人工智能S-Detect 技术联合BI-RADS 分类及Adler 分级法在乳腺肿块诊断中的价值

李如冰，彭梅，毕玉，詹韵韵，姜凡，方明娣

（安徽医科大学第二附属医院超声诊断科，安徽 合肥 230601）

近年来，随着外科手术及各种辅助治疗手段的发展，早期乳腺癌的五年生存率已达90%。因此乳腺癌的早期筛查与准确诊断至关重要。目前对于乳腺肿瘤的影像学检查方法包括超声、钼靶、磁共振等[1]。乳腺超声检查技术以其无创、可重复性等优势广泛应用于临床，但由于不同年资医师对其理解程度有主观上的差异与客观上的误差，导致对一些不典型乳腺肿块的判断容易误诊。美国放射学会（American College of Radiology，ACR）为规范乳腺影像学检查报告和结果评估，制定并更新乳腺影像报告数据系统（BI-RADS）[2]，然而在临床诊断中发现，良恶性乳腺肿块之间仍存在较大的交叉重叠。本研究中采用的S-Detect 技术[3，4]是一种新的人工智能超声辅助诊断技术，采用卷积神经网络深度学习算法，自动提取病灶特征综合分析后给出诊断结果，但此项技术仅给出二分类结果，单一应用效能较低。因此，有部分研究[5-7]将BI-RADS 与S-Detect 技术联合应用，但两者均未将肿瘤的血供特征进行系统化的评估，而乳腺肿块的血供特征是其良恶性鉴别的重要线索，Adler 分级法[8]可将血供特征半定量化进而评估肿块的良恶性。基于此，本研究在BI-RADS分类基础上，将血供特征采用Adler 分级法定义，与人工智能S-Detect 技术联合以提高诊断效能，以期降低乳腺癌的误诊及漏诊率，同时也减少不必要的手术及乳腺病灶的穿刺活检，减轻患者的心理负担、经济损失与手术创伤。

1 资料与方法

1.1 一般资料 收集2019 年9 月-2021 年7 月在安徽医科大学第二附属医院医院行超声诊断检查并留有完整图像资料的患者121 例，共121 个乳腺肿块，年龄18～75 岁，平均年龄（45.42±13.06）岁，结节最大长径5～54.00 mm，平均最大长径（22.48±10.42）mm。

1.2 纳入及排除标准 纳入标准：患者入院经乳腺超声检查并行空心针穿刺或手术治疗后病理确诊的患者。排除标准：①妊娠期患者或哺乳期患者；②BI-RADS 诊断分类为0、1、2、6；③接受过放化疗；④接受过穿刺活检；⑤非肿块性病变；⑥非乳腺原发病灶的患者。

1.3 方法 采用配备有S-Detect 软件的Samsung RS80A 超声诊断机型，线阵探头，频率3～12 MHz。①BI-RADS 诊断：患者仰卧位，双手举过头顶，充分暴露两侧乳房，先对患者行常规超声检查，对肿块进行BI-RADS 分类（图1），结果记入A 组。②BI-RADS 联合S-Detect 诊断：进入人工智能模块，选择最代表肿块声像图特征的长轴及短轴切面进行，将光标移至肿块中心位置，冻结后系统自动勾画肿块，若自动勾画不满意可选择人工手动勾画，系统进行分析并给出评价，当长轴和短轴结果不一致时，以恶性结果为准（图2）。依据BI-RADS 分类基础，S-Detect 评估为恶性的肿块，分类结果上升一类别（已为最高类别者不再上调）；S-Detect 评估为良性的肿块，分类结果相应降低一个级别（已为最低类别者不再下调），结果记入B 组。③BI-RADS 联合SDetect 及Adler 分级法联合诊断：在BI-RADS 联合S-Detect 诊断结果基础上，若Adler 分级法评级为恶性（图3），病理结果见图4，分类结果相应增加一个类别（若已为最高类别者不再上调）；若Adler分级法评级为良性，分类结果相应降低一个级别（若已为最低类别者不再下调），结果记入C 组。④BI-RADS 分类采用ACR 于2013 推出的BI-RADS版分类，为降低肿块穿刺活检率，认定0～3 类肿块为良性，4A 类及以上肿块为恶性。血流特征采用Adler 分级法定义：0 级：病灶内无血流信号；Ⅰ级：病灶内可见1～2 个点状或者短棒状血流信号；Ⅱ级：病灶内可见3～4 个点状血管或1 条较长的血管，其长度可接近或超过肿块半径；Ⅲ级：病灶内可见5 个及以上点状血管或2 条较长的血管，影像学意义：0、Ⅰ级为良性，Ⅱ、Ⅲ级为恶性[5]。

图1 BI-RADS 分类

图2 BI-RADS 联合S-Detect 诊断

图3 BI-RADS 联合S-Detect 及Adler 分级法诊断

图4 恶性病理结果

1.4 统计学方法 应用SPSS 23.0 及MedCalc 19.1 进行数据处理，计数资料采用[n（%）]表示，行χ2检验，用四格表计算BI-RADS、BI-RADS 联合S-Detect、BI-RADS 联合S-Detect 及Adler 分级法诊断乳腺肿块良恶性的灵敏度、特异度和准确度，并绘制ROC 曲线、计算曲线下面积（area under curve，AUC），Z检验比较三种诊断方法间AUC 的差异，以P＜0.05 为差异有统计学意义。

2 结果

2.1 病理结果 121 个肿块手术后病理结果显示，良性56 个，恶性65 个。良性包括：纤维腺瘤10 个，腺病13 个，腺瘤29 个，导管内乳头状瘤2 个，炎症2个；恶性包括：浸润性癌57 个，导管内原位癌7 个，黏液腺癌1 个。

2.2 BI-RADS、BI-RADS 联合S-Detect、BI-RADS 联合S-Detect 及Adler 分级法的诊断效能比较 BIRADS、BI-RADS 联合S-Detect、BI-RADS 联合SDetect 及Adler 分级法诊断结果见表1，BI-RADS、BI-RADS 联合S-Detect、BI-RADS 联合S-Detect 及Adler 分级法的诊断效能见表2，三组诊断方法的AUC 分别为0.644、0.663、0.823。ROC 曲线显示，联合诊断乳腺肿块优于单独应用BI-RADS、BI-RADS联合S-Detect 技术，见图5。

图5 BI-RADS、BI-RADS 联合S-Detect、BI-RADS联合S-Detect 及Adler 分级法诊断乳腺肿块良恶性的ROC 曲线图

表1 BI-RADS、BI-RADS 联合S-Detect、BI-RADS 联合S-Detect 及Adler 分级法诊断结果比较（n）

表2 BI-RADS、BI-RADS 联合S-Detect、BI-RADS联合S-Detect 及Adler 分级法诊断效能比较（%）

3 讨论

目前，乳腺癌为女性第一位恶性肿瘤死因[9]，女性乳腺肿瘤已经超过肺癌成为全球发病率最高的肿瘤。每年约有230 万的新发病例，占所有新发肿瘤病例的11.7%[10]。在我国，女性乳腺肿瘤每年新发人数约27 万人，其也是我国女性最高发的恶性肿瘤[11]。由于人口基数大，我国女性乳腺癌发病人数及死亡人数均居世界首位，分别占世界女性乳腺癌发病和死亡人数的17.6%和15.6%[12]。而提高乳腺癌生存率的关键在于早诊断、早治疗。美国放射学会提出的BI-RADS 分类系统标准化了世界范围内的乳腺超声检查报告，进一步提高了超声检查在乳腺肿块鉴别诊断中的准确性，然而在临床诊断中发现，乳腺良恶性肿块之间仍存在较大的交叉重叠[13，14]，因此如何更客观地评价乳腺病变的良恶性成为目前临床亟需解决的难题。

近年来，以大数据、深度学习算法为基础的AI技术正广泛融入医疗领域，超声与人工智能结合是数字医疗领域研究新热点之一，计算机辅助诊断系统具有客观、稳定、可重复性高等优势，CAD 系统可以对图像进行处理、分割及特征提取[15]，可以获得比临床医师更多的信息，使诊断结果更加客观、准确。本研究采用的S-Detect 技术[16]是一种新的人工智能超声辅助诊断技术，于2015 年应用于临床，国外目前主要在韩国、意大利等国家医院有报道使用，国内主要为北京协和医院、中国医科大学附属医院、第四军医大学唐都医院等少数几家知名医院开展此项技术，省内尚未有医院常规开展。S-Detect 技术具有诸多特点：首先，可对图像随时反复阅读，弥补临床经验不足的缺点，降低操作者的依赖性，减少主观错误，增强评价的客观性；其次，超声医生通过多方位、多切面观察，结合情况及病史，综合多因素给出肿块的BI-RADS 分类，但两者均未将肿瘤的血供特征进行系统化的评估，而有研究表明血管生成在肿瘤生长和转移中起着重要作用[17]。随着乳腺癌的发展，肿瘤内新生血管增多，此即为彩色多普勒超声血流显像的病理基础[18]。本研究在BI-RADS 分类基础上，将血供特征采用Adler 分级法定义，与人工智能SDetect 技术联合以提高诊断效能，以期降低不典型乳腺癌的漏诊率。

本研究结果发现，三种诊断方法的AUC 分别为0.644、0.663、0.823，BI-RADS 联合S-Detect 及Adler 分级法的诊断效能优于单独应用BI-RADS 和BI-RADS 联合人工智能S-Detect 技术，其中单独应用BI-RADS 和BI-RADS 联合人工智能S-Detect技术之间的诊断效能基本一致。其中，应用BIRADS 联合S-Detect 及Adler 分级法后特异度上升（P＜0.05），表明此诊断方法提高了良性肿块的诊断效能。美国放射学会（ACR）建议BI-RADS 4 类结节应穿刺活检获取病理诊断[19]。本研究中121 个肿块在应用联合诊断后，将原BI-RADS 分类评估的32个4A 类结节降级为3 类，使穿刺活检率大大降低。这使只需定期随诊的肿块减少了不必要的穿刺活检，减轻了患者的心理负担、经济损失与手术创伤。另外，本研究中联合诊断前后灵敏度基本一致，可能是由于入组病例只选取了手术治疗并获得确切病理结果的病例，联合诊断前BI-RADS 可能已达到较高的级别（4B 类及以上），联合诊断后不能体现对这部分病例的灵敏度改变，对于这部分病例的诊断效能有待进一步研究。

对于超声图像特征不典型的导管内原位癌等，其病灶发展为浸润性癌甚至转移的可能性很大，有研究发现多数导管内原位癌可表现出恶性肿瘤的血流特征[20]，与本研究中7 例乳腺导管内原位癌一致，联合诊断对此类病例检出率较高，因此可提高临床及患者的重视度，早期干预治疗降低病灶进展甚至转移的可能性。

本研究的局限性：①样本量较小，需进一步扩大样本量；②只选取手术治疗的病例，因此恶性病例偏多，存在一定的选择偏倚；③血流特征未采用新兴的超微血管成像，使诊断价值评估不够全面；④为使得整个诊断过程简便、客观，避免主观因素混杂影响，联合诊断方法公式化，未能将结节内钙化情况、弹性、造影等因素体现在联合诊断中。

综上所述，BI-RADS 联合S-Detect 技术及Adler 分级法可进一步提升对乳腺肿块的诊断效能，对临床干预与治疗具有重要的指导意义。