APP下载

超声新技术在乳腺良恶性病变诊断中的应用进展

2020-12-10杨意综述姜伟审校

肿瘤预防与治疗 2020年11期
关键词:造影恶性乳腺

杨意 综述, 姜伟审校

524023 广东 湛江,广东医科大学 第一临床医学院(杨意);518052 广东 深圳,华中科技大学协和深圳医院 超声科(姜伟)

近年来,乳腺癌在全球女性中发病率和死亡率居高不下,2018年全球约有1 810万新发癌症病例,其中乳腺癌210万,约占11.6%[1]。而中国是东亚地区女性乳腺癌发病人数最多的国家,发病人数约36.8万,占世界女性乳腺癌发病人数的17.6%,居全球第一位[2]。预计到2021年,乳腺癌的发病率将增加到85/10万女性。在所有恶性疾病中,乳腺癌也被认为是绝经后妇女死亡的主要原因之一,占所有癌症死亡总数的23%[3]。乳腺癌的早期诊断和治疗是降低死亡率、提高乳腺癌患者生存质量的关键[4]。超声检查简便易行、实时动态,广泛应用于乳腺癌的早期筛查,同时因其对于致密型乳腺敏感性高,可作为X线钼靶的有效补充[5]。目前,如何利用超声技术对乳腺良恶性病变进行更快速、准确的诊断是临床工作重点,本文拟对超声新技术在乳腺良恶性病变诊断中的应用进展综述如下:

1 自动乳腺全容积成像技术(automated breast volume scanner,ABVS)

ABVS是一种三维容积超声成像系统,扫查探头频率 5~14 MHz,最大扫描面积为15.4 cm×16.8 cm,扫描深度6 cm,采集图像层间距0.5~8.0 mm[6]。ABVS对乳腺自动连续扫查后进行三维重建,新增的冠状面有助于直观、立体显示乳腺病变的边缘、微钙化、导管扩张情况等。

有研究认为ABVS与手动超声在乳腺良恶性病变的诊断价值方面无明显差异,但能提供冠状面的诊断信息[7]。张惠等[8]认为ABVS冠状面能清楚显示乳腺导管之间的解剖关系,对导管内的微钙化和不明显扩张较为敏感。刘嘉琳等[9]认为乳腺良恶性病变在冠状面的钙化、“汇聚”、“毛刺”、“成角”方面有明显差异,可用于鉴别诊断。恶性肿瘤生长刺激周围组织反应性生成纤维组织,肿瘤牵拉纤维和周围组织在冠状面上形成“汇聚征”,被证实与乳腺浸润性导管癌[10]及肿瘤分子标记物有相关性[11],可用于预测病变预后。研究表明,ABVS能显著提高乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类病变诊断的灵敏度、特异度、准确度[12],甚至有可能将不典型的BI-RADS4A类降级为BI-RADS3类,减少不必要的穿刺活检[13]。

ABVS在乳腺病变的检出方面具有优势,其扫查范围广,可减少位于乳腺周边、乳头下方及体积较小病灶的漏检。Choi等[14]发现ABVS联合 BI-RADS分类能提高不典型和直径较小的恶性病变的检出率和诊断准确性。ABVS联合X线钼靶能提高无症状、致密型乳腺的女性乳腺癌检出率[15]。ABVS还能检出常规超声易漏诊的微钙化[16]。ABVS是标准化、全自动容积成像,不依赖操作者手法,漏诊可能性较低。目前有计算机辅助诊断(computer-aided diagnosis,CAD)系统能提示ABVS成像中可疑的病变区域,并进行追踪导航,减少医师漏诊可能[17]。

但ABVS检查也存在局限性:1)不适用于乳房较大、表面有破溃、部分凹陷或肿物明显突出于皮肤表面的患者;2)无法像常规超声一样叠加彩色多普勒及弹性成像等技术,诊断信息较为单一;3)不能获得腋窝淋巴结的图像,无法判断恶性病灶的转移情况,需要加用手持超声进行扫查;4)医师后期在工作站上诊断时间较长,易产生疲劳等[18]。

2 弹性成像技术

弹性是生物组织的一种属性,由于恶性病变内肿瘤细胞外基质胶原纤维数量增加、结缔组织增生,使组织变硬;良性组织的细胞外基质主要由间质细胞和腺上皮细胞构成,质地较软[19]。弹性成像的原理是对组织施加一个激励,组织将遵循弹性力学、生物力学发生位移、形变等,探头接收信号后,计算出一系列弹性参数值,结合数字信号处理或数字图像处理技术,将获得的数字信号以灰阶或彩色的方式编码成像[20]。本文将介绍应变弹性成像(strain elastography,SE)和剪切波弹性成像(shear wave elastography,SWE)在乳腺良恶性病灶诊断中的研究进展。

2.1 SE

SE的原理是操作者通过探头手动给组织施加一定的压力,组织受压后产生形变,通过检测其形变程度计算出不同组织的弹性参数,然后把数字信号进行彩色编码以获得弹性图[21]。日本Tsukuba大学Itoh等[22]最早提出乳腺超声弹性成像5分评分法。罗葆明等[23]于2006年提出改良5分法,此法在5分法基础上增加对图像表现的描述分类,其敏感性、准确性更好,但仍具有主观性。为了避免评分的主观性,应变率(strain ratio,SR)比值即病灶与周围正常腺体组织的弹性系数之比,客观地将弹性成像技术进行量化[20],还能更好地反映相同个体病变区域与正常组织的软硬差异。胡晓丹等[24]回顾性分析乳腺良恶性肿瘤213例,用改良5分法与SR比值诊断的曲线下面积(area under curve,AUC)分别为0.921和0.926;在SR最佳诊断界点3.055下,特异度和准确度明显升高。计算病变在弹性和二维灰阶图像上面积的比值可得到面积比(EI/B-mode ratio),Barr等[25]用Meta分析对比5分法、SR法、面积比,发现用面积比诊断乳腺癌的灵敏度、特异度最高,阴性似然比最低。但以上3种方法测量时均需人工手动施压,无法达到实时成像及测量,其诊断结果也受操作者经验技术、病变的深度和大小,以及所选病变的感兴趣区域等因素的影响[26]。

2.2 SWE

SWE是利用超声探头晶片发射脉冲,使感兴趣区域内产生瞬时剪切波,利用高达5 000帧/s的超高速成像系统对剪切波进行追踪、捕获,探头捕获到感兴趣区内反射的剪切波信号后得出剪切波传播速度(shear wave velocity,SWV)用以计算杨氏模量值(elasticity index,EI),SWV与EI的转换公式为E=3ρCs2(E为EI;ρ为组织密度;Cs为SWV)[21]。根据胡克定律,在物体的弹性限度内,应力与应变成正比,即杨氏模量越大,组织的硬度就越大,因而可以根据杨氏系数定量评价不同生物组织的弹性值[20]。刁雪红等[19]发现乳腺良恶性病变的SWV平均值与EI平均值有明显差异,绘制受试者操作特征曲线得到诊断最佳界点SWV为4.2 m/s,对应EI值为50.0 kPa,此时诊断敏感度、特异度为85.2%、91.3%。在SWE最佳诊断界值的选择上,薛姗姗等[27]认为以EI平均值为诊断截断值鉴别乳腺病变良恶性的AUC最大(0.931),准确率为91.45%、其次为SWV,AUC为0.899,准确率为89.81%。也有报道认为EI最大值、病灶与脂肪组织EI值比率才是鉴别乳腺良恶性肿块最佳参数[28]。上述差异的产生可能与良恶性病变弹性系数重叠有关,例如导管内癌及粘液癌的整体硬度偏小,良性病灶内发生钙化或产生胶原纤维硬度变大[29]。目前诊断良恶性病灶最佳弹性参数及界值并未统一,还需在常规超声基础上结合其他技术综合分析。

3 超声造影技术

超声造影是将含有气泡的造影剂悬浮液通过外周静脉注入人体,使造影剂气体微泡在声场中产生散射,从而提高图像对比度。其能实时、动态观察,定性、定量评估病变的血流灌注及分布情况,明显提高低速血管的检出率。恶性病变常产生大量新生血管,血管常走行迂曲;血管内皮细胞基膜缺损,管壁通透性变大;血管舒缩成分减少,导致静脉回流障碍[30]。新生血管数量、结构和分布的异常是超声造影诊断乳腺良恶性病变的基础。

杨磊等[31]对172例乳腺病变行超声造影,诊断敏感性为95.24%,特异性为96.59%,恶性病变主要为不均匀高增强,增强时边界不清、增强后范围扩大,良性病变为整体性不同程度均匀增强。目前许多学者用时间-强度曲线来反映病变增强程度随时间变化的趋势,然后定量分析达峰时间(time to peak,TTP)、峰值强度(peak intensity,PI)、上升支斜率、AUC等参数用以鉴别乳腺病变的良恶性[32]。曾锦树等[33]认为乳腺恶性病变的TTP较短,而廓清时间迟,PI、上升支斜率、AUC均大于良性病变(P<0.05)。段婧等[34]用Logistic分析发现PI和TTP为乳腺癌的相关因素,乳腺癌通常表现为PI强度较高,TTP较短。

早期恶性病变的肿瘤细胞未突破导管基底膜浸润周围组织,常规超声恶性征象不典型,容易导致漏诊、误诊。赵姣等[35]对80例早期乳腺癌患者进行回顾性研究,发现超声造影的特异性和敏感性分别为76.9%、94.1%,均显著高于常规超声。徐玮[36]认为超声造影对早期乳腺癌敏感性、准确性甚至高于MRI检查。在早期乳腺癌血流的检出方面,一种新型血流成像技术——超微血管成像,对肿瘤早期细微、低速血管显示率较高,甚至可媲美超声造影,并且具有无创、操作简便、实时性好的优点,有望代替超声造影[37-38]。另外,超声造影还用于预测乳腺癌前哨淋巴结转移[39]及新辅助化疗疗效评估等。超声造影的不足在于:1)造影成像结果受注射方法、仪器调节、造影伪像、病灶部位等影响;2)乳腺良恶性病变的微循环状态重叠而造影可能无法鉴别[40];3)评价乳腺良恶性病变增强模式定性或定量的标准并没有统一。

4 超声光散射断层成像

超声光散射断层成像是结合常规超声和光散射断层成像技术(diffuse optical tomography,DOT)的新型功能成像技术,其引入常规超声对病变进行定位,利用光学数据系统,根据不同组织部位和层面对光线吸收率的不同,进而分析病变组织内血红蛋白浓度、血氧饱和度等参数,最终反映乳腺病变形态信息和代谢状态[41]。研究发现,乳腺恶性病变血红蛋白含量的平均最大值高于良性;对于恶性病变,总血红蛋白的平均最大值与肿瘤的病理分期和细胞核恶性程度有关;放射科医师结合常规超声和总血红蛋白数对恶性病变进行诊断,其灵敏度96.6%~100%,阳性预测值52.7%~59.4%,阴性预测值99.0%~100%[42]。病变检出方面,一种基于大数据、计算机神经网络辅助诊断技术的超声光散射成像乳腺诊断系统对T1期乳腺癌的诊断优于超声,可作为早期乳腺癌诊断的有效手段之一[43]。Zhi等[44]认为乳腺癌的临床病理特征如雌、孕激素受体状态、腋窝淋巴结转移情况、淋巴结血管侵犯与否均与乳腺癌总血红蛋白浓度(total hemoglobin concentration,THC)有关,DOT技术能有效检测THC,从而为术前提供治疗依据和判断病变预后。肿瘤的组织代谢及功能变化早于形态学,超声光散射断层成像对肿瘤功能代谢变化的监测较为敏感,从而利于评估、跟踪乳腺癌新辅助化疗的疗效[45]。

5. 人工智能(artificial intelligence,AI)诊断技术

5.1 AI与乳腺超声

AI是基于数学、计算机科学等,研究、开发用于模拟延伸和拓展人的智能的理论、方法及应用系统的一门新的技术科学[46]。乳腺医学影像AI技术最早发展起来的是CAD系统。传统CAD受人为勾画、特征提取的影响[47]而准确性不高。深度学习能自主提取海量图像的精细特征,实现端到端的学习。卷积神经网络(convolutional neural network, CNN)是深度学习最有代表性的模型,在乳腺超声图像的检测、分类上表现优异[48]。AI依据大型数据集进行高级学习,还具有计算速度快、重复性强等优势,未来有望成为超声医师的得力助手。

5.2 AI的应用:

5.2.1AI对乳腺病变的检测 ABVS能有效提高乳腺病变的检出率[49],Moon等[50]将一款基于3D CNN的CAD系统应用于ABVS,测试3次诊断灵敏度为100%、95.3%及90.9%。ABVS阅片时间较长,容易造成医师疲劳从而导致漏诊。Van Zelst等[51]发现影像医师在CAD辅助诊断时每例患者的诊断时间明显缩短(158.8秒vs134.0秒),同时CAD在扫描过程中能快速提示可疑病灶区并追踪定位,减少漏诊可能。Jiang等[52]发现在CAD辅助下,放射科医师对无症状且具有致密型乳腺的患者诊断时间每人减少1分9秒,同时保持良好的准确性。由于常规超声需要人为手动扫查乳腺组织并冻结图像,目前AI应用较少,故具有主观性及漏诊可能。综上所述,未来基于全容积乳腺超声无人为依赖的AI软件也许能有效避免乳腺癌筛查中存在的漏诊问题[48]。

5.2.2AI对乳腺病变的诊断 目前AI诊断主要为基于常规超声对乳腺病变的良恶性分类和BI-RADS分类。Han等[53]利用GoogleNet CNN构建模型,其诊断乳腺良恶性病变AUC大于0.9,灵敏度86%,特异度96%,准确度90%,此模型能快速诊断并辅助医师诊断。Fujioka等[54]对比一款CNN模型与另外3名影像医师对乳腺超声良恶性病变的诊断情况:灵敏度0.958vs(0.583~0.917)、特异度0.925vs(0.604~0.771)、准确度0.925vs(0.658~0.792),而CNN模型诊断每例患者只需要1.0秒。Huang等[55]根据乳腺BI-RADS分类,运用两次CNN模型分别进行病灶的识别和特征提取,结果显示模型诊断BI-RADS 3类、4A类、4C类的准确性均大于90%。有学者[56]研究发现一款基于深度学习的CAD对乳腺良性病变,特别是纤维瘤和乳腺腺病诊断的特异度较高,能减少非必要病理活检。AI诊断快速、准确,分类程度也越来越精准,能够给超声医师诊断乳腺病变提供一定的帮助和参考。

5.2.3S-detect技术 S-detect技术是由韩国三星公司研发的一款基于“深度学习”算法、嫁接在超声仪器上的二维超声CAD系统,其根据美国放射学学院BI-RADS的超声描述法,提示乳腺病变“可能良性”或“可能恶性”[57]。Zhao等[58]认为S-detect技术诊断特异度较高,AUC与有经验的医师相当,并高于住院医师。也有研究认为S-detect技术对直径较大、内部有钙化、血管分布密集的乳腺肿块容易出现假阳性,而对直径较小、内部无钙化的乳腺肿块容易出现假阴性[59]。在S-detect与医师联合诊断的研究中,Park发现低年资医师诊断的阴性预测值和AUC值、高年资医师诊断的特异度和阳性预测值均得到提高[57];Cho等[60]认为联合S-detect技术有助于提高不同年资放射科医师诊断特异性、阳性预测值和准确性。值得注意的是,当不同年资医师采用不同的联合诊断方法如:方法1:在S-detect诊断为“可能良性”则将原分类下调1级,如为 “可能恶性”则上调1级,3类不再下调,5类不再上调,或方法2:重新分级评价,两种方法的联合诊断效能均不相同,医师应灵活参考诊断结果,选择是否进行分类调整[61]。综上所述,S-detect技术能对乳腺病变进行快速诊断,但是其诊断为良性的病变仍有恶性的可能,所以超声医师更应该结合自身经验及其他技术综合诊断。

6 结 语

超声新技术的出现弥补了常规超声诊断的不足,提供了更为全面、客观、准确的诊断信息。ABVS克服了常规超声依赖人工手动操作的弊端,清晰显示病变冠状面及与周围组织的关系。弹性成像能定性、定量反映病变软硬程度,具有很好的鉴别诊断意义。超声造影能灵敏检出恶性病灶新生血管细微的血流信号,对早期乳腺癌尤为敏感。超声光散射断层技术对乳腺病变功能、代谢的变化较为敏感,利于动态检测新辅助化疗疗效。超声AI辅助诊断能提高医师诊断效率和效能,减少漏诊。综上所述,只有全面综合地应用各种技术才能发挥出各自的优势,从而给乳腺癌患者带来益处。

作者声明:本文全部作者对于研究和撰写的论文出现的不端行为承担相应责任;并承诺论文中涉及的原始图片、数据资料等已按照有关规定保存,可接受核查。

学术不端:本文在初审、返修及出版前均通过中国知网(CNKI)科技期刊学术不端文献检测系统的学术不端检测。

同行评议:经同行专家双盲外审,达到刊发要求。

利益冲突:所有作者均声明不存在利益冲突。

文章版权:本文出版前已与全体作者签署了论文授权书等协议。

猜你喜欢

造影恶性乳腺
NEAT1和miR-146a在结核性与恶性胸腔积液鉴别诊断中的价值
超声造影在鉴别诊断胆囊壁弥漫增厚性疾病中的应用研究
基于高频超声引导的乳腺包块导丝定位在乳腺病变中的诊断价值
脑血管造影中实施改良规范化住院医师培训的临床意义
共沉淀法制备YOF:Yb3+,Er3+造影颗粒的发光性能及正交优化
恶性胸膜间皮瘤、肺鳞癌重复癌一例
乳腺超声检查诊断乳腺肿瘤的特异度及准确率分析
探讨超声检查在甲状腺肿块良恶性鉴别中的诊断价值
CT肺叶血流分布造影在诊断肺栓塞中的应用价值
男性也会得乳腺疾病