三维能量多普勒超声联合VOCAL法对乳腺BI-RADS 4类肿块的诊断价值

王慧珠，苑婉茹，栗河舟，张莹莹

郑州大学第三附属医院超声科，河南 郑州 450052；*通信作者 王慧珠 tonisy086@163.com

乳腺疾病是女性常见病与多发病，多表现为良性，近年来乳腺癌的发病率逐年升高，根据2020年全球癌症相关统计数据，乳腺癌在全球的新发病例居癌症新发首位，并呈年轻化趋势[1]。如何通过无创、便捷的方法鉴别诊断早期乳腺癌日益受到重视。常规超声是我国用于筛查和诊断乳腺疾病的首选影像学方法。三维能量多普勒成像（three-dimensional power Doppler angiography，3D-PDA）是三维超声与能量多普勒结合的一种技术，可提供清晰全面的声像图表现及肿块相关血流信息[2-3]。虚拟器官计算机辅助分析（virtual organ computer-aided analysis，VOCAL）软件是计算机引导的虚拟组织分析，通过该软件可以计算肿块体积及肿块中的平均灰阶（mean gray，MG）、平均能量（mean power，MP）、比率及血管血流指数（vascularization flow index，VFI），从而对肿块中的血管进行定量分析。乳腺影像报告和数据系统（breast imaging reporting and data system，BIRADS）是目前用于评估乳腺肿块良恶性的常用标准，其中对BI-RADS 4类及以上肿块均建议穿刺活检以明确性质[4]。但由于BI-RADS 4类乳腺肿块良恶性跨度较大[5]，恶性可能为2%～95%，病理结果良性率可达50.2%[6]，额外的穿刺会增加患者的焦虑及不必要的诊疗费用。因此，如何在减少不必要的穿刺损伤下准确判别BI-RADS 4类肿块的良恶性是目前研究的热点[7-9]。

目前3D-PDA已逐步应用于临床，但基于其血管参数与BI-RADS分类建立列线图预测模型对4类肿块进行良恶性预测鲜有报道。本研究拟应用3D-PDA联合VOCAL法对BI-RADS 4类肿块进行良恶性判断，探讨其诊断价值及效能，并基于所得参数建立BI-RADS 4类肿块恶性风险的列线图预测模型，为临床处理决策提供参考。

1 资料与方法

1.1 研究对象 回顾性收集2020年11月—2021年6月于郑州大学第三附属医院就诊并治疗、经常规超声检查判定为BI-RADS 4类及以上患者250例共316个乳腺肿块。纳入标准：①患者术前均行常规超声检查并留取3D-PDA图像；②术后均有完整的病理结果，且临床资料完整；③检查前未接受放、化疗及穿刺活检；④肿块超声直径≤30 mm。排除标准：①病灶超声二维图像表现为囊性、囊实性；②超声图像不清晰；③对同一肿块3次勾画图像所得三维能量血管参数MP、R、VFI偏差过大者。最终纳入189例患者共230个肿块，年龄26～82岁，平均（44.8±8.6）岁。收集纳入患者的临床信息、乳腺肿块超声BI-RADS分类及描述、病理结果等。以病理结果为“金标准”，将肿块分为良性肿块178个与恶性肿块52个。本研究经郑州大学第三附属医院伦理委员会审批（2021-084-01）。

1.2 仪器与方法 采用配备有三维探头的GE LOGIQ E9超声诊断仪，常规浅表探头频率9～15 MHz，三维探头频率6～16 MHz。能量多普勒扫查参数设置为：频率6.3 MHz，增益19.0，脉冲频率0.8 kHz，壁滤波100，线密度3，帧平均6，取样容积4，取样包面积14，伪像抑制（打开）100%。所有操作均由同一名经验丰富的高年资医师进行。患者取仰卧位，双臂上举置于枕后以充分暴露受检部位，使用常规探头对双侧乳腺进行扫查，对常规超声判定为BI-RADS 4类肿块留取二维图像。切换3D容积探头扫查同一肿块，轻置探头并选取肿块最大直径切面，告知受检者屏住呼吸并保持20 s，启用3D-PDA模式，获得三维图像并存储。打开VOCAL软件，手动勾勒所采集图像范围，计算肿块体积，并获取三维能量直方图各血管参数MP、R和VFI，重复3次取平均值。以超声BI-RADS 4a为截断点，4a类为良性，4b、4c类为恶性。

1.3 统计学方法 采用SPSS 26.0软件，正态分布的计量资料以±s表示，两组间比较采用独立样本t检验；非正态分布的计量资料采用M（Q1，Q3）表示，两组间比较采用Mann-WhitneyU检验；计数资料以绝对数表示。以病理结果为“金标准”，构建受试者工作特征（ROC）曲线，评价MP、比率、VFI、BI-RADS及BI-RADS联合各参数对4类肿块的诊断效能。诊断界点定义为约登指数的最大值。采用多因素Logistic回归筛选各血管参数变量，采用R软件绘制列线图，运行rms程序，行Bootstrap法重复抽样1 000次进行内部验证并计算一致性指数（C指数），绘制校正曲线评估模型准确度和判别能力。采用Delong检验比较曲线下面积（AUC）。P＜0.05为差异有统计学意义。

2 结果

2.1 乳腺良、恶性肿块参数对比 52个恶性病灶中，非特殊型浸润性癌44个，浸润性导管内癌6个，小叶原位癌1个，导管原位癌1个。178个良性病灶中，纤维腺瘤41个，腺病59个，腺病伴纤维腺瘤57个，腺病伴导管内乳头状瘤8个，导管内乳头状瘤8个，炎性病变4个，脂肪瘤1个。超声BI-RADS分类中4a类168个，4b、4c类共62个。恶性病灶中，超声BI-RADS 4a类9个，4b、4c类共43个；良性病灶中，超声BI-RADS 4a类158个，4b、4c类共20个。恶性肿块组各指标均大于良性肿块组，差异有统计学意义（P均＜0.05），见表1及图1、2。

表1 良、恶性肿块VOCAL各参数比较

2.2 3D-PDA相关血管参数及BI-RADS法对4类肿块诊断效能比较 绘制各参数ROC曲线，得到AUC均＞0.5，各诊断界点及诊断效能见表2和图3。即VOCAL所得各参数在BI-RADS 4类乳腺肿块良恶性诊断中均有统计学意义（P＜0.05）。MP、比率、VFI分别联合BI-RADS所得AUC依次为0.917、0.910、0.916，单独BI-RADS法的AUC为0.860（表3，图4）。

表2 VOCAL各参数对4类肿块诊断效能的比较

表3 VOCAL各血管参数联合BI-RADS对4类肿块诊断效能比较

2.3 基于3D-PDA相关血管参数及BI-RADS分类构建列线图预测模型 基于多因素Logistic回归分析结果（表4），将MP、比率、VFI及BI-RADS分类纳入R软件，按各血管参数诊断界点将数据由连续变量转换为分类变量，构建预测BI-RADS 4类肿块恶性风险的列线图模型（图5）。根据各独立因素对应分值得到相应分数并相加，总分向下投射得到相应恶性预测概率。该模型的C指数达0.920，经Bootstrap法重复抽样1 000次进行内部验证，校正后的C指数为0.915，仅下降0.005，表明该预测模型的稳定性较高。ROC曲线分析显示列线图的AUC（0.920）显著高于单独应用BI-RADS的AUC（0.860；Z=3.184，P=0.001）（图6）。构建的列线图模型显示MP、比率、VFI值大于截断值、常规超声判别高于BI-RADS 4A类时，肿块恶性风险增加。绘制预测值与实际值的校准曲线进行一致性测试，显示列线图的预测值与肿块的病理结果一致性良好（图7）。

表4 VOCAL各血管参数多因素Logistic回归分析结果

3 讨论

3.1 3D-PDA的优势 乳腺癌作为富血供的恶性肿瘤，其内血管分支及数量一般远多于良性肿块[10]。3DPDA不受乳腺肿瘤形态、内部血管分布不均及血流速度的影响，能更充分地显示肿块内部血流。本研究运用3D-PDA联合VOCAL对BI-RADS 4类乳腺肿块进行分析，3D-PDA可以清晰、动态地显示肿块周边及内部的血流分布，进一步明确血管生成状况。VOCAL软件可勾勒肿块体积并将血管指标定量化，较常规血流多普勒更加客观、准确和敏感。本课题组前期研究显示3D-PDA获得的血管参数对乳腺肿块具有诊断价值，但以往的研究对象是BI-RADS 3～5类肿块[11]，本研究是在既往研究基础上的拓展。此外，本研究基于血管参数诊断界点和BI-RADS分类建立了乳腺癌风险预测列线图模型，以更直观的方式预测BI-RADS 4类肿块良恶性，较以往研究有所创新。

3.2 3D-PDA各血管参数对BI-RADS 4类肿块的诊断价值 本研究结果显示，体积的AUC达0.794，敏感度和特异度分别为62.0%和86.1%。丁炎等[12]研究显示良、恶性组间体积参数有显著差异，与本研究结果相符，但本研究着重探讨3D-PDA各血管参数的应用价值，因此列线图中未纳入体积。

本研究中，恶性肿块的MP、比率、VFI均高于良性肿块，与王恩芳等[13]的研究结果相似，其原因可能是乳腺恶性肿瘤在侵袭和生长过程中需要更丰富的血流供应营养[14]，新生血管较良性肿块增多，造成两组血管参数间的差异。由于不同分化程度的肿瘤微血管密度具有差异性[15]，因此尚不能单一认为乳腺癌均为富血供，故对于肿块的诊断仍需结合常规二维超声征象。本研究单独应用BI-RADS分类法的AUC为0.860，敏感度、特异度、准确度较既往研究提高[11]，其原因是超声科医师（具有10年以上乳腺超声检查经验）鉴别乳腺超声特征的经验丰富，在一定程度上提高了BI-RADS分类的准确度。血管参数MP、比率、VFI诊断界点与既往研究结果相似[11]，进一步表明应用血管参数诊断的可行性。MP、比率、VFI分别联合BIRADS所得AUC均较单独血管参数明显提高，但三者AUC相差不大，即各血管参数联合BI-RADS法均可用于判别BI-RADS 4类肿块的良恶性。

3.3 列线图模型的建立 列线图可通过结合多种危险因素应用于疾病风险的预测和个体化的风险评估。王瑛等[16]用超声影像组学建立列线图对三阴性乳腺癌进行预测；李建玉等[17]通过MRI预测BI-RADS 4类非肿块样病变的个体化风险，但鲜有3D-PDA相关血管参数与BI-RADS分类联合建立列线图预测模型的报道。本研究中3D-PDA相关血管参数和BI-RADS均为乳腺恶性肿瘤的独立预测因子，两者联合所得列线图模型分析肿块良恶性时，内部验证C指数为0.915，表明该模型预测BI-RADS 4类肿块恶性概率表现良好；列线图的AUC高于各参数和单独BI-RADS法，进一步表明3D-PDA各血管参数联合二维超声征象可以提高BI-RADS 4类肿块良恶性的诊断。即与仅使用BIRADS相比，使用列线图预测恶性肿瘤更有益处。

3.4 本研究的优势与不足 中国抗癌协会乳腺癌诊治指南与规范指出对超声评估为BI-RADS 4类及以上肿块均建议行组织病理学检查[18]。本研究方法可有效提高对乳腺BI-RADS 4类肿块良恶性的诊断、降低穿刺率。目前提高诊断性能的方法还包括超声弹性成像和超声造影等[19-20]。超声弹性成像是一种非侵入性技术，它通过测量组织的硬度判断病灶的性质，但当病灶过小或位置较深时，其测量参数会有较大偏差。超声造影也可以检测到常规彩色多普勒难以检测到的微小血管，但其为有创性检查，本研究作为无创性检查更具有优势。

3.5 本研究的局限性 ①在进行3D-PDA后处理图像勾勒过程中，操作者手的抖动可能会影响血管参数的质量；②本研究未对恶性肿块组中不同分子亚型乳腺癌的血管参数进行对比，可以作为下一步的研究方向；③本研究为单中心回顾性研究，样本量不大，列线图的准确性仅依附于内部验证，后续可扩大样本量行外部验证，进一步证实研究成果。

总之，3D-PDA联合VOCAL及BI-RADS分类法可应用于临床，提高对BI-RADS 4类乳腺肿块的诊断，本研究基于3D-PDA血管参数联合BI-RADS分类构建列线图，作为一种非侵入性预测工具，能提高乳腺恶性肿块的预测率、减少有创损伤，为临床决策提供参考。