灰阶中位数分析用于乳腺癌超声筛查的初步研究

林长江 王培环 胡建苏 福建医科大学附属福州市第一医院超声影像科 （福建 福州 350009）

内容提要： 目的：评估灰阶中位数分析（gray-scale median，GSM）用于乳腺癌超声筛查的临床价值。方法：基于计算机辅助程序获得二维超声良性和恶性乳腺结节灰阶中位数，以乳腺结节病理检查结果为金标准，统计灰阶中位数分析用于筛查乳腺癌的敏感性、特异性、阳性预测值、阴性预测值、Youden指数和AUC曲线下面积。结果：乳腺良性结节GSM值（30.33±6.50），乳腺恶性结节GSM值（20.11±4.70），乳腺良恶性结节GSM差异具有统计学差异（P＜0.05），最佳临界值25.01相应的筛查乳腺癌的敏感性、特异性、阳性预测值、阴性预测值、Youden指数和AUC曲线下面积分别为78.5%、88.7%、73.6%、92.3%、0.675和0.899。结论：乳腺结节GSM值是一个客观的参数，可作为超声鉴别乳腺良恶性结节的重要参数。

2020年，乳腺癌在全球的范围已成为危及女性健康的首位恶性肿瘤[1,2]，在中国乳腺癌的发病率也呈逐年上升趋势[3,4]。随着全球乳腺癌筛查项目的广泛实施，越来越多乳腺癌患者得以早期诊断并给予及时干预，预后较好[5]。灰阶中位数（greyscale median，GSM）是指对超声灰度数字图像进行区域划分，并对区域内的每个像素点的灰度值进行统计学分析，以划分区域内所有灰度值为一个数集，利用中位数公式计算出此数集的中位数[6-9]。本研究旨在应用灰阶中位数对乳腺结节灰度进行定量分析，探讨其在鉴别乳腺良恶性结节中的价值。

1.资料与方法

1.1 临床资料

2019年3月～2021年3月在本院行ABUS（Auto mated Breast Ultrasound System）全自动乳腺超声系统检查的女性患者508例共549个结节，所有患者病历资料完整，且经手术切除或穿刺活检获得病理学结果。年龄21～75岁，平均（44.39±9.86）岁，结节最大径0.5～3.4cm，平均（1.42±0.73）cm。

纳入标准：乳腺实性结节；患者术前行ABUS检查，且图像采集满意；超声检查前未接受任何形式的治疗；超声检查后手术切除或穿刺活检获得病理学结果。排除标准：乳腺囊性结节或囊实性结节，结节最大径线＜0.5cm；结节周边无正常腺体及脂肪层；采集图像因探头与皮肤接触不良造成图片灰阶亮度分布不均匀。

1.2 方法

1.2.1 仪器。采用全自动乳腺容积超声诊断系统（Invenia ABUS，美国通用电气公司），装载反向曲面宽幅高频线阵探头C15-6XW（频率6～15MHz）。

1.2.2 超声检查：患者取仰卧位，双手上举，充分暴露乳腺。采用Invenia ABUS对双侧乳房分别采集正中位、外侧位及内侧位图像，将乳腺3D容积数据传至诊断工作站。

灰阶中位数（GSM）分析：在超声诊断工作站上将清晰显示乳腺结节及其浅表脂肪组织和周边正常的腺体二维灰阶图像以高质量的jpeg格式进行存储，利用图像编辑软件Adobe Photoshop CC 2018进行处理。将图像放大到初始大小的3倍，将图像调整至灰度模式，逐步调整整幅图片的亮度至自动性扩展勾勒同层脂肪GSM为40，见图1，同层腺体最高色阶为220，见图2，结节浅层脂肪及腺体像素均超过500。再利用“自动选取工具”勾勒出乳腺结节，获得乳腺结节灰阶像素的直方图，记录乳腺结节的GSM，见图3，同一乳腺结节GSM由同一位医师采集3次，取其均值。

图1.乳腺结节同层脂肪及其所对应的GSM

图2.乳腺结节同层的腺体及其所对应的最高色阶

图3.乳腺结节及其所对应的GSM

1.3 统计学分析

采用SPSS22.0统计学软件进行数据分析：计量资料采用±s表示。采用独立样本t检验比较乳腺良恶性结节的GSM，P＜0.05为差异有统计学意义。利用ROC曲线，计算曲线下面积及Youden指数等，获得GSM作为诊断指标的临界值，通过McNemar配对χ2检验判断GSM的作为诊断指标临界值的诊断效能，P＜0.05认为检验有统计学意义。

2.结果

2.1 乳腺结节的病理结果

乳腺良性结节共354个，其中纤维腺瘤239个，导管内乳头状瘤38个，硬化性腺病26个，腺病15个，腺体内脂肪12个，炎性病灶11个，良性叶状肿瘤7个，错构瘤6个。乳腺恶性结节共195个，其中浸润性导管癌165个，导管原位癌24个，黏液癌3个，浸润性小叶癌2个，髓样癌1个。

2.2 乳腺良恶性结节GSM结果

见表1。乳腺良性结节GSM均值为（30.33±6.50），乳腺恶性结节GSM均值（20.11±4.70），乳腺良恶性结节GSM两者差异具有统计学差异（P＜0.05）。

表1.乳腺结节GSM均值结果

2.3 GSM鉴别乳腺良恶性结节的临界值及其诊断效能

绘制ROC曲线见图4，获得鉴别乳腺良恶性结节的最佳临界值25.01，ROC曲线下面积为0.899。以GSM 25.01为最佳临界值鉴别乳腺良恶性结节的敏感性、特异性、Youden指数分别为78.5%、88.7%、0.675。

图4.GSM以25.01作为临界值鉴别乳腺良恶性结节的ROC曲线

2.4 GSM以25.01作为最佳临界值鉴别乳腺良恶性结节与病理结果对比结果

见表2。GSM以25.01作为最佳临界值鉴别乳腺良恶性结节的准确率、阳性预测值及阴性预测值分别为84.7%、73.6%、92.3%。

表2.GSM以25.01作为最佳临界值鉴别乳腺良恶性结节与病理结果对比结果

3.讨论

近年来随着超声诊断技术的不断进步，超声已成为乳腺筛查的常用手段[10]，虽然随着乳腺BI-RADS报告系统在各大医院推广普及[11]，超声对乳腺癌危险分层逐渐规范，但是超声医师对乳腺结节灰度的判断仍受主观判断，乳腺结节的灰度是乳腺结节良恶性鉴别的最主要影响因素。常规条件下超声医师通过对乳腺结节的灰度评估来鉴别乳腺结节的良恶性需要经过在临床实践中常年累月的经验积累，就导致了不同年资的超声医师对乳腺结节良恶性判断的不一致。超声医师对乳腺结节灰度判断的主观性，未来有望利用计算机AI（Artificial Intelligence）技术通过识别二维超声图片中乳腺结节的灰度，给出客观的参数来解决，减少超声医师对临床工作经验的依赖。

本次研究利用Adobe Photoshop CC 2018计算机辅助软件，以乳腺结节同层的脂肪和腺体作为参照物对二维灰阶超声图片的灰度进行标准化，使二维灰阶超声图片中的乳腺结节的灰度在标准图片灰度的情况下进行测量，得出的结节GSM才具有可比较性。此外通过对乳腺结节的灰度分布的直方图分析，有利用超声医师通过对乳腺结节灰度的分布对乳腺结节的组织构成进行分析。

本次研究显示乳腺恶性结节GSM低于乳腺良性结节GSM，两者的差异具有统计学意义，表明乳腺恶性结节的灰度低于乳腺良性结节。乳腺结节的灰度主要与乳腺结节的病理有关，本次研究发现有近半的乳腺恶性结节呈显著的低回声，所有的乳腺恶性结节均呈低回声，乳腺高级别的浸润性导管癌和导管原位癌结节GSM明显低于同层脂肪GSM，部分乳腺恶性结节呈不均质低回声，该部分乳腺恶性结节GSM亦低于同层脂肪GSM。本次研究中发现乳腺良性结节多呈等回声或稍低回声，乳腺纤维腺瘤结节GSM略低于同层脂肪的GSM或二者相近，部分良性结节呈高回声，乳腺硬化性腺病的良性结节GSM可高于同层脂肪的GSM。本次研究中乳腺良恶性结节GSM的差异，考虑与本次研究乳腺恶性结节主要是浸润性导管癌和导管原位癌，乳腺良性结节主要是纤维腺瘤，导管内乳头状瘤及硬化性腺病有关。

本次研究显示乳腺结节GSM以25.01为最佳临界值鉴别乳腺良恶性结节的敏感性、特异性分别为78.5%、88.7%。乳腺良恶性结节的灰度都可以呈低回声，常规乳腺结节的良恶性鉴别需要超声医师的主观判断，判断的准确性与超声医师的临床经验有关，使得结节的内部回声的分析对乳腺结节的良恶性鉴别帮助有限。本次研究显示乳腺结节GSM通过对乳腺结节灰度的量化，使得乳腺结节GSM成为一个客观的量化指标，在鉴别乳腺良恶性结节时有很高的敏感性和特异性。

本次研究结果显示乳腺结节GSM以25.01为最佳临界值鉴别乳腺良恶性结节的准确率、阳性预测值及阴性预测值分别为84.7%、73.6%、92.3%。乳腺结节GSM对乳腺结节的阴性预测值较高为92.3%，对乳腺癌筛查意义巨大，有利于乳腺超声检查中找出良性的结节，减少进一步的检查或乳腺结节穿刺活检。

总之，灰阶中位数分析使乳腺结节的回声成为一个客观的量化指标，降低了超声医生进行乳腺结节回声分析时对临床经验的依赖，乳腺结节GSM有望成为乳腺结节良恶性鉴别的量化评估指标，但由于乳腺癌的异质性以及本次研究中乳腺良恶性结节的病理类型相对集中，所得的结论需要更大样本量的研究进一步论证。