趙雯婷，徐 杰，魏 杰，楊 曉（通信作者）

（安徽醫(yī)科大學附屬合肥醫(yī)院<合肥市第二人民醫(yī)院>超聲科 安徽 合肥 230011）

甲狀腺結(jié)節(jié)是常見的疾病之一，可發(fā)于任何年齡，近年來，甲狀腺疾病的發(fā)病率逐年上升，這與醫(yī)學影像檢查手段的豐富和更新密不可分。但是限于目前醫(yī)療資源不均衡、診斷水平參差不齊等客觀因素，以及超聲影像易受人為主觀因素影響[1]，導致各醫(yī)院診斷準確率有所差異。人工智能（AIT）是機器基于大數(shù)據(jù)統(tǒng)計，使用深層神經(jīng)網(wǎng)絡(luò)不斷學習，更新運算來真切地模擬人類反應(yīng)的科學。最近各個廠家廣泛開發(fā)了具有AIT的計算機輔助診斷（CAD）系統(tǒng)，用于自動高效的超聲圖像分析[2]，一些研究報告說CAD系統(tǒng)已被用于評估乳腺癌和肺癌，為超聲醫(yī)師提供診斷建議[3]，但在甲狀腺疾病診斷上仍然在起步階段。其中，S-Detect分析軟件是一項AIT與甲狀腺超聲聯(lián)合應(yīng)用于臨床的CAD技術(shù)，是通過前期大數(shù)據(jù)深度學習及進行算法優(yōu)化，對甲狀腺結(jié)節(jié)作出良惡性的診斷。本文主要針對這一新興分析軟件對甲狀腺結(jié)節(jié)的的診斷價值進行初步探討，報道如下。

1 資料與方法

1.1 一般資料

選取2020年11月—2021年5月合肥市第二人民醫(yī)院收治的甲狀腺結(jié)節(jié)患者60例，共70個結(jié)節(jié)。包括女性44例50個結(jié)節(jié)，男性16例20個結(jié)節(jié)，年齡24～81歲，平均（50.6±12.8）歲，甲狀腺結(jié)節(jié)直徑為3～45 mm，平均（11.6±9.8）mm。

納入標準：①所有患者甲狀腺均接受常規(guī)超聲檢查、S-Decet分析軟件檢測；②甲狀腺結(jié)節(jié)均有手術(shù)的病理、細針穿刺（FNA）病理或兩者至少一項診斷結(jié)果。排除標準：①未進行手術(shù)或者細胞學穿刺無病理結(jié)果者；②凝血功能異常者；③曾做過甲狀腺手術(shù)者；④病理診斷為不確定者。

1.2 方法

使用配備線性高頻探頭L3-12A韓國三星公司的RS80A超聲診斷儀，內(nèi)置S-Detect分析軟件。囑咐患者平臥充分暴露頸部，選取甲狀腺條件，觀察記錄病灶的位置、大小、邊緣、縱橫比、鈣化及血流分布等超聲特征，對結(jié)節(jié)進行診斷。分析軟件：選擇甲狀腺長軸、短軸中病灶顯示最清楚時凍結(jié)圖像，啟動S-Detect模式，勾選出病灶矩形感興趣區(qū)域，自動包絡(luò)識別出病灶邊界后，手動調(diào)整取樣框描繪病灶的邊界，再提交軟件系統(tǒng)分析，得到病灶的深度，大小、成分、回聲強度、方向、邊緣、形狀等超聲特征，同時給出“可能良性”或“可能惡性”的診斷。

1.3 觀察指標

以手術(shù)或FNA的病理結(jié)果為金標準，分析S-Detect軟件診斷甲狀腺結(jié)節(jié)與病理結(jié)果的一致性，計算分析軟件在甲狀腺結(jié)節(jié)的縱切面和橫切面的診斷符合率、靈敏度、特異度。

1.4 統(tǒng)計學方法

應(yīng)用SPSS 20.0統(tǒng)計軟件分析數(shù)據(jù)。計數(shù)資料以頻數(shù)（n）、百分比（%）表示。使用Kappa檢驗對不同切面S-Detect診斷與病理診斷的一致性，得到Kappa系數(shù)：0～0.2是極低一致性；0.2～0.4是一般一致性；0.4～0.6是中度一致性，可接受；0.6～0.8是高度一致性；0.8～1.0是幾乎完全一致。

2 結(jié)果

2.1 甲狀腺結(jié)節(jié)病理診斷結(jié)果

經(jīng)病理證實，60例患者共70個甲狀腺結(jié)節(jié)，其中良性結(jié)節(jié)42個（60.0%），包括濾泡性腺瘤14個，結(jié)節(jié)性甲狀腺腫12個，橋本甲狀腺炎12個，變性的纖維組織4個；惡性結(jié)節(jié)28個（40.0%），包括乳頭狀癌28個。見表1。

表1 甲狀腺結(jié)節(jié)一般資料

2.2 S-Detect分析軟件診斷效能與病理診斷比較

在70個結(jié)節(jié)中，S-Detect（橫切面）與病理結(jié)果對比診斷符合率為74.29%（52/70），S-Detect（縱切面）與病理對比診斷符合率為82.86%（58/70）。以病理結(jié)果作為金標準，S-Detect分析軟件橫切面和縱切面的靈敏度、特異度。見表2。

表2 不同切面 S-Detect 的診斷效能

3 討論

S-Detect作為一種新興CAD系統(tǒng)，通常使用深層神經(jīng)網(wǎng)絡(luò)。這是一種深度學習計算機模式，通常由標準結(jié)構(gòu)堆疊的卷積層組成，通過對不同甲狀腺結(jié)節(jié)二維超聲圖像進行檢測，映射在多個完全連接的卷積層，每個卷積層提取其結(jié)節(jié)圖像特征，最后經(jīng)進行整合提取最優(yōu)特征，并對特征進行分類，從而檢測和學習甲狀腺圖像的特征[4-5]。由此可以在學習帶有現(xiàn)有特征的大量圖像后，自動判斷新圖像中結(jié)節(jié)的良性和惡性[6]。作為一種實時且無創(chuàng)的診斷方法，分析軟件減少超聲醫(yī)師主觀因素的因素，增加客觀技術(shù)指標，幫助低年資醫(yī)師提高識別甲狀腺結(jié)節(jié)的能力[7]。另一方面分析軟件的應(yīng)用可減少超聲醫(yī)生的工作負荷。目前有部分針對S-Detect分析軟件對甲狀腺結(jié)節(jié)診斷的初步探究，通過聯(lián)合TI-RADS分級等進一步提高甲狀腺結(jié)節(jié)診斷效能[8-9]，并對甲狀腺結(jié)節(jié)分類進行進一步的優(yōu)化。

本研究中，采用不同標準切面對甲狀腺結(jié)節(jié)進行S-Detect診斷時，符合率有差異。以病理結(jié)果為金標準，甲狀腺S-Detect縱切面診斷效價高于橫切面。從軟件角度看，可能與前期未進行深度學習中足夠橫縱切面算法訓練有關(guān)，導致軟件中甲狀腺縱切面數(shù)據(jù)質(zhì)量及數(shù)量多于橫切面數(shù)據(jù)及質(zhì)量，導致不同標準切面存在診斷符合率的差異。從解剖角度看，橫切面受頸部血管、氣管及周圍肌肉組織影響[10]，甲狀腺結(jié)節(jié)尤其是靠近甲狀腺被膜時，在軟件自動包絡(luò)識別的甲狀腺結(jié)節(jié)不如縱切面快速準確，需要更多超聲醫(yī)師進行人工手動調(diào)整，加大了診斷過程中主觀因素，可能導致橫切面診斷效能的降低。

本研究發(fā)現(xiàn)，本組病例的診斷符合率為74%～82%，橫切面S-Detect診斷的Kappa值為0.49，一致性一般，縱切面S-Detect診斷的Kappa值為0.66，其一致性中等，對甲狀腺病灶具有一定的診斷價值意義，和之前研究中甲狀腺S-Detect診斷符合價值接近[11]。與乳腺比較，甲狀腺S-Detect的診斷效價要低于乳腺S-Detect的診斷效能，部分研究認為其診斷乳腺病灶的特異度、靈敏度及診斷準確率79.6%～94.6%不等[12-13]，考慮主要原因可能是由于乳腺病灶受周圍組織影響較小，良惡性病變影像之間差異也較大。

S-Detect對甲狀腺結(jié)節(jié)診斷提供更多信息，但在使用過程中也發(fā)現(xiàn)存在部分問題。在軟件自動包絡(luò)邊界方面，感興趣區(qū)邊緣輪廓需要在多次手動調(diào)整，自動提取技術(shù)識別有較低的準確度，反而增加超聲醫(yī)師的工作負擔。在圖像識別特征方面，S-Detect對甲狀腺結(jié)節(jié)的成分、回聲強度、方向的診斷與超聲醫(yī)生診斷相近，但形狀、成分、邊緣等其他參數(shù)與醫(yī)生診斷有差異，同時，甲狀腺結(jié)節(jié)內(nèi)鈣化及血流信號等信息無法識別，這些差異影響了初級醫(yī)師對結(jié)節(jié)判斷進而影響最終診斷。在診斷良惡性結(jié)果方面，目前只提供可能惡性及可能良性的模糊性判斷，S-Detect分析軟件和病理金標準診斷的一致性一般，不能行更為精確的TI-RADS分類診斷，與現(xiàn)有的超聲診斷規(guī)范有一定偏差。

綜上所述，S-Detect分析軟件對甲狀腺病灶具有一定的診斷價值，其中甲狀腺縱切面的診斷符合率高于橫切面，但其診斷一致性一般，在臨床應(yīng)用中仍存在結(jié)節(jié)邊緣識別需要人工調(diào)整、無法識別鈣化及血流信號等局限性，如何更加恰當?shù)亟Y(jié)合使用，更加標準化的S-Detect操作規(guī)范，我們需要更深入的數(shù)據(jù)研究和臨床實踐加以證實。