文献速递乳腺乳腺X线

乳腺密度对英国队列数字筛查乳腺X线摄影敏感度的影响

Breast density effect on the sensitivity of digital screening mammography in a UK cohort.
PubMed 文献 · Eur Radiol · 2024-07-17

该研究基于英国单中心2016至2018年连续3年50–70岁女性筛查队列,采用Volpara软件评估乳腺密度,分析筛查性能。结果显示乳腺X线摄影敏感度随密度升高而降低,从a类的75.0%降至d类的51.3%,间期癌率从1.8/千升至7.9/千,召回率随密度增加而升高。

要点

  • 乳腺X线摄影敏感度随密度类别a至d升高而降低,d类敏感度仅51.3%。
  • 间期癌率在密度类别a至d分别为1.8、3.2、5.7、7.9/千。
  • 召回率随密度增加而升高,年轻亚组假阳性召回问题更突出。

核心结论

  • 筛查性能随乳腺密度增加而显著降低,最密类别的间期癌率是脂肪型乳房的四倍。
  • 假阳性是年轻亚组(无既往检查)的突出问题。
  • 作者认为应考虑对d类密度女性提供 supplemental imaging。

研究设计与样本

  • 回顾性连续3年队列,来自英国单中心,纳入2016年1月1日至2018年12月31日50–70岁女性筛查数据。
  • 最终分析纳入49,948次筛查检查,包括409例筛查检出癌、205例间期癌和49,336例正常。
  • 采用Philips L30扫描仪(约98%)和少量GE机器行全视野数字乳腺X线摄影,每次乳房取CC和MLO位。
  • 乳腺密度采用Volpara软件(v.3.2.0)评估,按Volpara密度等级a–d分组。
  • 参考标准为组织病理学确诊癌症,正常病例以国家癌症登记处记录为准。

诊断标准与关键数值

  • 筛查敏感度定义为筛查检出癌除以筛查检出癌与间期癌之和。
  • 密度a类敏感度75.0%(与b类比较p=0.839),b类73.5%,c类59.8%(p=0.001),d类51.3%(p<0.001)。
  • 间期癌率a类1.8/千(p=0.039)、b类3.2/千、c类5.7/千(p<0.001)、d类7.9/千(p<0.001)。
  • 召回率b类4.5%,c类5.5%(p<0.001),d类5.3%(p=0.023),a类3.0%(p<0.001)。
  • VBD作为间期癌二分类器:全队列AUC 64.2(CI 60.5–67.9),最优阈值6.85(CI 4.65–9.85),敏感度63.6%、特异度59.4%。

临床应用与阅片要点

  • 阅片时应关注乳腺密度对敏感度的影响,d类密度敏感度仅51.3%,间期癌率7.9/千。
  • 年轻亚组(≤60岁)d类密度敏感度最低为48.1%,且召回率显著高于年长组。
  • 作者认为应考虑对d类密度女性提供 supplemental imaging。

局限性

  • 本研究在英国单中心进行,仅使用一种密度工具。
  • 软件需要原始乳腺X线数据,许多机构不常规存储原始数据,可能无法用于密度工具。
  • 三联筛查方案中间期癌的定义及纳入敏感度计算存在局限,无法确定所有间期癌是否被识别。
  • 部分女性在筛查正常后下一轮诊断为筛查检出癌,但这些「下一轮」癌症数据未呈现或纳入敏感度/特异度计算。
  • FFDM图像主要来自单一厂商机器,其他厂商机器性能可能不同。
全文中译15 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:Eur Radiol. 2024 Jul 17;35(1):177–87. doi: 10.1007/s00330-024-10951-w

引言

乳腺癌是最常见的癌症形式之一,早期诊断可带来更好的生存率[1]。人群筛查规划旨在及早发现癌症并降低死亡率。英国国家卫生服务体系乳腺筛查规划(NHSBSP)每3年邀请50至70岁女性接受全视野数字乳腺摄影(FFDM)。与许多每2年筛查一次的国家相比,较长的筛查间隔导致更多癌症在正常筛查结果之后被诊断。

乳腺密度很重要,因为它可以掩盖或隐藏小癌症,从而降低乳腺摄影的敏感性——这些癌症通常被视为“漏诊”癌症。与最低密度组织相比,极高密度乳腺组织发生乳腺癌的相对风险增加四倍[2, 3]。乳腺密度可由阅片者使用视觉模拟量表(VAS)测量,按美国放射学会(ACR)乳腺影像报告和数据系统(BI-RADS)图谱第五版四点量表分类[4],或可通过各种自动化工具进行评估。

在本研究中,我们旨在客观评估乳腺密度对筛查性乳腺摄影敏感性和特异性的影响,并使用自动化工具确定各乳腺密度类别中的间期癌(ICs)发生率。次要目的是确定使用体积乳腺密度(VBD)作为二元分类器时的最佳阈值,以在全队列内以及在不同年龄组(50–60岁和61–70岁)内获得最高的间期癌病例判别能力。

材料与方法

数据来自英国的一个单中心,该中心采用四视图乳腺摄影成像方案,对每侧乳腺拍摄头尾位(CC)和内外侧斜位(MLO)视图。依据英国国家卫生服务体系乳腺筛查规划(NHSBSP)指南进行双读仲裁[5]。已获得伦理批准(卫生研究管理局(HRA)研究伦理委员会20/LO/0104、HRA保密咨询组(CAG)20/CAG/0009以及英格兰公共卫生署研究咨询委员会BSPRAC_090),以回顾性收集2011年至2020年期间参加乳腺筛查的女性的数据,未获得个体的明确同意,但个体能够选择退出其数据的使用。

本研究的纳入标准为2016年至2018年间在当地中心作为乳腺癌筛查一部分采集的乳腺摄影图像。若图像无法从当地图像存档和通信系统(PACS)获取或原始DICOM数据不可用,则排除该检查;若女性不在50–70岁常规筛查年龄范围之外,则排除;若女性有乳腺癌乳房切除术史或正在接受年度筛查,则排除;若该检查不是同一女性在该期间内的首次检查,则排除。若自动密度软件无法对其评分,则检查也被排除;若乳腺癌病例不是原发癌,则也被排除。

数据收集

选取2016年1月1日至2018年12月31日为期3年队列的连续乳腺摄影数据,以反映三年筛查周期,该期间原始乳腺摄影数据常规存储于本中心,并提供随访以识别所有 interval cancer(间期癌,ICs)。全视野数字乳腺摄影(FFDM)图像约98%由Philips(Philips Healthcare)L30扫描仪采集,少量由GE(GE HealthCare Technologies Inc.)设备采集。使用国家乳腺筛查服务(NBSS)记录查询系统以获取影像和临床数据。影像数据及相关元数据从本地PACS获取。数据经假名化处理并存储于研究数据库。

所有癌症病例均经组织病理学报告确诊。对于正常(非癌症)病例,ground truth(金标准)取为:在其参加下一轮筛查之前,或若未再次参加则在40个月内,国家癌症登记处未记录癌症诊断。数据收集截至2022年4月,使所有女性的最短随访期为40个月。种族数据(如有)由NBSS和医院记录联合获取。

筛查检查分类为筛查检出癌症(SDC),即筛查时确诊者;或间期癌(IC),即在两次筛查之间且距一次正常筛查40个月内确诊者。若随访期内无癌症诊断,则病例分类为正常。IC病例由NBSS采用多种方法识别,包括通过国家癌症登记处记录的乳腺癌数据,然后由各筛查中心核查。组织病理学(类型、分级和大小)在可获得时也从这些来源获取。所有IC均有症状,无一由其他筛查方法检出。

乳腺密度评估

使用Volpara Imaging Software的密度测量(v.3.2.0,Volpara Health Technologies Ltd)[6]进行乳腺摄影密度自动评估。该软件需要原始、未压缩的乳腺摄影图像,其DICOM头包含曝光参数,以供其基于物理的模型计算每张图像的乳腺体积密度(VBD)百分比。该工具取乳腺水平的最大VBD并转换为该病例的Volpara密度分级(VDG),该分级已校准为与BI-RADS第5版乳腺密度相关(a. 几乎完全脂肪(VBD < 3.5%)b. 散在纤维腺体密度(3.5% ≤ VBD < 7.5%)c. 不均匀致密(7.5% ≤ VBD < 15.5%)d. 极度致密(15.5% ≤ VBD))。该模型已在多项既往研究中得到验证[7–11]。

排除

2016年至2018年间,共有57,877名女性在该中心接受了筛查。最初标记为IC的6例检查因非原发性乳腺癌而被排除。有99例(0.17%)筛查检查无法通过本地PACS获取。另有5028例(9.53%)因超出50-70岁年龄范围而被排除。17例(0.03%)检查无原始数据可用。有乳腺癌个人史且行乳房切除术的女性757例(1.46%)或正在接受年度筛查的93例(0.18%)被剔除。分析中仅使用每位女性在队列内的首次筛查,这导致剩余检查中1176例(2.32%)被排除,因为在实际操作中,3年筛查周期长度可变,可能短于36个月。共有50,701例检查经Volpara软件处理,其中753例(1.51%)无法评分——部分检查出现多重错误,在已给出的错误中,79%归因于乳房植入物的存在,9%为数据采集中的参数问题或DICOM文件头缺失,7%为拼接/扩展视图(每个体位拍摄多张图像以完整覆盖乳房),5%为缺失体位或侧别标记。最终分析基于剩余的49,948例检查(图1)。

图1 STARD(诊断准确性研究报告标准)流程图,描述检查从最终分析中排除的情况 查看原图 ↗

统计分析

在乳腺癌筛查背景下,真阳性病例为SDC,假阳性为召回但在下一次筛查前(或若未再次筛查,则在40个月随访后)未诊断癌症,假阴性为IC,真阴性为未召回的正常检查。在本研究中,我们将筛查灵敏度定义为SDC数量除以筛查检出癌与IC之和。筛查特异度定义为真阴性数量除以真阴性与假阳性之和。阳性预测值(PPV)为SDC数量除以SDC与假阳性之和。

检查按Volpara乳腺密度分级分组,以衡量乳腺密度对筛查性能的影响及队列内密度分布情况。随后将队列按年龄分为两组,即60岁及以下组和60岁以上组,以评估任一组是否受到密度影响的不成比例影响。采用双尾双样本t检验确定各密度类别的SDC率和IC率与最常见/最多数密度类别相比的统计学显著性。同一检验用于比较两个年龄组间相同密度分类的率。

为探究患病(基线)轮次与发病轮次对召回率的影响,将全队列、两个年龄亚组和四个密度亚组按轮次状态进行细分。在每种情况下,采用双尾双样本t检验确定患病轮次检查与发病轮次检查召回率之间的统计学显著性。

VBD,即以连续尺度(0至100%)测量的体积密度,被作为二分类器进行分析,用于识别IC病例——研究其作为一项指标的潜力,用以确定哪些女性可能从加强筛查(补充影像检查或更频繁的筛查)中获益。使用R软件(v. 4.3.0,R Foundation for Statistical Computing)及pROC包[12]计算受试者工作特征(ROC)曲线,以确定ROC曲线下面积(AUC)和最佳操作点/阈值——取图表左上方最近的点,不进行病例加权。我们计算了总体阈值以及各年龄亚组的单独阈值。

结果

密度分布

最终分析共纳入49,948名接受筛查的女性,包括409例SDC、205例IC和49,336例正常者,平均年龄59.0岁(±6.1岁)。总体密度分布为17.3% a、46.4% b、26.6% c和9.7% d,年龄≤60岁和>60岁的女性比例如下:a类分别为15.6%和19.9%;b类分别为43.1%和51.5%;c类分别为28.9%和23.0%;d类分别为12.4%和5.6%。

筛查灵敏度

乳腺X线摄影的3年灵敏度在密度a中最高(75.0%),与b类相比差异无统计学意义(p = 0.839)。然而,与b类相比,c类和d类的灵敏度较差,分别为59.8%(p = 0.001)和51.3%(p < 0.001)。

按密度分层的筛查性能完整 breakdown 见表1,按密度和年龄的进一步 breakdown 见表2。最低灵敏度为48.1%,见于60岁及以下d类密度的女性。脂肪型乳腺女性的SDC率显著低于任何其他类别(p = 0.002),老年女性的SDC率是60岁及以下女性的两倍(p = 0.009)。

表1 2016-2018年英国单一乳腺筛查中心按密度分类的乳腺X线筛查检查次数、乳腺癌病例数、假阳性和真阴性 查看原表 ↗
表2 2016-2018年英国单一乳腺筛查中心按VDG和年龄分类的乳腺X线筛查检查次数、乳腺癌病例数、假阳性和真阴性 查看原表 ↗

间期癌、筛查检出癌和召回率

在分析的205例IC病例中,15.1%(31/205)在阴性筛查后12个月内确诊,34.6%(71/205)在12-24个月之间确诊,50.2%(103/205)在24个月后确诊。IC率从a类的1.8/1000增至d类的7.9/1000,c类中有大量IC(5.7/1000)。c类和d类的IC率与b类相比差异均有统计学意义(两者p < 0.001)。癌症最高发生率((SDC + IC)/1000)见于d类密度,为16.1/1000,密度类别c、b和a分别为14.2、12.2和7.4/1000。

与人数最多的类别 b(4.5%)相比,类别 c 和 d 的召回率显著更高(分别为5.5%(p < 0.001)和5.3%(p = 0.023)),而类别 a 的召回率更低(3.0%(p < 0.001))。按年龄二分后,在密度类别 b(p = 0.006)、c(p = 0.004)和 d(p = 0.043)以及总体(p < 0.001)中,年轻女性的召回率 consistently 且显著更高。流行(基线)与 incident 状态的影响见表3,流行轮次的召回率为8.6%,后续轮次为4.2%(p < 0.001)。尽管这在两个年龄亚组中均有反映,但应注意分析中8.3%的检查来自流行轮次,其中92.5%为年轻队列中的女性。

表3 按筛查轮次状态(“P” = 流行(基线)或“I” = incident)分层的召回率,适用于全队列(i)、年龄亚组(i)和密度亚组(ii) 查看原表 ↗

体积乳腺密度

当使用VBD作为二分类器识别IC病例时,全队列(图2a)的AUC为64.2(CI:60.5–67.9),最佳阈值为6.85(CI:4.65–9.85), corresponding 灵敏度和特异度分别为63.6%和59.4%。该阈值将40.7%(20331/49948)定义为致密。仅年轻亚组(图2b)的AUC为64.7(CI:60.0–69.4),最佳阈值为8.15(CI:6.25–10.35),将35.1%(10538/30029)定义为致密。仅老年亚组(图2c)的AUC为63.4(CI:57.6–69.3),最佳阈值为5.15(4.45–7.15),将52.2%(10397/19919)定义为致密。使用两个亚组的最佳阈值,灵敏度和特异度分别为65.0%和58.2%——合并总计41.9%(20,935/49,948)定义为致密。使用对应于VDG c和d的阈值,各自的灵敏度和特异度分别为55.8%和63.8%(c和d)以及18.4%和90.3%(仅d)。

图2 VBD作为IC二分类器性能的ROC曲线:(a)全队列,(b)60岁及以下亚组,(c)60岁以上亚组。每种情况均显示95%置信区间(彩色区域)和最佳阈值。d显示三条ROC曲线在一起;全队列为蓝色,60岁及以下亚组为绿色,60岁以上亚组为紫色 查看原图 ↗

附加队列数据

仅59.1%的队列记录了族裔信息,其中95.3%被列为“白人——英国”、“白人——爱尔兰”或“白人——任何其他白人背景”。其次代表的族裔为“其他族裔群体——中国人”和“亚洲人或亚洲英国人——任何其他亚洲背景”,各占队列的0.5%。这在补充材料中以表格形式列出。

对于队列内的205例IC病例,按分级、间期和VDG给出了数量、中位大小和大小四分位距(IQR)。该数据可在补充材料中找到。图3显示了一例IC示例病例。

图3 一例间期癌病例示例,显示(a)2017年10月拍摄的筛查FFDM和(b)2020年7月拍摄的诊断性FFDM。患者因120 mm 2级浸润性小叶癌接受了右乳切除术和腋窝清扫。 查看原图 ↗

讨论

本研究表明,乳腺X线摄影的敏感度随着乳腺密度的增加而急剧下降,在乳腺极度致密的人群(占9.7%)中,敏感度仅为51.3%。该结果与荷兰每两年一次的乳腺筛查项目相似,后者报告在8.0%的乳腺极度致密女性中敏感度为61.0% [13]。英国的数据似乎反映了更长的筛查间隔,筛查检出率和间期癌(ICs)发生率均较高,同时筛查敏感度较低。这些来自实行每两年和每三年乳腺筛查项目的不同国家之间的相似发现,提供了证据表明乳腺密度增加与全数字化乳腺X线摄影(FFDM)筛查性能下降相关。

召回率随着乳腺密度的增加而升高,在密度最高的两个类别中非常相似,分别为5.5%和5.3%。假阳性召回对女性有害,会造成短期心理困扰,且对筛查项目而言成本高昂。数字乳腺断层合成(DBT)已被证明可降低BI-RADS c类和d类女性的假阳性召回率 [14],因为它可以减少令人困惑的重叠阴影。

有多种方法可以测量乳腺密度。阅片者评估存在偏倚,且阅片者间变异性显著,尤其是当密度类别处于临界值时 [15–17]。自动化工具具有更好的自身一致性 [18],但将其相互比较时,性能和使用性的变异性仍令人担忧 [7]。本研究仅使用了单一密度测量工具Volpara,但其他研究表明自动化工具之间比较时具有广泛的一致性 [19, 20]。针对特定人群进行校准很重要 [21],而Volpara是一个经过充分验证 [7–11]、广泛使用的工具,已有大量文献报告了该密度测量指标 [22–24]。

密度最高类别中间期癌(ICs)数量的增加值得高度关注。虽然其中许多癌症是在3年筛查间隔期间发生的,但另一些则属于“漏诊”,即在筛查时未被发现。欧洲乳腺影像学会(EUSOBI)于2022年发布了新建议,呼吁告知接受筛查的女性其乳腺密度,并为乳腺极度致密者每2–4年提供一次MRI检查 [25]。荷兰DENSE试验发现,对于经Volpara软件评分为乳腺极度致密的女性,补充MRI与标准筛查相比将间期癌发生率减半 [26]。美国和德国关于在致密乳腺中比较简化MRI与DBT的试验分别显示敏感度为95.7%和39.1%,但MRI的特异度较差 [27]。在英国,BRAID试验正在招募BI-RADS密度c类或d类的筛查女性,并将她们随机分配接受标准筛查或补充影像检查(MRI、自动乳腺超声或对比增强乳腺X线摄影)[28]。荷兰试验中的完整方案MRI仅在每4年一次的间隔下被认为具有成本效益 [29],因此目前计划开展一项对比增强乳腺X线摄影和简化MRI的试验。

如果向最高类别(d)提供一种补充成像形式,那么9.7%的女性将符合条件——其中包括18.6%的IC病例——而如果同时纳入第二高类别(c),则超过三分之一(36.2%)的筛查人群将被邀请接受补充成像,其中包括超过一半(54.4%)的IC。然而,并非所有这些IC都被遗漏,也并非所有都会被补充技术检测到。如此高的符合条件比例可能使补充成像的主张在健康和经济方面面临挑战。或许可以转而界定能够负担补充成像的女性比例,并在此基础上设定密度阈值。

最近已开发出评估乳腺纹理和密度的AI工具,这些工具已被用于预测谁可能在未来2至5年内发展为乳腺癌。例如,Mirai工具被发现其AUC略高于传统风险预测方法如Tyrer-Cuzick [30]。瑞典Karma工具已针对2年风险进行调校,其基于图像的模型以0.73的AUC识别出那些被诊断为乳腺癌高风险女性 [31]。该工具正在ScreenTrust MRI [32]前瞻性干预研究中接受测试。

乳腺密度评估和纹理分析可能有助于识别那些将从补充成像中获益以克服乳腺组成所致掩盖效应的女性,而风险预测则可识别那些将从更高频率筛查中获益的女性。事实上,在每三年筛查一次的队列中,一半的IC病例在其阴性筛查结果后超过24个月才被诊断,改为每两年一次方案将显著减少IC数量。此外,一项加拿大研究 [33] 显示,每两年一次方案同时对致密乳腺女性额外提供每年筛查者,其年化IC率(0.89/1000)优于未提供者(1.45/1000)。

局限性

本研究在英国单一中心进行,仅使用一种密度工具。然而,各工具之间的相似性 [20, 34] 使得一个经过充分评估的单一工具可用于证明乳腺X线摄影在乳腺密度增加时表现不佳。所测试的软件需要原始乳腺X线摄影数据,尽管目前正在开发将其用于呈现图像。原始数据经过厂商和软件特定的后处理以生成“用于呈现”的图像,许多机构并不常规存储,因此可能无法用于密度工具。然而,前瞻性使用该工具问题较小,因为可以进行测量且原始数据不被存储。

在三年度筛查规划中对间期癌(IC)的定义以及将其纳入筛查敏感性计算也存在局限性,因为无法确定是否所有IC均已被识别——例如,部分女性可能在诊断前已移居国外——更重要的是,许多IC很可能在筛查检查时并不存在。另一方面,一些在纳入研究的该轮筛查中获得正常结果且非IC病例的女性,在其下一轮筛查时被诊断为筛查检测到的癌症(SDC)。尽管其中部分癌症可能已存在于纳入研究的那轮筛查中,但这些“下一轮”癌症的数据未被呈现,也未纳入敏感性或特异性计算。

全视野数字乳腺摄影(FFDM)图像主要来自单一厂商的设备。其他制造商设备上的性能可能有所不同,尽管尚未有相关报道。

仅略超过半数的人群收集了族裔信息,但以英国白人为主的人群可能在密度分布和筛查性能结果两方面引入了种族偏倚。

结论

本研究在一个连续筛查队列中显示,经自动化工具测量的乳腺密度增加时,乳腺X线摄影的敏感性和特异性均下降。IC率为7.9/1000,表明相当比例的病例被漏诊,应考虑对d类密度提供补充成像。3年一轮的筛查间隔加剧了这一问题。

补充信息

补充材料

引用

  1. Payne NR, Hickman SE, Black R, et al. Breast density effect on the sensitivity of digital screening mammography in a UK cohort. Eur Radiol. 2024. PMID: 39017933. doi:10.1007/s00330-024-10951-w
  2. 全文:PMC11631811(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11631811/

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。