彩色多普勒超声联合人工智能技术在乳腺癌诊断中的应用价值

余银香 鼓山镇卫生院超声科 （福建 福州 350011）

内容提要： 目的：探究彩色多普勒超声联合人工智能技术在乳腺癌诊断中的应用价值。方法：选择2019年3月～2023年7月于本院接受“两癌”筛查的80例女性为观察对象，对其实施彩色多普勒超声检测，采用双盲法分别依托人工及人工智能技术对检测结果进行评判，以病理检测结果为金标准，分别计算单纯人工以及人工智能技术在乳腺癌诊断中的效能差异。结果：彩色多普勒超声联合单纯人工筛查对乳腺癌诊断曲线下面积为0.855（P=0.004），诊断一致性为87.50%，诊断灵敏度为40.00%，特异度为94.29%；彩色多普勒超声联合单纯人工智能技术筛查对乳腺癌诊断曲线下面积为0.879（P=0.002），一致性为97.50%，诊断灵敏度为90.00%，特异度为98.57%。结论：将彩色多普勒联合人工智能技术运用于乳腺癌诊断中具有较好的效能，相较于人工结果判读，有助于提高诊断的一致性、灵敏度和特异度。

乳腺癌的发病人群中40～60岁女性居多，近年来，我国乳腺癌的发病率逐渐上升[1]。该疾病早期与常人无异，被患者注意时，往往已经错过最佳治疗时期，因此早期诊断和治疗有重要意义[2,3]。当前临床上在诊断乳腺癌时，主要采取病理检查、影像学监测等，前者具有创伤性，且检测周期较长[4]。后者则包括超声、核磁共振、乳腺摄影等，对乳腺疾病的诊断、鉴别有重要价值。传统的X射线检测在诊断乳腺癌时，准确度较低，检测对乳腺癌具有50%的漏诊率，且还会随着乳腺密度的上升其敏感度会随之下降[5]。当前乳腺疾病的超声检测手段应用较为普及，超声检测具有检测迅速、无创、可重复性高、分辨率高等优点，当前已作为乳腺疾病常见的影像学检查手段，在乳腺癌的诊断治疗中发挥重要作用[6,7]。近些年随着医疗技术的不断进步，人工智能技术已在多个领域显露出应用价值，也有研究分析了将人工智能技术应用于疾病诊断中的优势，但将人工智能技术与多普勒超声联合应用于乳腺癌诊断中的研究较少[8,9]。本文作者通过对比发现，人工智能技术与多普勒超声在提高乳腺癌诊断效能方面价值肯定。

1.资料与方法

1.1 临床资料

筛选出2019年3月～2023年7月本院接受“两癌”筛查的80例女性，年龄35～65岁，平均（40.26±3.98）岁，体重44～86kg，平均（65.19±10.29）kg。本次研究已报医院伦理委员会批准开展。

纳入标准：①年龄＜70岁；②乳腺超声检测存在乳腺局限弥漫性病变；③均接受了病理检测；④对调研知情且同意；⑤接受检查前1个月未接受相关手术、放化疗干预。排除标准：①妊娠或哺乳期女性；②已纳入其他未结题临床研究者；③调研依从性较差者；④存在精神疾病史者；⑤并发严重肝肾功能障碍者；⑥药物或酒精依赖者。

1.2 方法

所有患者均接受了彩色多普勒超声检测，仪器：彩色多普勒超声诊断仪（西门子，型号：ACUSON Oxana2），设置探头频率为12～15MHz，对患者首先进行超声二维扫描，确定病灶位置后，切换为三维模式，注意对病灶进行扫描时保持探头位置静止，嘱患者屏气10s左右，确保能够生成清晰的三维容积图像，将采集数据储存于仪器中，便于后续调阅。

1.3 观察指标与判定标准

以入组80例患者的病理结果为“金标准”（阳性10例，阴性70例）。由2名医师对入组对象的彩色多普勒超声检测结果进行判读（确保2名医师意见一致，如确出现分歧，可寻求第3位医师协助），判断研究对象是否为乳腺癌。同时依托人工智能系统判读彩色多普勒超声检测结果。对比彩色多普勒超声联合单纯人工与彩色多普勒超声联合人工智能技术对乳腺癌的诊断效能差异。

1.4 统计学分析

选择SPSS 28.0软件，计数资料采用百分比或率（%）表示，组间比较采用x²检验或Fisher检验，诊断效能的计算采用绘制受试者操作特征曲线的方式（ROC曲线），P＜0.05表示差异具有统计学意义。

2.结果

2.1 彩色多普勒超声联合单纯人工对乳腺癌诊断价值分析

彩色多普勒超声联合单纯人工筛查对乳腺癌诊断曲线下面积（Area Under the Curve，AUC）为0.855（P=0.004），诊断一致性为87.50%，诊断灵敏度为40.00%，特异度为94.29%，见表1、图1。

表1.彩色多普勒超声联合单纯人工对乳腺癌诊断价值分析(n)

图1.彩色多普勒超声联合单纯人工对乳腺癌诊断价值分析

2.2 彩色多普勒超声联合人工智能技术对乳腺癌诊断价值分析

计算显示，彩色多普勒超声联合单纯人工智能技术筛查对乳腺癌诊断AUC为0.879（P=0.002），一致性为97.50%，诊断灵敏度为90.00%，特异度为98.57%，见表2、图2。

表2.彩色多普勒超声联合人工智能技术对乳腺癌诊断价值分析(n)

图2.彩色多普勒超声联合人工智能技术对乳腺癌诊断价值分析

2.3 彩色多普勒超声联合人工智能技术对乳腺癌诊断价值比较

比较显示，彩色多普勒超声联合人工智能技术对乳腺癌诊断的一致性、灵敏度和特异度均高于彩色多普勒超声联合单纯人工技术。

3.讨论

乳腺癌是乳腺上皮细胞在多种致癌因子的作用下，发生增殖失控的现象。疾病早期常表现为乳房肿块、乳头溢液、腋窝淋巴结肿大等症状，晚期可因癌细胞发生远处转移，出现多器官病变，直接威胁患者的生命。

乳腺癌属于恶性肿瘤，主要发生于乳腺腺上皮组织，近年来，该疾病的发生率呈现上升趋势[10]。有相关数据提示，1980年全球乳腺癌新增64.1万例，而到了2012年，已新增170万例，年均增长率高达3.1%，而我国也同样呈现出持续增长状态，2012年新发病例数18.7万例，合计患者达69.7万例，有调研预测，2021年我国乳腺癌新增乳腺癌人员将达到25万例[11,12]。该疾病的发生，在病理上为乳腺上皮细胞受到各种因素刺激，呈现出无序、无限制的异常增殖状态，其主要表现形式为癌细胞恶性增生，破坏周围正常组织，从而使正常的乳腺结构改变[13,14]。该疾病早期无典型临床表现，常被忽视，当疾病发展至晚期，可出现肿块、皮肤改变、腋窝淋巴结侵犯等症状，严重影响患者正常生活，因此及时准确的病变类型分析对后续治疗具有重要意义[15,16]。

文中通过以病理结果为金标准的方式，分别计算了彩色多普勒超声联合人工鉴别，以及彩色多普勒超声联合人工智能技术在乳腺癌诊断中的应用价值，结果显示两种检测方式相比较，彩色多普勒超声联合人工智能技术对乳腺癌的诊断一致性、灵敏度和特异度均显著优于单纯人工鉴别。潘德润等[17]学者就基于深度学习的人工智能技术在乳腺癌筛查中的应用价值进行了分析，该学者提出，人工智能技术可以使计算机模拟人类思考过程，通过智能活动，结合影像图像处理和特征提取过程，降低放射科医师工作负担，有助于提高乳腺癌诊断的准确性和敏感性。黄颖敏等[18]学者的研究也有类似结论，该学者的研究提出，超声在乳腺癌诊断筛查中应用非常广泛，但是却存在易受到观察者主观性因素影响的不足，一定程度上降低了超声对乳腺癌诊断的灵敏度和特异度。本文作者分析认为，超声是非常有价值的乳腺癌筛查手段，但其检出率与扫查者的手法、鉴别水平关系密切，极易出现漏诊误诊等情况，为了提高超声筛查的准确率，以往只能依赖长期对扫查者或医师的培养，培养周期长，且可推广性差。

人工智能技术的出现为乳腺癌超声筛查提供了新的思路，人工智能技术可以模仿人类思维和行为方式，将其应用于影像学检测中，可以实现分类、量化、优先级排序等功能，在推动影像学模式转变中具有积极意义。人工智能技术的辅助诊断效果可区分为检测和分类，其中检测可以协助计算机对病灶或可疑区域进行定位，提高病灶区域的检出率，并降低假阴性率，这一点在本研究结果中也得以体现，文中彩色多普勒超声联合人工智能技术诊断假阴性率明显低于彩色多普勒超声联合单纯人工诊断[19]。本文作者分析认为，多普勒检查是多普勒效应最广泛的应用，对运动的脏器和血流进行检测的仪器，具有高性能、多功能、高分辨率、高清晰度等特点，诊断准确度高，彩色多普勒超声在乳腺癌筛查中非常依赖细节，传统的二维检测多基于半自动方式，由受试者手动对感兴趣区域进行定位，该方式虽然可以定位部分病灶区域，但因需要缩小采样区域才能够获得图像细节，因而检测区域受限。人工智能数据质量检查系统是利用人工智能技术来自动化检查数据质量的系统，它可以通过分析和评估数据的准确性、完整性、一致性、时效性、可靠性等关键要素，为患者提供数据质量报告和相关建议，帮助用户优化数据质量，提高决策的准确性与效率性，人工智能技术则能够实现全自动检测，能够快速对整个乳房区域进行自动扫描，生成多种视图，并标记病灶区域，在乳腺癌筛查，尤其是较小的病灶筛查中价值肯定[20]。二者联合检查可以有效提高患者疾病检查率，可以相互协同，有效早期发现乳腺癌危险患者或评价乳腺癌治疗程度，以便可以根据检查结果调整治疗方向及措施，达到事半功倍的效果。

综上所述，将彩色多普勒联合人工智能技术运用于乳腺癌诊断中具有较好的效能，相较于人工结果判读，有助于提高诊断的一致性、灵敏度和特异度，本文研究方法经过评价具有明显的优势，因此将彩色多普勒联合人工智能技术应用到乳腺癌高危人群的检查中，可以尽早的发现乳腺癌的早期病变患者，这个对于患者疾病的治疗和生活质量改善有重要意义。