何俊林 蔡劍波 王晨思 洪 瑤 王永勝

甲狀腺結節(jié)是頸部最常見的腫塊型病變。體檢未能觸及，而在影像學檢查偶然發(fā)現(xiàn)的結節(jié)稱作“甲狀腺意外結節(jié)”。隨著臨床各部位CT的廣泛應用，甲狀腺意外結節(jié)日趨常見。然而，甲狀腺結節(jié)的CT影像診斷多為模糊性結論，且結果缺乏一致性和可比性，影響了甲狀腺結節(jié)的臨床決策和治療方案的選擇?；诔暤募谞钕儆跋駡蟾婧蛿?shù)據(jù)系統(tǒng)（thyroid imaging reporting and data system， TIRADS）[1]是甲狀腺結節(jié)風險的主要評估方法，目前缺乏與TIRADS結果匹配的CT診斷系統(tǒng)。近年來，隨著CT技術發(fā)展和分辨率的提高，多種特異性CT征象被證實對甲狀腺惡性結節(jié)具有較好的診斷價值，并且顯示出優(yōu)于超聲的獨特價值如甲狀腺包膜的破壞和鈣化性質(zhì)等，并且無操作者依賴性[2-4]。因此，本研究旨在通過回顧性分析良惡性甲狀腺結節(jié)的CT影像特征，建立定量評估甲狀腺結節(jié)惡性風險的CT預測模型，提高CT診斷甲狀腺惡性結節(jié)的效度。

方 法

1．一般資料

回顧性分析我院2014年5月-2016年5月經(jīng)組織學證實，臨床及CT資料完整的甲狀腺結節(jié)186名患者，309枚結節(jié)。其中女性138名，男性48名，年齡15～84歲，平均52歲。根據(jù)甲狀腺手術病理結果分為良性結節(jié)和惡性結節(jié)。良性結節(jié)包括良性甲狀腺腫或甲狀腺腺瘤，惡性結節(jié)包括甲狀腺癌。對于一個患者有多個結節(jié)的情況，保留最大的結節(jié)或病理檢查為惡性的結節(jié)納入最后的統(tǒng)計分析[5]。

2．CT檢查方法

采用美國GE light speed 16排螺旋CT機，患者取仰臥位，頸部盡量仰伸，兩肩盡量下垂，掃描范圍從咽部至鎖骨上緣，掃描螺距1．0，層厚3．75cm，層距3．75cm，所有檢查均為平掃加增強，并對平掃及增強圖像進行拆薄及冠狀位、矢狀位重建，對比劑為碘海醇100ml，高壓注射器靜肘部靜脈靜脈團注，注射流率2～3ml/s，延遲50～55秒進行掃描。

3．圖像分析

由2名主治或主治以上影像科診斷醫(yī)師在影像歸檔及通信系統(tǒng)工作終端獨立閱片，對甲狀腺結節(jié)的多發(fā)、性質(zhì)（實性、囊性）、位置、規(guī)則、縱橫比、咬餅征(狹義/廣義)、暈圈、壁結節(jié)、鈣化（微鈣化／粗鈣化）、增強后結節(jié)邊緣（模糊／清晰）、甲狀腺包膜（完整/中斷）、強化均勻度，以2名醫(yī)生得出一致結果為準?？v橫比：前后徑與橫徑的比值。咬餅征：又稱甲狀腺邊緣中斷癥，狹義的"咬餅征"是指瘤體最大徑位于瘤體與甲狀腺交界區(qū)或者甲狀腺外，廣義的“咬餅征”泛指瘤體邊緣與甲狀腺邊緣具有一定的接觸面，接觸面較平直，非杯口狀表現(xiàn)。增強后結節(jié)邊緣：分別測量平掃及增強后病灶邊緣和其對應的正常甲狀腺組織的CT值，比較平掃和增強后兩者差值的絕對值。若增強后差值縮小，定義為增強后邊界模糊，若增強后差值增大，定義為增強后邊界清晰。微鈣化直徑≤2mm ，粗鈣化直徑＞2mm。

4．統(tǒng)計分析方法

統(tǒng)計學分析采用SPSS 20軟件，P＜0．05被認為具有統(tǒng)計學意義。采用多因素回歸檢驗進行甲狀腺CT特征與甲狀腺結節(jié)良惡性的獨立相關性分析（納入所有P＜0．05的因素），并使用Forward方法對變量進行篩選，最終保留對結果有顯著影響的因素，以這些因素建立預測甲狀腺結節(jié)惡性風險預測模型，并以列線圖的形式予以展示。以風險預測模型得到甲狀腺結節(jié)惡性風險概率來預測惡性程度（金標準），建立ROC曲線分析模型的效度。

結 果

圖1 甲狀腺結節(jié)惡性風險的CT預測評分系統(tǒng)。咬餅征：0．無 1．狹義咬餅征2．廣義咬餅征。鈣化：0．無 1．微鈣化 2．粗鈣化。

圖2 甲狀腺結節(jié)惡性程度CT預測的受試者工作特征(ROC)曲線。

圖3 女性，75歲，左側結節(jié)性甲狀腺腫。A．CT軸位平掃示左側瘤體縱橫比1．07（22分），內(nèi)見粗鈣化（7分），平掃瘤體密度稍高于甲狀腺。B．增強掃描示病灶強化，與CT平掃相比，病灶邊界CT變化值36（28～31分之間）。本病例總分57～60分，惡性風險為 0．2 ～ 0．3，小于界值0．372，考慮為良性結節(jié)。

圖4 女性，49歲，右側甲狀腺乳頭狀癌。A．CT軸位平掃示右側甲狀腺正常高密度背景內(nèi)可見低密度病灶，縱橫比1．75（33～44分），微鈣化（20分），甲狀腺輪廓缺損，呈咬餅征（白箭）（34分）。B．增強掃描示病灶邊界CT變化值21（34分）。本病例總分121～131分，惡性風險為0．95～0．99，考慮為惡性結節(jié)。

表1 甲狀腺惡性結節(jié)單因素／多因素分析

病理及良惡性結節(jié)分類 186枚結節(jié)中，良性結節(jié)117枚，其中結節(jié)性甲狀腺腫60枚，甲狀腺腺瘤57例；惡性結節(jié)（甲狀腺癌）69枚。良惡性甲狀腺結節(jié)的CT征象分析結果（表1）：根據(jù)單因素分析結果，甲狀腺結節(jié)規(guī)則、咬餅征、鈣化形態(tài)、鈣化多發(fā)、縱橫比、增強后邊緣清晰程度與良惡性結節(jié)顯著相關，其中不規(guī)則結節(jié)、縱橫比增大、咬餅征、細點樣鈣化、單發(fā)／多發(fā)鈣化、增強后結節(jié)邊緣清晰程度均會增加惡性的風險。多因素分析結果顯示咬餅征、鈣化形態(tài)、縱橫比、增強后結節(jié)邊緣清晰程度是惡性甲狀腺結節(jié)的獨立預測因素。有咬餅征會增加惡性的風險，其中狹義咬餅征惡性的風險更高；細點樣鈣化會增加惡性的風險；縱橫比越大，惡性的風險越高；增強后邊緣清晰程度越高，惡性的風險越低。

根據(jù)咬餅征、鈣化形態(tài)、縱橫比、增強后結節(jié)邊緣清晰程度四個因素建立甲狀腺結節(jié)惡性風險預測模型，根據(jù)各項因素的權重進行評分，其中咬餅征共34分：狹義咬餅征34分，廣義咬餅征21分；鈣化共20分：微鈣化20分，粗鈣化7分；縱橫比共100分：縱橫比越大分值越高；增強前后結節(jié)邊緣共40分：差值越大分值越小?？偡?60分，分別對應不同的百分比，根據(jù)四項相加總分對應的百分比估計惡性風險（圖1）。以此風險預測模型得到惡性風險概率來預測按病理結果得到的良惡性結節(jié)（金標準），其中曲線下面積（AUC）為0．828，P＜0．001，預測風險概率的界值為0．372，其預測的敏感性為71．0%，特異性為83．8%，準確度79%（圖2）。

討 論

隨著CT檢查技術的普及，甲狀腺意外結節(jié)的發(fā)現(xiàn)率日趨增高。為了提高臨床診斷效率，減少患者重復檢查率，亟需建立可信的甲狀腺結節(jié)惡性程度的CT評估方法。本研究以病理診斷作為甲狀腺結節(jié)良惡性的金標準，根據(jù)咬餅征、鈣化形態(tài)、縱橫比、增強后邊緣清晰程度四項與甲狀腺惡性結節(jié)獨立相關因素，建立定量化的甲狀腺結節(jié)惡性風險CT預測模型。

本模型優(yōu)勢在于甲狀腺惡性結節(jié)存在多種特異性征象，使用多因素分析模型可以彌補單一因素診斷的缺陷。臨床中由于軟組織分辨率低，CT對微鈣化的識別率不如超聲，容易漏診，但是使用多因素模型后仍可通過其他征象對甲狀腺結節(jié)的惡性程度進行評估。其次，本系統(tǒng)簡易客觀的量化評分方法便于臨床應用，影像醫(yī)生根據(jù)客觀分值對特異性征象評分，判斷甲狀腺結節(jié)的惡性風險，而非僅提供模凌兩可的描述性結論（圖3，4）。

本預測模型AUC高達0．828，并且敏感度和特異度均較高，其中敏感性為71．0%，特異性為83．8%，預測準確度79%，模型對甲狀腺惡性結節(jié)的預測風險概率界值0．372，即預測惡性的風險概率若大于37．2%則可考慮診斷為惡性。與以往研究結果一致[4，6-7]，本研究結果提示咬餅征，微鈣化，縱橫比和增強后結節(jié)邊緣清晰程度與甲狀腺惡性結節(jié)獨立相關。然而以往主要使用單因素回顧性研究的分析方法，如僅根據(jù)微鈣化診斷甲狀腺乳頭狀癌的特異度較高 91．5% ～ 94%，但是敏感度僅 14．5 ～ 18．7%[4，8-9]。單因素研究存在多種混雜因素，診斷過程中難以僅憑單因素結果對甲狀腺結節(jié)的良惡性進行評估。因此，目前的研究趨向采用不同CT征象的聯(lián)合應用，提高甲狀腺惡性結節(jié)診斷的特異度，減少誤診的發(fā)生[8，10]。然而，這類研究的評估方法僅是多征象排列組合，并沒有進行多因素分析，也未反映這些重要CT征象在甲狀腺結節(jié)惡性風險評估中的不同權重。因此這些研究的特異度雖高達96．6%～100%，但敏感度僅19%～59．4%[4，10]。且隨著聯(lián)合應用的征象增多，敏感度逐漸下降，四種征象聯(lián)合使用診斷的敏感度僅約9%[8]。近期有研究通過多因素分析篩選出有價值的CT征象并應用ROC曲線評價聯(lián)合多種CT征象鑒別良惡性甲狀腺結節(jié)的效度，結果顯示上述方法診斷惡性結節(jié)的敏感度和特異度約為90%和89%[11]，但是該研究均僅評價了聯(lián)合CT征象的診斷價值，并未明確如何將多種CT特異性征象的聯(lián)合評估方法應用于臨床實踐。

與以往研究相比，本研究根據(jù)CT特異性征象在甲狀腺惡性結節(jié)診斷中的權重，建立定量化的評分標準，具有較高的準確度，臨床應用簡便有效。本研究選取的四項特征咬餅征、鈣化形態(tài)、縱橫比、增強后結節(jié)邊緣清晰程度是甲狀腺惡性結節(jié)的獨立相關因素。咬餅征是診斷甲狀腺惡性結節(jié)的重要CT征象，病理基礎是甲狀腺包膜的累及及破壞[12]，包括狹義咬餅征和廣義咬餅征，前者特異度更高，后者敏感度更高。在本模型中，咬餅征的OR值最高，狹義咬餅征OR值為14．973，廣義咬餅征的OR值也高達5．39。因此，狹義咬餅征的分值高于廣義咬餅征。鈣化常用于甲狀腺結節(jié)的超聲診斷，其中微鈣化對甲狀腺惡性結節(jié)的診斷具有重要的價值[13]，本研究中微鈣化與甲狀腺惡性結節(jié)獨立相關（P＜0．001），OR值為4．988。有研究顯示鈣化形態(tài)與甲狀腺結節(jié)類型密切相關，弧形和環(huán)形鈣化是甲狀腺腺瘤的特征性表現(xiàn)[7]，然而此類鈣化均為粗大鈣化，因此本研究僅選取鈣化大小作為評價依據(jù)。增強后結節(jié)邊緣清晰程度與結節(jié)甲狀腺交界區(qū)血供有關，增強后邊緣模糊與血供豐富、結節(jié)浸潤性生長有關，是惡性結節(jié)的征象之一。本研究發(fā)現(xiàn)增強前后結節(jié)和正常甲狀腺組織差值增大與結節(jié)惡性程度相關，并且隨著差值增大，評分增加。

本研究的局限性主要為回顧性研究存在的偏倚。因此，今后需要進行前瞻性雙盲的病例對照研究，并將CT預測模型與超聲的TIRADS評分系統(tǒng)進行比較，建立更為可信并且與超聲TIRADS評分系統(tǒng)匹配的CT預測評分系統(tǒng)。

總之，甲狀腺結節(jié)惡性風險的CT預測模型可以對多種與甲狀腺惡性結節(jié)獨立相關的因素進行量化評分，不僅便于臨床使用，而且能夠有效提高CT診斷甲狀腺結節(jié)惡性風險的敏感度和特異度，減少漏診誤診。