计算机辅助诊断技术与断层乳腺摄影对乳腺疾病诊断的效能比较

2020-01-01朱华罗倩赵佳张蕾*

中国医学装备 2019年12期

朱华罗倩赵佳张蕾*

随着我国生活水平的提升，人们的健康意识有所转变，越来越多的人开始重视自身健康。对于女性而言，乳腺癌发病率的不断增加以及发病年龄出现年轻化的趋势[1]。因此，每年体检的人数以及患者人数都在不断增加，乳腺X射线摄影作为筛查和检查的重要辅助手段已被广泛用于临床[2]。随着乳腺体检者和患者数目增加，影像医师的阅片工作量增加，影像诊断中主观性会一定程度的增加。而且很多情况下正常组织同病变在影像学上的表现仅有细微的差别，这种情况下，人类视觉系统本身的局限性、医师本身诊断培训和经验的缺乏、再加上疲劳分心等因素，很可能无法有效利用现有的信息，会导致影像诊断结果准确性下降，漏诊率增加[3]。因此，计算机辅助检测(computer-aided detection，CAD)技术可以作为诊断辅助工具，对图像进行自动分析处理，标注感兴趣区，并利用现有的数据库模板信息对感兴趣区进行分析诊断，在一定程度上能减缓影像医师的工作压力，提高诊断效率。本研究主要探讨CAD与诊断医师诊断相比较其检出灵敏度、特异度和准确率，以及对乳腺癌的诊断率，从而分析其在影像诊断中的价值。

1 资料与方法

1.1 资料选取

回顾性分析2018年4-8月在上海交通大学附属第一人民医院进行手术并行组织学检查的119例乳腺疾病病例资料，所有患者均为女性，年龄19～77岁，平均年龄(48±13)岁，术前均进行乳腺X射线断层检查。

1.2 纳入与排除标准

(1)纳入标准:①乳腺X射线影像信息完整，包括双乳头尾(craniocaudal，CC)位和内外侧斜(mediolateral oblique，MLO)位影像；②均采用2D和3D的摄影模式；③可获得检查者姓名、检查号、年龄及性别等相关患者疾病信息。

(2)排除标准:①检查者相关信息不完全；②由于体位或者其他原因造成的图像伪影，影响图像质量；③未进行相关手术或病理检查。

1.3 仪器设备

采用HOLOGIC 3D Selenia Dimensions型数字乳腺X射线机(美国豪洛捷公司)。

1.4 诊断方法

使用3D Selenia Dimensions型数字乳腺X射线机，选用Combo摄影模式，根据患者乳房大小合适选择压迫板型号，压迫力度以乳房实际可被压迫的最大程度和患者可忍受的压力为宜[4]。在同一压迫位置下同时采集二维和三维图像，摄影体位为头尾(craniocaudal，CC)和内外侧斜(mediolateral oblique，MLO)位，摄影条件为管电压和管电流均采取自动控制。

1.5 诊断报告评价指标

1.5.1 主观评价

由两位工作年限分别为15年、25年的乳腺影像专科诊断医师于术前对119例乳腺影像进行最终诊断，最终诊断结果按乳腺影像-报告和数据系统(breast imaging-reporting and data system，BIRADS)分类诊断:①BI-RADS 0类，指检查信息缺乏，评估不完全，需要结合其他检查结果来进一步评估；②BI-RADS 1类，阴性结果，乳腺影像暂未发现明显异常病变；③BI-RADS 2类，良性病变，可基本排除恶性，定期复查即可；④BI-RADS 3类，可能是良性病变，一般建议3～6个月随访，恶性病变率一般≤2%；⑤BI-RADS 4类，可疑恶性病变(2%＜恶性可能＜95%)，需要活检明确诊断，此类可进一步分为4a、4b、4c的类，4a为倾向恶性可能性低，4b为倾向恶性可能性中等，4c为倾向恶性可能性高；⑥BI-RADS 5类，高度恶性可能≥95%，手术活检。

1.5.2 CAD评价

(1)由1名工作年限为2年的医生在未知病理和术前诊断报告情况下，将119例病例导入工作站进行回顾性CAD辅助诊断分析。CAD的标记在乳腺X射线二维影像上进行，工作流程分为图像预处理、特征提取和特征分类3个部分[5]。分析医师和CAD检测受试者工作特征(receiver operating characteristic，ROC)曲线，计算ROC曲线下面积(area under curve，AUC)。

(2)在标记过程中会给予肿块、钙化和肿块伴钙化3种标识:①钙化，被标记的钙化一般是3个以上的成簇钙化团和环行钙化，或者是钙化的血管，或者是交叉的线性结构等，标记点在钙化中心且尽量避免标记良性钙化；②肿块，被标记的肿块一般是结构扭曲的区域，或者是致密的区域，或者是周围有放射状线性结构的区域等等；③肿块伴钙化，被标记的区域既含肿块又包含钙化。在某些情况下，CAD还会画出一定的区域范围，感兴趣区怀疑的恶性程度越高的，相应的标识尺寸就越大，见图1。

1.6 统计学方法

采用SPSS22.0软件对数据进行统计分析，以病理报告为标准，对术前影像报告和CAD报告的诊断准确率、灵敏度和特异度进行分析，计数资料行卡方检验，以P＜0.05为差异有统计学意义。

2 结果

2.1 CAD诊断病灶特征

数字乳腺X射线机配置的CAD系统是以检测恶性病灶为目的，检测结果分为阴性、阳性两种。阳性均为怀疑有恶性可能，而阴性包括无病灶和有病灶(CAD判为良性)两部分。阳性病灶根据检测结果分为3个亚组:钙化、肿块和肿块伴钙化。CAD检测结果中阴性19例；阳性100例，其中钙化6例，肿块56例，肿块伴钙化38例，见表1。

图1 CAD标记病灶标识的乳腺X射线影像

表1 CAD系统检测病灶特征(例)

2.2 术前影像诊断报告

参照CAD分类，将术前乳腺影像诊断报告结论进行重新整合分组，分为阴性和阳性。阴性包括报告为BI-RADS 1～2类，以及医师暂未在致密型乳腺摄影影像上发现阳性病灶需结合其他影像检查而归于BIRADS:0类。阳性包括BI-RADS 4～5类，归于恶性，部分BI-RADS 0类，发现病灶，但由于图像信息局限性以及缺乏其他检查信息等因素，需结合其他检查信息进一步评估。病例统计结果见表2。

表2 术前乳腺影像BI-RADS分类诊断报告(例)

2.3 病理结果

病理结果分为恶性、良性和阴性。恶性包含浸润性或非浸润性乳腺癌、浸润性或非浸润性导管原位癌、导管乳头状癌等。良性包含乳腺纤维腺瘤、导管乳头状瘤、良性钙化、囊肿、良性淋巴结、脂肪瘤、错构瘤等等。阴性包含乳腺腺病、乳腺增生、炎症性改变等。119例患者手术病理结果:恶性46例，阴性73例(良性46例，病理结果阴性27例)。

2.4 CAD与乳腺影像对良恶性病灶的诊断效能分析

(1)良性病灶:在27例病理结果为乳腺腺病、乳腺增生、炎症性改变等阴性病例中，乳腺影像诊断准确18例，但包括致密型乳腺13例，未发现阳性病灶，纳入未定类0类。在46例病理显示良性中包括乳腺纤维腺瘤、导管乳头状瘤、良性钙化、囊肿、良性淋巴结、脂肪瘤及错构瘤，乳腺影像怀疑恶性19例，CAD怀疑恶性36例。

(2)恶性病灶:在46例病理显示浸润性或非浸润性乳腺癌、浸润性或非浸润性导管原位癌、导管乳头状癌中，乳腺影像报告诊断怀疑恶性35例(占76.09%)，CAD怀疑恶性44例(占95.7%)。乳腺影像未能判定为恶性的11例病例中，误诊为良性3例，因致密型乳腺未检测到阳性病灶归为BI-RADS 0类8例，CAD发现病灶但误诊为良性2例。CAD与乳腺影像诊断的特异度和假阳性率比较，差异有统计学意义(x2=10.895，x2=9.012；P＜0.05)，见表3。

表3 病理结果为恶性病灶的乳腺影像和CAD诊断效能(%，例)

2.5 CAD对乳腺影像报告BI-RADS中0类诊断效能分析

因致密型乳腺未检测到阳性病灶被乳腺影像诊断分类为BI-RADS 0类共有36例，CAD检测判定为阴性10例，怀疑恶性6例；28例病理结果为良性和阴性，8例为恶性。检测到病灶但不能判断肿块性质需进一步检查的被乳腺影像诊断为BI-RADS 0类共有23例，CAD检测判定为阴性4例，怀疑恶性3例；25例病理结果为良性和阴性，3例为恶性。

2.6 乳腺影像和CAD的检测ROC曲线

乳腺影像诊断ROC的AUC为0.693，CAD诊断的ROC的AUC为0.595，乳腺影像与CAD联合诊断ROC的AUC为0.720。CAD对恶性病灶的检出率高，但同时存在假阳性率过高的问题，因此一定程度会降低CAD的准确性和特异度。ROC曲线显示，结合CAD检测结果进行诊断，在一定程度上可提高乳腺影像诊断的准确性，见图2。

图2 乳腺影像、CAD及两者联合诊断的ROC曲线

3 讨论

3.1 CAD工作原理

本研究所采用的X射线机是美国HOLOGIC数字化乳腺机，该设备可直接进行乳腺三维断层摄影(digital breast tomosynthesis，DBT)。本研究讨论的CAD是以HOLOGIC乳腺机配备的乳腺计算机辅助检测功能为依据。CAD是以计算机内现有的数据库信息为依据，在计算机的分析下，对钼靶X射线影像上的感兴趣区域(region of interest，ROI)进行标记，给予医生提示，但最终的诊断结果仍由医师根据客观影像数据和经验分析判断。因此，乳腺CAD本质是计算机辅助检测，在医师诊断过程中给予提示，而不是采用CAD进行诊断，诊断结果仍旧由影像医师决定，而不是计算机直接给出结果。CAD在分析标记ROI过程中遵循两个原则:①标记可能是癌症的区域；②尽可能少的标记不是癌症的区域。

3.2 CAD在病灶检出上的优劣势

CAD对于恶性病灶的检出率为95.65%，明显高于医师诊断结果(76.09%)，对检测恶性病灶的灵敏度也高于医师。在医师未判断出的11例恶性病灶中误诊为良性3例，因致密型乳腺未检测到阳性病灶归为BIRADS 0类8例，均在术前做了进一步检查，包括超声、超声造影及MRI增强检查，术前均最终诊断为恶性病灶占100%。对于36例医师诊断为BI-RADS 0类的报告中，由于乳腺致密，暂未发现阳性病灶，病理阳性8例，其中CAD检测出了6例(占75%)。因此在影像医师的阅片过程中结合CAD在一定程度上能降低漏诊率，减轻医师的工作压力。

由于CAD的特异性较差，在实际工作中存在假阳性率过高的情况。本组46例病理良性，CAD与医师在阴性结果的检出率和未检出率上，CAD特异性不高，73例阴性，CAD判断准确仅17例(占23.29%)，而医师组判断准确43例(占58.9%)。在实际诊断中CAD需要合理设置检测阈值，对于CAD阳性结果，医师仍要根据自己的临床经验和检查数据来判断CAD检测出来的ROI是否为阳性病灶，以及病灶的性质。

3.3 诊断漏诊原因分析

(1)影像医师漏诊。由于报告工作量的与日俱增，疲劳和分心可能使得医师在阅片过程中忽视了不明显病灶。医师在关注已经发现的病变时，会忽略同时存在的其他病变。还有可能由于医师本身经验不足，导致观察到ROI，但未辨别出是否为病变[6]。钼靶X射线影像能提供的信息毕竟是有限的，对于致密型乳腺，腺体致密型乳腺的诊断有一定的局限性，由于多量型及致密型乳腺容易遮掩小的肿块和钙化，导致检测的敏感性降低。尤其是在二维影像上，能获取的有效信息更加局限，对于乳腺癌的早期表现如结构紊乱，二维图像由于显示结构不清晰以及组织的叠加影响极易漏诊[7]。根据文献报道，二维乳腺数字X射线摄影对乳腺癌诊断的灵敏度仅为65%，甚至更低[8-9]。近年来，西方国家在进行乳腺X射线摄影时大量采用2D结合3D模式进行常规筛查，结果显示可以极大提高乳腺癌的检出率[10-11]。本研究均采用了二维结合三维断层摄影方法，恶性病灶检出率为76.09%，高于文献报道的二维摄影敏感性[8-9]。但在判断肿块的良恶性方面，乳腺断层影像因缺乏肿块血流情况等其他有效信息，仍存在一定漏诊。

(2)CAD漏诊。CAD在提高影像医师检出率的同时依旧会存在假阴性和假阳性的问题。可能与计算机本身数据库的信息量以及信息采集量不足有关，同时与分析处理程序有关以及与检测分类标准有关。在检测过程中需要设置检测阈值，检测阈值越高，检测灵敏度就会降低，假阴性概率提高；反之检测阈值降低，检测灵敏度就会提高，假阳性概率提高。本研究样本数据有限，需扩大样本数据来合理设置计算机辅助检测技术合理阈值，提高其在实际临床诊断工作中的应用价值。