我们在2018年11月至2019年10月的研究中前瞻性地招募了患者。所有患者术前均行乳腺灰度超声检查。所有病变均在术后检查以确定其病理类型。本前瞻性单中心研究已获湘雅第三医院机构审查委员会批准。所有患者均获得知情同意。gydF4y2Ba

纳入标准:17-70岁需手术的乳腺肿瘤患者。排除标准为术前接受过新辅助化疗或内分泌治疗史、经核心针活检或乳房穿刺系统穿刺的病灶、乳房假体装备、超声图像显示病灶不清、不愿意参加研究。gydF4y2Ba

所有图像均使用RS80A超声系统(三星麦迪森有限公司)获得，该系统具有5-13兆赫带宽(8.4兆赫中心频率)线性换能器。所有超声检查均由具有5年经验的独立放射科医生进行。交叉平面法在超声系统中存储2张典型的肿瘤纵、横平面图像;在四平面方法中，通过围绕质心旋转探头45度获得另外2个交叉平面图像。gydF4y2Ba

我们的CAD系统S-Detect使用内置在RS80A超声设备中的集成人工神经网络分类器提取特征。仪器的灵敏度被设置为默认值。为了测试CAD标记与同一图像的再现性，我们随机选择20/512(3.9%)个检查，并将其通过CAD系统3次;结果表明，所有图像的标记都是一致的。gydF4y2Ba

在S-Detect中，光标放置在已识别的病变中心，超声系统沿肿块边缘自动绘制感兴趣的区域。如果认为肿瘤任何区域的边界不准确，则手动编辑边界以达到最佳适应度。根据BI-RADS词典分析病变的超声图像特征，并由超声系统自动进行最终分类。在S-Detect系统中，最终的评估分类分为“可能良性”和“可能恶性”两种结果。gydF4y2Ba

根据BI-RADS的第五版，放射科医生将病变从3类分类到5类。BI-RADS第4类进一步细分为4A、4B和4C类。类别3被认为可能是良性的(恶性可能性<2%)，类别4A、4B和4C的怀疑程度从低到高(恶性可能性分别为2%-10%、10%-50%和50%-95%)。5类表示恶性肿瘤发生率高(>恶性肿瘤的可能性为95%)。乳腺超声表现的恶性征象包括形状不规则、方向反平行、边缘无边界、微钙化、声晕、后方阴影、周围组织异常等。无明确恶性征象的病变归为3类;恶性征象为1、2、3的病变分别被分为4A、4B、4C类;恶性征象超过4种的归为5类。据此，3、4A类病变为良性，4B、4C、5类病变为恶性[gydF4y2Ba 11gydF4y2Ba，gydF4y2Ba 12gydF4y2Ba］．gydF4y2Ba

为了评估超声与CAD系统的结合，我们采用交叉平面法获取了肿瘤的纵向和横向平面图像用于CAD。如果一个平面表示“可能是恶性”，则结果被认为是阳性，BI-RADS类别诊断增加1级(即3到4A, 4A到4B, 4B到4C, 4C到5)。如果两个平面都表示“可能是良性”，则结果被认为是阴性，BI-RADS类别诊断降低1级(即5到4C, 4C到4B, 4B到4A, 4A到3)[gydF4y2Ba 13gydF4y2Ba］．对于四平面法，如果任何2个平面表示“可能恶性”，则结果被认为是阳性，BI-RADS类别诊断提高1级。如果所有4个平面都显示“可能是良性的”，则结果被认为是阴性，BI-RADS类别诊断降低1级。gydF4y2Ba

该研究包括2名读者:一位有1年超声经验的新手读者和一位有5年超声经验的资深读者。两名读者都接受了20张不属于研究集的超声图像(来自512次检查)的阅读程序训练，其中10张没有使用CAD(无-CAD模式)进行阅读。读者分别用交叉平面法和四平面法对另外10幅图像在组合cad模式下进行评估;读者在不使用CAD的情况下先阅读超声图像，然后机械地结合CAD标记的指示来做出最终决定。gydF4y2Ba

两名读者在每种阅读模式下独立进行每项检查，对患者的任何信息(包括年龄、症状表现和以前的放射报告)一无所知。读者被要求每天阅读至少2小时，以模拟此类考试中典型的批量阅读过程(gydF4y2Ba 图1gydF4y2Ba)．gydF4y2Ba

采用SPSS 19.0软件(IBM Corporation)进行统计评价。以病理结果为金标准，分析无cad模式和联合cad模式(四面法)的诊断敏感性、特异性和受试者工作特征曲线(ROC)下面积。确诊性诊断是指在病理基础上作出的诊断。采用McNemar检验对配对数据进行敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)和准确性的比较，比较联合cad模式和无cad模式的诊断参数。我们使用Hanley和McNeil方法来分析auc对之间的差异。采用四平面法记录每个肿瘤的恶性平面数，根据病理结果绘制ROC曲线，以最大约登指数确定截断值。采用kappa统计方法分析无cad模式下的经验读者与组合cad模式下的新手读者的一致性程度。kappa值的判定标准为不良≤0.2，一般0.21 ~ 0.4，中等0.41 ~ 0.6，良好0.61 ~ 0.8，完美0.81-1 [gydF4y2Ba 14gydF4y2Ba］．对于上述所有测试，gydF4y2Ba PgydF4y2Ba<。05was considered to indicate statistical significance.

患者的人口统计和病变特征总结在gydF4y2Ba 表1gydF4y2Ba．本研究共纳入331例患者，共512个病灶。患者平均年龄为43.88岁，范围17-70岁(SD 12.10)。病灶直径0.26 ~ 9.50 cm，平均1.85 (SD 1.19)。在512例乳腺病变中，恶性病变200/512例(39.1%)，良性病变312/512例(61.9%)。所有病灶平均大小相似，均接近2cm;良性病变最小(1.82 cm)，恶性病变最大(2.28 cm)。gydF4y2Ba

CAD的诊断性能和新手和有经验的读者在与病理诊断的比较中描述gydF4y2Ba 表2gydF4y2Ba．gydF4y2Ba

对CAD系统和读卡器性能的统计评估显示在gydF4y2Ba 表2gydF4y2Ba．对于CAD，交叉平面法与四平面法之间的AUC显著提高(gydF4y2Ba ZgydF4y2Ba= 4.42,gydF4y2Ba PgydF4y2Ba<措施)。基于约登指数0.68，四平面法的正平面截断值为2.5。考虑到乳腺癌多表现侵袭性特征，且预后较差[gydF4y2Ba 15gydF4y2Ba]，我们将阈值设置为4张图像的任意2个正平面。gydF4y2Ba

对于初学者来说，无cad模式与四平面法联合cad模式的auc改善显著(gydF4y2Ba ZgydF4y2Ba= 5.55,gydF4y2Ba PgydF4y2Ba<措施)。然而，对于有经验的读者，无cad模式和联合cad模式的auc没有显著差异(gydF4y2Ba ZgydF4y2Ba= 1.44,gydF4y2Ba PgydF4y2Ba=含量;gydF4y2Ba 表3gydF4y2Ba，gydF4y2Ba 图2gydF4y2Ba)．无cad模式下有经验的读者与组合cad模式下的新手读者的一致性kappa为0.63。gydF4y2Ba

当使用BI-RADS类别4A阈值时，与CAD交叉平面法相比，特异性显著提高(gydF4y2Ba PgydF4y2Ba<.001)， PPV (gydF4y2Ba PgydF4y2Ba=.01)，准确度(gydF4y2Ba PgydF4y2Ba=.03)为四平面法;NPV无显著性差异，敏感性降低。与无cad模式相比，两种阅读器在联合cad模式下的灵敏度、NPV和准确度均有所提高(gydF4y2Ba 表3gydF4y2Ba)．其中，两种阅读模式下，新读者(gydF4y2Ba PgydF4y2Ba=.004)和有经验的读者(gydF4y2Ba PgydF4y2Ba=.045)，而只有新手读者的准确性显著提高。此外，在特异性、PPV或NPV方面，两种阅读器的模式之间没有显著差异。gydF4y2Ba

与没有CAD的模式相比，结合CAD模式的诊断决策的变化在新手读者中比有经验的读者中更常见(115/512,22.5% vs 70/512, 13.7%;gydF4y2Ba PgydF4y2Ba= .09点)。新手读者和有经验读者从4A类正确升级到4B类恶性病变的比例相似(44/115,38% vs 27/70, 39%;gydF4y2Ba PgydF4y2Ba= .88点)。但新手读者正确将良性病变从4B类降级为4A类的比例高于有经验读者，差异极接近统计学意义(37/115,32% vs 10/70, 14%;gydF4y2Ba PgydF4y2Ba= . 05)。两个阅读器错误地将恶性病变从4B类降级到4A类的比例相似(6/ 115,5% vs 5/ 70,7%)。此外，新手读者良性病变升级错误的比例低于经验丰富的读者(28/115,24% vs 28/70, 40%)。中提供了2个阅读器的管理决策变化gydF4y2Ba 表4gydF4y2Ba．gydF4y2Ba

有经验的读者和新手读者在结合cad模式下的一致性kappa略高于无cad模式(0.63 vs 0.57)。这些结果在gydF4y2Ba 表5gydF4y2Ba．gydF4y2Ba

在我们的研究中，四平面法CAD的auc明显高于交叉平面法CAD的auc (gydF4y2Ba PgydF4y2Ba<措施);即使我们选择任意2个恶性平面作为阈值，四平面法的AUC仍然高于交叉平面法(gydF4y2Ba PgydF4y2Ba<措施)。灵敏度，准确性和AUC提高了新手和有经验的读者使用组合cad模式与四平面方法。此外，与无cad模式相比，组合cad模式下的新手读者和无cad模式下的有经验读者的一致性水平从一般提高到良好。gydF4y2Ba

蔡等[gydF4y2Ba 10gydF4y2Ba]最近报道，使用CAD系统结合S-Detect，有经验和没有经验的读者的特异性和AUC都有所提高;此外，没有经验的读者的敏感度显著提高。虽然在Choi的研究中，阅读器的诊断性能有所提高，但阅读器联合CAD检测乳腺癌的敏感性并不令人满意(分别为66.7%和75.0%)。这些结果可能是因为恶性病变的比例过低(6%);此外，该研究中的数据来自少量患者。所有这些因素都可能导致假阴性结果增加。根据我们之前的研究[gydF4y2Ba 16gydF4y2Ba]，灵敏度高是S-Detect交叉面法的显著特点;这与先前发表的一些研究相似，其中超声CAD系统的灵敏度很高(在88.9%至100%之间)[gydF4y2Ba 17gydF4y2Ba，gydF4y2Ba 18gydF4y2Ba］．gydF4y2Ba

众所周知，诊断表现的高敏感性会导致不必要的乳房活检和增加患者负担的医疗费用;因此，我们开发了四平面方法来解决这个问题。四平面法CAD对新手读者的敏感性(60.0% ~ 79.0%)和特异性(84.9% ~ 87.8%)均有提高;此外，有经验的读者的特异性没有统计学意义上的显著变化(93.0%至87.2%)，而敏感性显著提高(76.0%至87.0%)。这表明，四平面CAD方法可以提高读者，特别是经验不足的读者报告结果的敏感性和特异性。gydF4y2Ba

在我们的研究中，四平面法CAD的特异性、准确性和AUC均高于交叉平面法，但四平面法的灵敏度略低。这可能是因为四平面方法是基于交叉平面方法;因此，四平面法中的4个平面中有2个与交叉平面法中的平面相同。此外，四平面法中用于最终CAD评估的二分类的阈值设置为4个正平面中的任意2个;但是，交叉平面法的阈值设置为2个正平面中的任意1个。这可能导致了四平面法与交叉平面法相比特异性的增加和敏感性的降低。gydF4y2Ba

当读者和CAD之间的评估在4A和4B类存在差异时，使用CAD对缺乏经验的读者进行正确调整的比例高于有经验的读者(81/115,70% vs 37/70, 53%)。这表明，经验较少的读者从CAD系统中获得了更多的好处;这与将CAD与四平面方法相结合可以提高缺乏经验的读者的灵敏度、特异性和准确性有关，而四平面方法与有经验的读者之间的准确性相似(83.8% vs 86.3%)。对于四平面法CAD，经验读卡器和新手读卡器的一致性较好。因此，使用四平面方法的CAD辅助不仅可以提高诊断性能，而且还可以预期在提供第二意见方面发挥更重要的作用，特别是对于经验不足的读者。因此，该系统可以减少经验不足的读者的误诊，减少读者解读的可变性，克服经验不足的影响。这些CAD和超声结合在诊断性能上的改进可以降低不同经验水平的读者对乳腺癌的误诊和漏诊率。gydF4y2Ba

一些报道描述了将不同类型的CAD应用于乳腺超声[gydF4y2Ba 6gydF4y2Ba，gydF4y2Ba 19gydF4y2Ba-gydF4y2Ba 21gydF4y2Ba］．这些研究都报道了CAD系统提高了乳腺超声诊断性能，特别是特异性和准确性。沈等[gydF4y2Ba 20.gydF4y2Ba]认为CAD系统可以帮助评估模糊4类病变。王等[gydF4y2Ba 21gydF4y2Ba]提示，结合CAD对无经验的阅读者比有经验的阅读者更有帮助，无经验组的诊断性能有更大的改善。Kim的研究涉及两名分别有7年和19年工作经验的放射科医生;这两个读者都可以说是经验丰富的，所以他们的假阳性率较低，假阴性率相对较高。此外，手术比例仅为27.6%，核心针活检比例为61.5%，这可能也影响了结果。回顾性分析仅由1名具有7年超声经验的放射科医生进行。在Wang的研究中，CAD系统相对较旧，8个阅读器之间的体验不同，这可能导致了假阴性和假阳性率的增加。因此，上述研究结果表明，传统的CAD方法不足以平衡敏感性和特异性，有效减少假阴性或假阳性结果。在我们的研究中，两个阅读器的灵敏度、NPV和准确性都有所提高;这支持了S-Detect可以可靠地提供读者可以引用的第二个视图的想法。虽然CAD方法与以前的研究不完全相同[gydF4y2Ba 17gydF4y2Ba，gydF4y2Ba 18gydF4y2Ba]，高灵敏度与特异性相平衡是四平面方法的显著优势。相反，在我们的研究中良性病变的比例较低(gydF4y2Ba 表1gydF4y2Ba)，病变平均大小较大;此外，所有患者均以乳房肿块为突出症状，这可能导致结果与Wu等的研究结果存在差异[gydF4y2Ba 22gydF4y2Ba］．根据BI-RADS标准[gydF4y2Ba 23gydF4y2Ba]，我们将类别4细分为类别4A、类别4B、类别4C，并在灰度超声中将阈值设置为类别4A;因此特异性高，敏感性相对较低。此外，S-Detect以可能良性和可能恶性的二分形式提供最终评估;我们认为这些因素也会影响读出器与CAD结合的诊断能力。gydF4y2Ba

我们的研究结果对于读者的日常临床乳腺癌筛查是令人鼓舞的，尽管一些病理亚型的乳腺癌在原位有更好的结果[gydF4y2Ba 24gydF4y2Ba］．然而，乳腺癌仍是一种侵袭性较强的疾病，具有较高的转移率和较差的生存率[gydF4y2Ba 25gydF4y2Ba］．因此，在早期准确发现乳腺癌以降低其死亡率非常重要[gydF4y2Ba 26gydF4y2Ba］．此外，S-Detect是一个简洁和用户友好的程序，集成在超声机;四平面法可在实时超声检查中立即获得更精确的结果，可方便地应用于日常工作(gydF4y2Ba 图3gydF4y2Ba)．然而，如Kim的研究所示，目前不建议单独应用CAD或作为人类阅读器的替代品用于乳腺病变的诊断[gydF4y2Ba 6gydF4y2Ba) (gydF4y2Ba 图4gydF4y2Ba)．然而，我们有理由相信，在不久的将来，这将是可能的。随着技术进步的进一步研究，可以预期开发出一种更复杂的算法，使用多平面评估BI-RADS超声分类。gydF4y2Ba

超声扫描是实时多角度的检测过程;可以从不同的平面观察病变，收集病变内部情况、病变与周围环境的关系、血供模式、患者病史等影像学特征。显然，超声比CAD能获得更多的图像数据和临床信息。结合CAD的四平面方法可以最大限度地客观地提取肿瘤的更多特征;结合读者的专业知识，每种方法的弱点都可以被其他方法的优点所抵消，这可以帮助读者做出更准确的诊断，而不管他们的经验如何。gydF4y2Ba

这项研究有几个局限性。首先，单中心研究的病例数量相对较少。其次，由于S-Detect对微钙化的分析能力有限，目前版本的S-Detect仍未包含钙化的显示[gydF4y2Ba 27gydF4y2Ba］．第三，一些BI-RADS 2、3类大小约1cm且未手术的小结节未纳入本研究，这可能影响了结果。第四步，将CAD病变平面数设为4。可以说，研究更多的飞机会更好。第五，两位读者都是相对缺乏经验的乳房扫描读者。在中国，乳腺成像是一门新兴的专业，与其他影像学专业相比，其工作人员较为年轻。这些因素可能影响了结果。gydF4y2Ba

S-Detect是一种可行的诊断工具，可以提高新手和有经验的读者在四平面方法中的灵敏度、准确性和AUC，同时也提高了新手读者的特异性;因此，在乳腺癌的临床诊断中具有重要的应用价值。gydF4y2Ba