊断乳腺癌的研究进展．中国医学影像技术，2016，32(9)：1449-1451．

[6] Zhao H, Xu R, Ouyang Q, et al. Contrast-enhanced ultrasound is helpful in the differentiation of malignant and benign breast lesions. Eur J Radiol, 2010,73(2):288-293.

[7] Jiang YX, Liu H, Liu JB, et al. Breast tumor size assessment: comparison of conventional ultrasound andcontrast-enhanced ultrasound. Ultrasound Med Biol, 2007,33(12):1873-1881.

[8] Xiao XY, Ou B, Yang HY, et al. Breast contrast-enhanced ultrasound: Is a scoring system feasible? -A preliminary study in China. PLoS One, 2014,9(8):e105517.

[9] 罗俊，陈吉东，陈琴，等．乳腺良恶性超声病灶超声造影预测模型在乳腺影像报告与数据系统4类乳腺病灶恶性风险评估中的应用价值．中华医学超声杂志(电子版)，2016，13(6)：459-465．

[10] Liu H, Jiang YX, Liu JB, et al. Evaluation of breast lesions with contrast-enhanced ultrasound using the microvascular imaging technique: Initial observations. Breast, 2008,17(5):532-539.

[11] Hu Q, Wang XY, Zhu SY, et al. Meta-analysis of contrast-enhanced ultrasound for the differentiation of benign and malignant breast lesions. Acta Radiol, 2015,56(1):25-33.

[12] Kim HS, Cha ES, Kim HH, et al. Spectrum of sonographic findings in superficial breast masses. J Ultrasound Med, 2005,24(5):663-680.

[13] Costantini M, Belli P, Ierardi C, et al. Solid breast mass characterisation: Use of the sonographic BI-RADS classification. Radiol Med, 2007,112(6):877-894.