文献速递乳腺乳腺X线

乳腺癌筛查中读片者偏倚对服务与临床的影响:一项回顾性研究

Service and clinical impacts of reader bias in breast cancer screening: a retrospective study.
PubMed 文献 · Br J Radiol · 2024-01-01

该回顾性研究分析苏格兰乳腺筛查服务2015—2020年83 265组钼靶影像的双读一致性,发现第二读片者的意见受第一读片者影响,且影响程度取决于两者相对经验水平。一致性较低会显著增加仲裁者工作量,但未观察到对召回率、癌症检出率或仲裁召回率的不良影响。

要点

  • 第二读片者更可能同意经验比自己丰富的第一读片者,更不可能同意经验比自己少的第一读片者。
  • 读片者一致性每提高0.1,仲裁病例比例降低0.9%。
  • 一致性水平与召回率、癌症检出率、仲裁召回率无显著关联。

核心结论

  • 在乳腺钼靶筛查双读中,第二读片者的意见受第一读片者影响,影响程度取决于读片者的相对经验水平。
  • 经验较少的读片者依赖经验更丰富的读片伙伴,但未观察到对服务结局的不良影响。
  • 允许第二读片者查看第一读片者意见可能有利于新获得资质的读片者,但会减少独立评估,可能降低癌症检出率。

研究设计与样本

  • 回顾性研究,纳入苏格兰东北部乳腺筛查服务2015年8月19日至2020年3月20日的连续常规筛查预约98 829例,最终分析83 265组钼靶影像,涉及11名读片者(81个读片者对)。
  • 每例钼靶由两名读片者按常规筛查实践阅片,第二读片者初始盲读但可选择查看第一读片者的意见;两人意见不一致时由第三读片者仲裁。
  • 采用Cohen's kappa统计量评估读片者间一致性,并分析一致性是否受读片者角色(第一或第二读片者)、读片经验及召回率、癌症检出率、仲裁召回率的影响。
  • 癌症阳性病例定义为常规筛查召回后经活检或手术组织学诊断为恶性(病理活检评分B5及以上或术后病理分类为恶性)。

关键影像表现/征象

  • 读片者作为第一或第二读片者时意见存在差异,读片者C、E、G、H作为第一与第二读片者时的一致性差异有统计学意义(配对t检验P值分别为.024、.039、.006、.005)。
  • 读片者一致性呈正态分布,平均kappa为0.581(标准误0.017),各读片者对的一致性范围为0.21至0.96。
  • 各读片者对的召回率范围为1.4%至7.9%,癌症检出率范围为0至31.1/1000,仲裁召回率范围为0%至100%。

诊断标准与关键数值

  • 读片者一致性采用Cohen's kappa统计量量化,kappa为1表示读片者间完全一致。
  • 读片者一致性随第一读片者经验增加而升高(r=0.330,P=.003),随第二读片者经验增加而降低(r=−0.235,P=.035)。
  • 读片者一致性与经验差(第二读片者经验减第一读片者经验)呈负相关(r=−0.395,P<.001)。
  • 读片者一致性与仲裁病例比例呈负相关(线性回归P<.001),一致性每增加0.1,仲裁病例比例降低0.9%。
  • 一致性为0.8的读片者对相比一致性为0.4的读片者对,每1000例中少送36例至仲裁者。

临床应用与阅片要点

  • 在双读乳腺筛查中,第二读片者查看第一读片者意见会降低独立评估程度,读片者相对经验水平是影响一致性的关键因素。
  • 经验丰富的第一读片者对维持服务结局在可接受标准内起重要作用。
  • 作者建议可将新获得资质的读片者作为非盲第二读片者引入服务,以提供额外学习机会。

局限性

  • 研究仅限于苏格兰东北部一个筛查服务的读片者。
  • 缺乏关于个别读片者能力、历史、行为和地位的详细信息。
  • 由于是回顾性研究,无法确定第二读片者是否选择查看第一读片者的意见。
  • 研究不能排除一致性与患者结局之间存在关联的可能性。
  • 对于阅片量较少的读片者对,结局指标的估计显示较大变异性,且可能存在非线性关联。
全文中译8 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Br J Radiol. 2023 Dec 12;97(1153):120–5. doi: 10.1093/bjr/tqad024

引言

乳腺癌是女性癌症相关死亡的主要原因之一,1 早期发现可显著改善临床结局。2 国际上许多卫生系统已实施乳腺X线摄影筛查项目,包括英国国家卫生服务体系(NHS),以促进早期发现。在英国,50-70岁女性接受数字乳腺X线摄影筛查,每年检查量超过200万次。3

乳腺X线摄影的双重阅片——即由两名阅片者检查乳腺X线摄影以发现可能的癌症征象,意见不一致时由第三名阅片者(仲裁者)裁定——是欧洲标准。4 在美国,单次阅片是常规做法。5 若乳腺X线摄影发现异常,女性会被召回接受进一步评估。2020年的一篇综述得出结论,与单次阅片相比,乳腺筛查中的双重阅片可改善结局。6 与未设盲的阅片者相比,设盲阅片者实现了更高的召回率和癌症检出率。7–10 在双重阅片中加入仲裁可通过降低召回率提高乳腺癌筛查的特异性,而癌症检出率的降低幅度极小。11–14 将设盲阅片与仲裁相结合可能提高筛查的阳性预测值;15 然而,现行欧洲指南未对设盲作出推荐。16 英国的报告系统允许第二阅片者揭盲以查看第一阅片者的意见。

了解阅片者偏倚的潜在来源可能提高乳腺筛查服务的效率。第二阅片者选择揭盲自身的能力所产生的影响尚不明确。是否有任何因素影响第二阅片者揭盲自身并随后同意第一阅片者意见的可能性,目前尚不清楚。此外,阅片者之间一致程度偏高或偏低是否会损害筛查服务的结局,目前也不清楚。一致程度低引发了对两名阅片者能力和培训的疑问。相反,一致程度高则提示第二阅片者所增加的价值有限。

本研究旨在确定在英国一个中等规模的双重阅片乳腺筛查服务中影响阅片者一致性的因素。该研究评估了一致性水平、仲裁者工作量与患者结局之间的关系。

方法

现行系统与阅片者培训

苏格兰乳腺筛查服务每3年邀请50-70岁女性进行筛查,71岁及以上女性可申请继续接受乳腺X线摄影。在苏格兰和英国其他地区,乳腺X线摄影由两名阅片医师审阅,并设第三名仲裁者(以解决分歧)来确定是否需要进一步检查。阅片医师从四种召回选项中选择:(1)常规召回:作为常规筛查服务的一部分在3年后召回(未观察到异常);(2)技术召回:因图像质量问题而召回;(3)复查(症状):因女性在乳腺X线摄影时报告可能的乳腺癌症状而乳腺X线摄影视觉正常而召回;(4)需要复查:因乳腺X线摄影上检测到异常(可能的癌症)而召回。第二阅片医师将审阅除技术召回外的所有乳腺X线摄影,并可查看第一阅片医师的评估和身份。如果两名阅片医师意见不一致,仲裁者(至少具有2年经验17)审阅乳腺X线摄影和先前阅片医师的评估以确定最终分类。为补充从筛查规划中获取的临床数据,阅片医师提供了其乳腺X线摄影阅片年限的信息。所有阅片医师均参加多学科团队会议并遵守当地质量保证流程,以满足苏格兰乳腺筛查规划的要求。

样本

通过Grampian数据安全港获取了2015年8月19日至2020年3月20日期间在苏格兰东北部乳腺筛查服务(国民健康服务体系Grampian)连续常规筛查预约(n = 98 829)的回顾性数据。对于标准乳腺X线摄影检查,每侧乳房拍摄两张乳腺X线图像:上下位(头尾位或CC)和侧位(内外斜位或MLO)视图。质量控制检查排除了无阅片医师意见以及无有效阅片医师信息的检查。至少被一名阅片医师分类为“技术召回”和“复查(症状)”的病例被排除在所进行的统计分析之外。最后,整个时间段内阅片量少的阅片医师(<1000)和阅片量少的阅片医师对(<100)均被排除,以减少结局指标估计中的偏倚。阳性癌症病例定义为经常规筛查召回、随后通过活检或手术后的组织学诊断为癌症的病例(病理性活检评分为B5及以上或术后病理分类为恶性)。

伦理批准和数据可用性

本研究按照《赫尔辛基宣言》进行。本研究获得了伦敦—布鲁姆斯伯里研究伦理委员会比例审查小组委员会的伦理批准(20/LO/0563)。此外,本研究获得了公共利益与隐私小组批准(1920-0258)。

本研究使用的原始数据可在获得Grampian数据安全港(https://www.abdn.ac.uk/iahs/facilities/grampian-data-safe-haven.php)相应许可后应要求获取。

统计分析

每对阅片者之间的一致性使用Cohen's kappa统计量进行量化。18 Cohen's kappa校正了偶然一致性的影响。kappa值为1表示阅片者之间完全一致。Kappa值在R 4.2.1版本19中使用“irr”包计算。20对于每对阅片者,计算了召回率(仲裁后)、癌症检出率和仲裁召回率(第三阅片者决定召回病例的比例)。

使用Kolmogorov-Smirnov检验检查kappa值的分布是否符合正态性。对每位阅片者进行配对t检验,比较其作为阅片者1或阅片者2与相同对应搭档合作时的平均kappa值。

使用Pearson相关分析检验一致性程度与阅片者经验之间的关系。计算一致性程度与以下变量之间的Pearson相关系数(r,范围为−1至1,衡量关系的强度和方向):(1)阅片者1的工作年限,(2)阅片者2的工作年限,(3)二者经验差异(阅片者2工作年限减去阅片者1工作年限)。

使用线性回归评估阅片者一致性对仲裁者工作量的影响。自变量为一致性水平,因变量为仲裁病例的比例。

还使用Pearson相关分析检验一致性程度与召回率、癌症检出率和仲裁召回率之间的关系。

所有统计分析均使用R(版本4.2.1)完成。P值<.05被认为具有统计学意义。

结果

图1显示了纳入和排除数据的流程图。共有11位阅片者(81对阅片者组合)对83265例病例(乳腺X线摄影检查组套)进行了评估。阅片者平均工作年限为11年(范围1-20年)。在评估的83265例病例中,3642例(4.4%)被召回,检出712例癌症(每1000例8.6例)。纳入研究的女性年龄范围为50-92岁。

图2显示了每对阅片者的一致性程度、召回率、癌症检出率和仲裁召回率的描述性散点图,分别与阅读、召回或该对阅片者中仲裁者所见病例数(N)作图。每个图大致显示相同的模式,在较低N时范围较大,在较高N时数据点较少(表明较少的阅片者组合阅读了较大的体量)。一致性程度呈正态分布,均值为0.581(标准误0.017)。每对阅片者阅读的病例数范围为118至4573。对于每对阅片者,一致性程度从0.21到0.96不等,召回率从1.4%到7.9%不等,癌症检出率从0到每1000例31.1例不等,仲裁召回率从0%到100%不等。

图3显示了每位阅片者作为第一阅片者(白色柱)或第二阅片者(灰色柱)时的平均一致性程度。阅片者C、E、G和H作为第一或第二阅片者时,一致性程度存在显著差异(配对t检验;PC = .024,PE = .039,PG = .006,PH = .005)。其余阅片者作为第一或第二阅片者时,一致性程度无显著差异(PA = .291,PB = .792,PD = .054,PF = .419,PI = .772,PJ = .873)。阅片者K无法进行配对t检验,因为只有一对配对数据点。

阅片者一致性(agreement)与阅片者1的经验呈正相关(r = 0.330,P = .003),与阅片者2的经验呈负相关(r = −0.235,P = .035)。此外,一致性还与阅片者经验差值(阅片者2减去阅片者1的经验;r = −0.395,P < .001)相关(图4)。这些结果表明,在以下情况下阅片者2更可能与阅片者1保持一致:(1)阅片者1经验丰富;(2)阅片者2经验不足;(3)阅片者2相对于阅片者1经验不足。

一致性与仲裁病例比例呈负相关(线性回归;P < 0.001)。一致性每增加0.1,仲裁病例的百分比降低0.9%。例如,一致性为0.8的阅片者对相比一致性为0.4的阅片者对,每1000例中送交仲裁者的病例少36例。

一致性与召回率(P = .352)、癌症检出率(P = .9999)或仲裁召回率(P = .606)无显著相关。

图1。纳入和排除数据点的流程图。 查看原图 ↗
图2。每个阅片者对的一致性、召回率、癌症检出率和仲裁召回率与该对阅片者所阅读、召回或由仲裁者审阅的病例数的散点图。 查看原图 ↗
图3。每位阅片者作为第一阅片者(白色)和作为第二阅片者(灰色)的平均一致性。误差线代表标准误。x轴方括号内的数字表示配对数据点的数量。星号(*)表示作为第一或第二阅片者时一致性存在显著差异的阅片者(配对t检验P < .05)。阅片者K因仅有一个配对数据点而无法进行配对t检验。 查看原图 ↗
图4。每个阅片者对的一致性与阅片者经验差值(阅片者2减阅片者1的经验年数)的散点图。 查看原图 ↗

讨论

本研究表明,在英国的双阅片乳腺筛查服务中,阅片者之间的一致性取决于他们的相对经验和阅读乳腺X线摄影片的顺序。当第一阅片者比第二阅片者更有经验时,一致性更高;而当第二阅片者比第一阅片者更有经验时,一致性更低。尽管这些结果表明并非完全独立阅片,但未观察到对服务结局的不利影响。因此,经验丰富的阅片者在将服务结局维持在可接受标准范围内发挥着重要作用。

一项2020年的研究检查了100万次乳腺X线摄影检查队列中第一阅片者的表现,得出结论与这些发现一致,即阅片者意见存在显著差异。21一项多中心回顾性研究也证明,对第一阅片者意见不知情的第二阅片者存在非独立报告。15与设盲阅片者相比,非设盲的第二阅片者如果第一阅片者选择召回,则更可能召回。本研究支持并扩展了这些发现,表明第一阅片者对第二阅片者的影响程度取决于他们的相对经验水平。这提示阅片者经验水平可用于服务设计以优化表现。例如,新取得资格的阅片者可作为非设盲的第二阅片者引入服务,为他们提供额外学习机会。

我们研究的主要优势在于连续获取数据来源于苏格兰乳腺筛查服务中心。该服务中心建立完善且完全计算机化,能够直接采集数据。本研究仅限于苏格兰东北部一家筛查服务中心的阅片者。然而,作为苏格兰服务质量管理项目的一部分,该中心的绩效经常受到审查,并被发现符合苏格兰乳腺筛查标准。22 其他局限性包括缺乏关于各个阅片者能力、病史、行为和资历的详细信息。由于这是一项回顾性研究,无法确定第二阅片者是否选择对第一阅片者的意见不设盲。然而,当第二阅片者经验少于第一阅片者时观察到的高度一致性提示,第二阅片者并非独立形成其意见。

此外,本研究不能排除一致性与患者结局之间存在关联的可能性。本研究报告的结局指标估计值显示,对于阅片数量较少的阅片者对,变异性较大。也可能存在非线性关联。此外,本研究未纳入间期癌(IC)数据(筛查周期之间诊断的癌症),因为每个阅片者对的IC数量太少,无法有意义地用于统计分析。

乳腺筛查的未来可能会在临床实践中实施人工智能(AI)系统。让人类阅片者对AI阅片者的意见不设盲可能会影响其意见。AI有潜力支持筛查服务并帮助检出额外癌症。23 然而,最近一项研究显示,不同经验水平的乳腺筛查放射科医师都容易受到错误AI意见的影响,其中经验不足的阅片者受影响最大。24 如同本文所考虑的“人对人”互动一样,如果要充分实现AI的益处,“AI对人”互动也应成为未来研究的主题。

结论

在双阅片乳腺筛查服务中,阅片者经验与其之间的一致性存在明显的关联模式,经验较少的阅片者可能倾向于同意其经验更丰富的阅片伙伴。理解不同经验水平阅片者之间的互动对于优化乳腺筛查服务并确保为经验不足的阅片者提供培训机会至关重要。

引用

  1. de Vries CF, Staff RT, Dymiter JA, et al. Service and clinical impacts of reader bias in breast cancer screening: a retrospective study. Br J Radiol. 2024. PMID: 38263824. doi:10.1093/bjr/tqad024
  2. 全文:PMC11027282(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11027282/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。