人工智能超声辅助诊断系统联合血清miR-211鉴别诊断甲状腺结节的临床价值

李 莉 向丽丽 庹 菲 刘 芳

甲状腺结节为临床常见病变，随着高分辨率超声的普及及人们体检意识的增强，甲状腺结节临床检出率可达65%，其中恶性结节约占5%~15%［1］。目前，临床评估甲状腺结节性质仍以超声为主要手段，但由于超声医师紧缺，不同级别医院及不同年资超声医师诊断水平各有差异，其诊断准确率不尽相同［2-3］。近年来人工智能（artificial intelligence，AI）不断发展，并逐渐应用于医疗领域，AI 超声辅助诊断系统（以下简称AI超声系统）不但能提高鉴别诊断良恶性甲状腺结节的准确率，还可提高超声医师的工作效率，具有快捷、方便等优势，但该方法特异度相对有限［4］。miRNA 为非编码小分子RNA，转录后可调节基因表达，研究［5］发现miR-211 可调控多种肿瘤细胞的迁移能力，并作用于不同靶基因，其在良恶性甲状腺结节鉴别诊断中具有较高的特异度。基于此，本研究旨在探讨AI超声系统联合血清miR-211 在良恶性甲状腺结节鉴别诊断中的应用价值，以期为临床诊治提供参考。

资料与方法

一、研究对象

选取2021 年1 月至2022 年10 月我院经病理证实的甲状腺结节患者203 例，男51 例，女152 例，年龄28~65岁，平均（46.59±9.68）岁，结节最大径1.1~3.6 cm，平均（2.92±0.73）cm。其中良性146 例，包括滤泡性腺瘤38例，结节性甲状腺肿69例，桥本氏甲状腺炎28例，滤泡结节性病变11 例；恶性57 例，包括甲状腺乳头状癌54 例，低分化癌2 例，滤泡癌1 例。纳入标准：①均为首次发病，单发结节；②符合手术相关指征；③均经术后病理证实。排除标准：①病理结果不明或影像学检查结果不全；②合并其他恶性肿瘤、甲状腺功能减退、其他内分泌疾病、淋巴结转移或远处转移；③伴自身免疫性疾病。本研究经我院医学伦理委员会批准，所有患者均签署知情同意书。

二、仪器与方法

1.仪器：使用Ian Thyroid Solution 100 超声影像智能系统（脉得智能科技有限公司），配备主机、AI 辅助显示屏、GE Logiq E 9 彩色多普勒超声诊断仪、L4-12t-RS 线阵探头（频率3.5~11.5 MHz）。

2.AI超声系统检查：患者去枕仰卧，取颈部过伸位，充分暴露颈部，适当调整增益、聚焦、深度等参数，以获得满意图像。按照先左叶后右叶、由上到下、由内到外的顺序全面扫查甲状腺横纵切面各3 次，以避免遗漏结节。发现结节后系统对其进行自动标识和实时定位，并通过计算机视觉技术、深度学习技术建立依托于卷积神经网络的良恶性甲状腺结节AI 辅助诊断模型，该模型能够通过深度学习技术自动提取结节超声图像特征，进而设计全新的卷积神经网络结构，借助其卷积核对输入图像像素点进行采样，获得甲状腺结节的全域图像特征，构建高通量、多层次的特征空间，进而评估结节性质，最后输出2个概率值（P1和P2），分别提示输入结节的恶性概率与良性概率。当P1>P2时，输入结节判为恶性，反之则输入结节判为良性。综合分析3 次扫描结果，得到AI 超声系统最终诊断结果。见图1。上述操作过程由AI公司的同一应用工程师全程监督并给予规范指导。

图1 AI 超声系统识别良恶性甲状腺结节示意图

3.图像分析：从工作站中提取超声图像，在不告知患者信息及病理结果的前提下，分别由1 名高年资超声医师（具有12 年工作经验）和1 名低年资超声医师（刚结束医师规范化培训）参照《2020 甲状腺结节超声恶性危险分层中国指南：C-TIRADS 分类标准》［2］对甲状腺结节进行评估，根据可疑超声征象（形态、内部回声、包膜、结节内钙化灶等）数量进行归类，0 个归为3 类，1 个归为4a 类，2 个归为4b 类，3~4 个归为4c 类，5 个归为5 类。TI-RADS 4b 类及以上判为恶性结节，其余判为良性结节［2］。

4.血清miR-211 检测：患者于入院后第2 天抽取空腹肘静脉血，使用RNA 提取试剂盒严格依据说明书操作从血清中提取RNA，再通过逆转录试剂盒逆转录得到cDNA，选用特异性引物及PCR 试剂盒进行PCR扩增，获取血清miR-211水平。

5.联合诊断方法：采用串联方式对甲状腺结节进行鉴别诊断，即两种检查方式诊断结果均为恶性时判为恶性。

三、统计学处理

应用SPSS 22.0 统计软件，非正态分布的计量资料以M（P25，P75）表示，采用非参数检验；计数资料以例或率表示，采用χ2检验。采用Kappa检验分析AI 超声系统及不同年资超声医师诊断结果与病理结果的一致性，计算并比较其诊断效能。Kappa<0.40 为一致性差，Kappa0.40~0.75为一致性一般，Kappa≥0.75为一致性好。绘制受试者工作特征（ROC）曲线分析miR-211鉴别良恶性甲状腺结节的诊断效能。P<0.05为差异有统计学意义。

结果

一、AI 超声系统及不同年资超声医师诊断结果比较

AI超声系统诊断良性结节119例，恶性结节84例；与病理结果的一致性一般（Kappa=0.627，P<0.01）；高年资超声医师诊断良性结节124例，恶性结节79例；与病理结果的一致性一般（Kappa=0.607，P<0.01）；低年资超声医师诊断良性结节105例，恶性结节98例；与病理结果的一致性较差（Kappa=0.470，P<0.01）。见表1。

表1 AI超声系统及不同年资超声医师诊断结果与病理结果对照例

AI 超声系统与不同年资超声医师诊断准确率、特异度比较差异均有统计学意义（均P<0.05）；其中AI超声系统和高年资超声医师诊断准确率、特异度均高于低年资超声医师，差异均有统计学意义（均P<0.05）；AI 超声系统与高年资超声医师比较差异均无统计学意义。见表2。

表2 AI超声系统与不同年资超声医师的诊断效能比较%

二、良恶性甲状腺结节血清miR-211比较

良恶性甲状腺结节血清miR-211 分别为1.48（1.14，1.91）和3.17（2.62，3.57），差异有统计学意义（Z=7.807，P<0.05）。

三、ROC曲线分析

ROC 曲线分析显示，血清miR-211 鉴别诊断良恶性甲状腺结节的曲线下面积为0.853，其对应的截断值为2.06，诊断准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为84.24%、89.47%、82.19%、66.23%、95.24%。见图2。

图2 血清miR-211鉴别诊断良恶性甲状腺结节的ROC曲线图

四、AI 超声系统与血清miR-211 单独及联合应用的诊断效能比较

AI 超声系统联合血清miR-211 诊断良性138 例，恶性65 例，其诊断准确率、灵敏度、特异度、阳性预测值、阴性预测值分别为90.15%、89.47%、90.41%、78.46%、95.65%。见表3。联合应用的诊断准确率、特异度、阳性预测值均高于AI 超声系统和血清miR-211单独应用，差异均有统计学意义（均P<0.05）。见表4。

表3 AI超声系统联合血清miR-211诊断结果与病理结果对照例

表4 AI超声系统与血清miR-211单独及联合应用的诊断效能比较%

讨论

超声是临床筛查甲状腺结节的首选检查方式，其可通过观察结节形态、大小、边缘、成分、钙化及血供等进行综合评估，但超声评估结果与操作者经验和水平有关，具有一定主观性，不同级别医院及不同年资超声医师经验和水平不尽相同，诊断准确率也存在差异。近年来，影像学资料与AI联合应用使医学影像信息的表达方式得以革新，AI超声系统已逐渐应用于甲状腺结节的临床诊断，具有较好的诊断价值［6］。miR-211能识别转移位点的恶性肿瘤组织来源，可能参与了甲状腺癌的浸润、转移过程［7］。本研究旨在探讨AI 超声系统联合血清miR-211 鉴别诊断甲状腺结节的临床价值。

AI 超声系统主要通过深度学习来识别和分析超声图像，从而获取参考信息，相较于传统超声检查具有以下优势：①可以进行自动图像分析，且可以持续学习和改进，使其在识别微小病变方面更为准确；②可以自动对超声图像进行标注和编码，有助于提高诊断效率和一致性；③可以实时分析超声图像，有助于临床动态监测患者的病情变化。本研究结果显示，203 例甲状腺结节患者中，AI 超声系统准确识别168 例，准确率为82.76%；一致性分析显示，AI 超声系统与病理结果的一致性一般（Kappa=0.627，P<0.01）。提示AI 超声系统在良恶性甲状腺结节鉴别诊断中具有一定应用价值。此外，本研究还发现不同年资超声医师与AI超声系统的诊断准确率、特异度比较差异均有统计学意义（均P<0.05），AI 超声系统和高年资超声医师诊断准确率、特异度均高于低年资超声医师（均P<0.05），且AI 超声系统与高年资超声比较差异均无统计学意义。提示超声医师的经验和水平会对诊断结果产生显著影响，AI 超声系统借助卷积神经网络、深度学习技术，可对甲状腺结节进行实时定位和勾画，准确诊断结节性质，使超声检查标准化、高效化，诊断结果更加客观，减少了不同年资超声医师间的诊断差异［8-9］。本研究AI 超声系统漏诊4 例，分析原因为：①超声图像质量不佳可能会影响分析结果；②甲状腺结节的大小、位置、形态、回声等特征对诊断准确性也有较大影响，当结节过小、位置过深或形态特殊时，可能会使AI超声系统难以准确识别和诊断；③超声医师的水平和经验也可能影响诊断结果。另外，本研究AI 超声系统误诊31 例，除上述因素外，还可能与参数设置有关。

研究［10-11］发现，血清miR-211 在乳腺癌、胃癌、原发性肝细胞肝癌中呈高表达，发挥促癌基因的功能；在宫颈癌、脑胶质瘤中呈低表达，发挥抑癌基因的功能。但目前关于其在甲状腺结节中的研究较少。本研究结果显示，恶性结节血清miR-211 高于良性结节，差异有统计学意义（P<0.05）。分析原因可能为在甲状腺结节发生、发展过程中，miR-211通过调节细胞增殖、凋亡、侵袭及迁移等参与了肿瘤的发生。另外，ROC 曲线分析显示，血清miR-211 鉴别诊断良恶性甲状腺结节的曲线下面积为0.853，提示其在良恶性甲状腺结节鉴别诊断中具有较高价值。

本研究进一步探讨了AI超声系统联合血清miR-211在良恶性甲状腺结节鉴别诊断中的效能，结果显示相较于单独应用AI 超声系统和血清miR-211，联合应用的诊断准确率、特异度、阳性预测值均有明显提高，差异均有统计学意义（均P<0.05），提示AI超声系统联合血清miR-211 能够提高临床鉴别诊断良恶性甲状腺结节的效能，有助于减少误诊。分析原因可能为AI超声系统联合miR-211 可以实现多维度诊断，超声图像可以提供结节的形态学信息，而血清miR-211 可以提供分子生物学信息，两者相互补充，进而提高诊断效能。

综上所述，AI 超声系统具有无创、可重复性、易操作、学习曲线短等优点，可为临床鉴别诊断甲状腺结节提供新思路，与血清miR-211 联合应用能够提高诊断准确率，减少误诊。但本研究样本量偏小，未联合更多血清学指标进行分析，今后尚需大样本、多中心研究深入探讨。