李 潛，劉春麗，郭蘭偉，韋雅楠，丁思悅

1)鄭州大學(xué)附屬腫瘤醫(yī)院(河南省腫瘤醫(yī)院)超聲科 鄭州 450008 2)鄭州大學(xué)附屬腫瘤醫(yī)院(河南省腫瘤醫(yī)院)腫瘤防治辦公室 鄭州 450008

甲狀腺癌的發(fā)病率呈逐年增加的趨勢[1]；超聲作為甲狀腺檢查的主要方法[2]，在甲狀腺結(jié)節(jié)良惡性的鑒別診斷中發(fā)揮重要作用，但其鑒別能力和超聲醫(yī)師的經(jīng)驗密切相關(guān)[3]，不同檢查者間的診斷存在一定的差異。隨著人工智能技術(shù)的發(fā)展，其在超聲輔助診斷中的應(yīng)用價值逐漸凸顯[4]。本研究對基于深度學(xué)習(xí)的超聲人工智能輔助診斷(S-Detect)技術(shù)在甲狀腺結(jié)節(jié)良惡性鑒別診斷中的臨床應(yīng)用價值進行了評估。

1 對象與方法

1.1研究對象選取2019年10月至2020年5月在河南省腫瘤醫(yī)院診治并有明確病理結(jié)果的甲狀腺結(jié)節(jié)患者183例，其中女126例，男57例，年齡21～67歲，結(jié)節(jié)最大直徑0.5～3.0 cm。183例患者均有手術(shù)病理結(jié)果或穿刺活檢聯(lián)合Braf基因檢測結(jié)果，穿刺結(jié)果陰性及基因突變陰性診斷為良性結(jié)節(jié)。所有病例均行超聲檢查及S-Detect技術(shù)診斷。排除標準：超聲評估前患者進行過穿刺活檢或手術(shù)。

1.2檢查儀器與方法使用三星RS80A超聲診斷儀，L3-12A線陣探頭，頻率3～12 MHz，配備S-Detect分析軟件?；颊呷⊙雠P位，充分暴露頸部，由經(jīng)過規(guī)范操作培訓(xùn)的醫(yī)師行甲狀腺常規(guī)超聲檢查，重點觀察結(jié)節(jié)的成分、回聲、縱橫比、形狀、邊緣等情況，選取能反映病變特征的切面進行圖像儲存，然后使用S-Detect技術(shù)對圖像進行分析，系統(tǒng)自動給出“可能良性”或“可能惡性”的診斷，對病灶的成分、回聲、縱橫比、形狀、邊緣等超聲聲像圖特征分別評估。若多次判斷結(jié)果不一致，以提示可能惡性的結(jié)果為準。

1.3圖像分析圖像分析分為兩個部分。第一部分由2名從事甲狀腺超聲診斷8 a以上的醫(yī)師組成高年資醫(yī)師組，2名入職3 a內(nèi)的住院醫(yī)師組成低年資醫(yī)師組，在不知道S-Detect結(jié)果的情況下通過超聲圖像對結(jié)節(jié)進行良惡性診斷，診斷結(jié)果不一致時經(jīng)過討論得出統(tǒng)一的診斷。第二部分由2組醫(yī)師共同對超聲聲像圖特征進行分析，就結(jié)節(jié)的成分、回聲、縱橫比值、形狀、邊緣等情況分別進行判斷并記錄，判斷S-Detect技術(shù)與超聲醫(yī)師診斷的一致性。判斷標準：按照ACR TI-RADS診斷描述[5]，將囊性或幾乎囊性、海綿狀、囊實混合性視為良性指征(-)，將實性或幾乎完全實性視為可疑惡性指征(+)；將無回聲、等回聲或高回聲視為良性指征(-)，將低回聲或極低回聲視為可疑惡性指征(+)；將平行方位或縱橫比<1視為良性指征(-)，將不平行或縱橫比>1視為可疑惡性指征(+)；將形狀規(guī)則、圓形或卵圓形視為良性指征(-)，將形狀不規(guī)則視為可疑惡性指征(+)；將邊緣明確光滑或模糊視為良性指征(-)，將邊緣分葉、成角視為可疑惡性指征(+)。

1.4統(tǒng)計學(xué)處理采用SPSS 20.0 和SAS 9.4進行數(shù)據(jù)分析，應(yīng)用Kappa檢驗分析超聲醫(yī)師與S-Detect技術(shù)診斷結(jié)果的一致性。檢驗水準α=0.05。

2 結(jié)果

2.1病理結(jié)果183例中惡性病灶115個，包括乳頭狀癌106個、濾泡癌4個、髓樣癌2個、未分化癌3個；良性病灶68個，包括結(jié)節(jié)性甲狀腺腫52個、甲狀腺腺瘤9個、橋本甲狀腺炎7個。

2.2超聲醫(yī)師與S-Detect技術(shù)診斷結(jié)果的比較詳見表1。

表1 183例甲狀腺結(jié)節(jié)超聲醫(yī)師與S-Detect診斷結(jié)果

2.3超聲醫(yī)師與S-Detect對甲狀腺結(jié)節(jié)超聲聲像圖特征的評估結(jié)果見表2。在評估的5個超聲聲像圖特征中，結(jié)節(jié)成分、回聲及縱橫比3個指標超聲醫(yī)師與S-Detect診斷的一致性較好，結(jié)節(jié)形狀及邊緣2個指標超聲醫(yī)師與S-Detect診斷的一致性較差。

表2 183例甲狀腺結(jié)節(jié)超聲特征的S-Detect與超聲醫(yī)師判斷結(jié)果

3 討論

甲狀腺結(jié)節(jié)作為臨床常見疾病，其超聲聲像圖特征具有復(fù)雜性和多樣性，單獨依靠某一特征對甲狀腺結(jié)節(jié)進行良惡性診斷并不可靠[6]。2017年，由美國放射學(xué)會(ACR)制定了甲狀腺TI-RADS診斷標準[5]，根據(jù)甲狀腺結(jié)節(jié)的超聲聲像圖特征，從結(jié)節(jié)的成分、回聲、縱橫比、形狀及邊緣等方面綜合評估，按其惡性風(fēng)險程度分為不同級別，為臨床治療提供了相對客觀的診斷依據(jù)[7]。Li等[8]研究顯示ACR TI-RADS對甲狀腺結(jié)節(jié)危險分層具有良好的敏感性和中度特異性，馮寧霞等[9]研究認為ACR TI-RADS具有良好的風(fēng)險預(yù)測及診斷價值。但由于超聲檢查的實時性和獨立性，其診斷結(jié)果容易受到超聲醫(yī)師主觀因素的影響[10]，且不同醫(yī)師對結(jié)節(jié)的超聲征象判讀方面存在差異[11]，從而影響了TI-RADS分類診斷的一致性。本研究顯示高年資超聲醫(yī)師組和低年資醫(yī)師組對甲狀腺結(jié)節(jié)良惡性診斷的準確率分別為90.16%及75.41%，二者的差異較大。

隨著人工智能技術(shù)的快速發(fā)展，以人工智能大數(shù)據(jù)、深度學(xué)習(xí)為基礎(chǔ)的醫(yī)學(xué)影像診斷技術(shù)越來越多的應(yīng)用于臨床研究[12-13]。本研究使用的S-Detect技術(shù)是利用計算機系統(tǒng)通過卷積神經(jīng)網(wǎng)絡(luò)對大量具有組織學(xué)病理結(jié)果的超聲圖像進行深度學(xué)習(xí)、訓(xùn)練而開發(fā)的一款人工智能輔助診斷軟件，可以對甲狀腺結(jié)節(jié)進行良惡性鑒別診斷，結(jié)果顯示S-Detect技術(shù)對本組數(shù)據(jù)診斷的敏感性、特異性、準確率分別為89.57%、72.06%、83.06%，說明其診斷的敏感性、特異性和準確性雖然不如高年資醫(yī)師，但已經(jīng)高于有初步診斷經(jīng)驗的低年資醫(yī)師，提示使用S-Detect技術(shù)輔助診斷將有助于提高低年資醫(yī)師診斷的準確性。

超聲特征作為超聲診斷的基礎(chǔ)，在甲狀腺結(jié)節(jié)良惡性鑒別診斷中有著重要價值，劉昱含等[14]認為通過對超聲特征的準確判斷，可以提高超聲診斷的準確性。本研究從結(jié)節(jié)的成分、回聲、縱橫比、形狀和邊緣五個方面，將S-Detect分析結(jié)果與超聲醫(yī)師診斷結(jié)果進行對比，分析二者對不同超聲特征診斷的差別。結(jié)果顯示在成分、回聲和縱橫比值這三項指標中，S-Detect技術(shù)和超聲醫(yī)師的診斷一致性較好；但仍有部分結(jié)節(jié)二者的診斷并不一致，特別是在結(jié)節(jié)的回聲特征方面，診斷不一致的病例最多，其中有5例不均勻的低回聲結(jié)節(jié)被S-Detect診斷為等回聲和高回聲，還有4例囊性結(jié)節(jié)被S-Detect診斷為低回聲，究其原因，除了由于S-Detect技術(shù)和超聲醫(yī)師對圖像灰階分辨能力的差異外，圖像質(zhì)量不佳和超聲偽像也是導(dǎo)致S-Detect誤判的重要因素。而在結(jié)節(jié)形狀和邊緣兩項指標中，人工智能技術(shù)和超聲醫(yī)師的診斷一致性較差， S-Detect對部分結(jié)節(jié)形狀和邊緣的識別出現(xiàn)明顯的錯誤，導(dǎo)致了部分形狀規(guī)則、邊緣清晰的結(jié)節(jié)被誤判為形狀不規(guī)則和邊緣呈淺分葉，韓紅等[15]認為這與人工智能應(yīng)用于圖像邊緣分析的演算程序有關(guān)，導(dǎo)致人工智能對結(jié)節(jié)邊緣識別不夠精確，不能準確勾勒出結(jié)節(jié)邊緣的細微結(jié)構(gòu)，從而影響到人工智能的識別。

但本研究也有一定的局限性：①目前S-Detect技術(shù)不能對鈣化進行評估，所以本研究并沒有將鈣化作為診斷的依據(jù)，但鈣化作為重要的惡性指征，有著較高的特異性[16]。②超聲作為甲狀腺結(jié)節(jié)診斷的重要方法，除了有較高的分辨率外，實時動態(tài)的全面掃查有助于臨床診斷，但S-Detect技術(shù)只能對靜態(tài)的超聲圖像進行分析，而同一病變不同切面的超聲特征并不完全一致，診斷結(jié)果會因此受到影響。③彈性成像、超聲造影等超聲新技術(shù)有助于甲狀腺良惡性結(jié)節(jié)的鑒別診斷[17-18]，但目前S-Detect技術(shù)尚不能對這些超聲新技術(shù)進行分析評估。④本研究數(shù)據(jù)量較少，結(jié)果可能會有一定的偏倚誤差，需要多中心大樣本量的研究驗證。

綜上所述，基于深度學(xué)習(xí)模型的S-Detect技術(shù)在甲狀腺結(jié)節(jié)的良惡性鑒別中有著較高診斷價值，在結(jié)節(jié)的成分、回聲和縱橫比方面診斷一致性較高，使用S-Detect技術(shù)輔助診斷將有助于提高低年資醫(yī)師診斷的準確性。