对比增强超声Bosniak分类:评分者内与评分者间一致性、混杂特征及诊断效能
该单中心回顾性研究纳入103例复杂肾囊性肿块,由3名专家和3名新手放射科医师依据2020年EFSUMB对比增强超声Bosniak分类独立评估。Bosniak分类的评分者间一致性为实质性(Gwet's AC 0.75),结节变异可解释84%的分类差异,各评分者AUC为0.78–0.90。
要点
- Bosniak分类评分者间一致性为实质性(Gwet's AC 0.75),专家高于新手(0.85 vs. 0.77,p=0.04)。
- 结节有无及边缘(无 vs. 钝缘 vs. 锐缘)是Bosniak分类差异的最主要预测因素,可解释84%的总变异。
- 对比增强超声Bosniak分类诊断恶性复杂肾囊性肿块AUC为0.78–0.90,专家AUC高于新手。
核心结论
- 对比增强超声Bosniak分类在复杂肾囊性肿块评估中表现出实质性评分者内与评分者间可重复性及良好的恶性预测诊断效能。
- 结节变异(无 vs. 钝缘 vs. 锐缘)显著预测Bosniak分类归属的差异。
研究设计与样本
- 单中心回顾性研究,纳入2013年1月至2023年8月间103例患者共103个复杂肾囊性肿块(平均年龄50±15岁,66例男性)。
- 由3名腹部超声经验超过5年的专家和3名经验少于2年的新手共6名放射科医师独立评估,两次评估间隔1个月并随机化患者顺序。
- 参考标准为病理确认(活检或切除)及形态学、肿块大小和结节体积评估,稳定至少2年确认良性。
关键影像表现/征象
- 对比增强超声Bosniak分类评估的特征包括:内部回声内容(B模式下可见而对比增强超声不可见的内部回声或碎屑)、钙化(分隔或壁的钙化及是否妨碍评估)、分隔(增强分隔的数量、厚度和规则性)、壁(增强壁的厚度和规则性)、结节(内部实性增强的有无、大小及边缘钝锐)。
- 对比增强超声对分隔数量的评分者间一致性为实质性,而CT/MRI仅为一般可靠性,归因于对比增强超声更高的对比分辨率和分隔增强的优异显示。
- 囊壁与分隔交界处常见轻微增厚,不同评分者解读不一,原文未找到标准化指南。
诊断标准与关键数值
- Bosniak分类评分者内一致性为实质性至几乎完美(Gwet's AC 0.73–0.87),评分者间为实质性(Gwet's AC 0.75,95%CI 0.70–0.80)。
- 详细超声特征评分者间一致性为中等至几乎完美(Gwet's AC 0.44–0.94),壁厚度一致性最低(专家0.60,新手0.40),回声内容最高(专家0.95,新手0.91)。
- 结节变异在未调整模型中解释54%变异(p<0.001),在调整模型中解释84%总变异(p<0.001),检验效能98.8%。
- 各评分者诊断恶性复杂肾囊性肿块的AUC为0.78–0.90,专家AUC为0.89、0.89、0.90,新手为0.78、0.80、0.80,专家优于新手(所有专家-新手配对p<0.05)。
- 专家组Bosniak IIF、III、IV的恶性率分别为14.3%、14.3%、6.9%(专家1),51.9%、51.6%、58.6%(专家2),92.1%、94.3%、91.9%(专家3);新手组Bosniak IIF恶性率为22.2%、28.1%、26.1%(新手1、2、3)。
临床应用与阅片要点
- EFSUMB推荐对比增强超声应由达到至少能力等级1的放射科医师执行,新手在进行肾脏对比增强超声检查前需接受专门培训。
- 评估不规则性尤其当缺乏厚分隔或厚壁时需格外谨慎,原文观察到仅基于不规则性归为Bosniak III的病例恶性率波动较大(25%、10%、55.6%、33.3%、44.4%、16.7%)。
- 对比增强超声的高敏感性可能导致较CT/MRI升级,尤其在Bosniak III,原文提醒需谨慎。
- 新手将病理恶性病例归为Bosniak IIF时,平均囊肿尺寸小于整个队列(2.8 cm vs. 4.9 cm,p<0.001),较小尺寸可能导致新手对细节观察缺乏信心。
局限性
- 研究为回顾性且单中心,限制其准确代表复杂肾囊性肿块真实世界分布的能力,需跨不同地区的额外研究验证对比增强超声Bosniak分类的临床价值。
- 未比较对比增强超声与其他影像方式在评分者间一致性或诊断效能方面的差异,研究重点为评估对比增强超声Bosniak分类的临床实用性以确定其是否适合补充CT提高恶性评估准确性而非替代CT。
全文中译16 节 · 点击展开
引言
囊性肾肿块(CRMs)非常普遍,估计在70岁以上人群中的发生率为55% [1]。当囊肿具有以下任何特征时:囊肿内有分隔、钙化、壁增厚、强化和/或软组织成分,即被认为是复杂性CRM [2–4]。与绝大多数为良性的单纯性CRM [5]不同,复杂性囊肿占CRMs的8–15%,其汇总恶性率为24% [6, 7]。由于复杂程度不同,这些肿块具有不同的恶性风险和不同的管理策略,因此评估复杂性CRMs的恶性潜能至关重要 [3]。
为了对复杂性CRMs的恶性风险进行分层,Bosniak分类系统被开发出来,并此后在临床实践中被广泛采用 [2, 8, 9]。尽管Bosniak分类最初是为CT提出的,但其分类标准已成功应用于超声造影(CEUS)的研究和临床环境中 [10–17]。根据既往研究 [12, 18, 19],在应用相同的Bosniak标准时,CEUS比CT/MRI更可能为CRMs提供更高的分类,这是由于其能够显示非常薄的分隔和小突起。因此,为了增强CEUS更准确评估CRMs的能力,欧洲超声医学与生物学联合会(EFSUMB)的专家对Bosniak分类系统进行了改编以用于CEUS。这一改编被称为CEUS Bosniak分类 [4]。在这一改编的分类中,CRMs根据超声特征被分为五个类别(I、II、IIF、III和IV),这些特征包括回声内容物、钙化、分隔强化、壁厚度和突起。少数既往研究 [14, 15, 20] 表明,CEUS Bosniak分类表现出中等的评估者间一致性、中等至几乎完美的评估者内一致性,以及与病理结果的良好相关性。然而,这些研究仅关注Bosniak类别,忽略了详细的影像学特征。此外,此前尚未研究哪些超声特征与CEUS Bosniak分类的评估者间变异性相关。
因此,本研究的主要目的是探讨与CEUS Bosniak类别分配相关的每个详细特征的分类一致性,并识别与CEUS Bosniak类别分配中评估者间分歧相关的特征。此外,我们探讨CEUS Bosniak分类在识别复杂性CRMs中恶性肿瘤的诊断性能。
材料与方法
这项单中心回顾性研究经我院机构审查委员会批准。由于回顾性研究的性质,书面知情同意被豁免。六名放射科医师在评估CRMs时遵循了《可靠性与一致性研究报告指南》[21]。《流行病学观察性研究强化报告指南》适用于我们的研究 [22]。
研究设计
为评估复杂肾囊性病变(CRM)分类中图像判读的可重复性,招募六名放射科医师(三名具有5年以上腹部超声(US)经验,三名腹部US经验<2年)作为评估者。为评估对比增强超声(CEUS)Bosniak分类的可重复性,比较所有评估者的图像分析结果,以确定各详细特征和Bosniak分类的评估者内和评估者间一致性。为进一步修改Bosniak分类以提高评估者间一致性提供指导,对特征评分和Bosniak分类归属进行研究,以识别可预测评估者间不一致的特征。此外,我们探讨了CEUS Bosniak分类在不同评估者中检测恶性复杂CRM的诊断效能。
患者
研究样本由2013年1月至2023年8月基于US和横断面成像(CT或MRI)诊断为复杂CRM的患者组成。纳入标准为:(a)所有患者均接受CEUS检查和横断面成像,间隔不超过6个月;(b)CRM按照CT/MRI [2]和CEUS [4]的Bosniak分类进行诊断;(c)CRM在CEUS检查后6个月内有病理报告,或有至少2年随访;(d)年龄超过18岁。排除标准为:(a)单纯性肾囊肿,无任何分隔、壁增厚、钙化、回声内容物或内部实性增强;(b)图像质量差且显示严重受限;(c)多囊肾病;(d)增强组织>25%的肾脏病变。增强组织超过25%的CRM被排除,因为它可能是伴有坏死的侵袭性实性肾肿块,而不被视为囊性病变[2, 23]。纳入患者的流程图见图1。
US和CEUS方案
所有CRM最初均行B型超声(BUS)扫描。对于具有一个以上CRM的患者,我们选择最复杂的肿块作为目标病变。定位目标观察部位后,给予造影剂(SonoVue)。获取并存储图像以供后续分析。我们成像方案的更多细节见附录E1。
BUS和CEUS图像的判读
根据CEUS Bosniak分类,与Bosniak分类相关的详细特征为:(1)回声内容物:是否存在内部回声内容物或碎屑,其在BUS上可见但在CEUS上不可见;(2)钙化:分隔或壁是否存在钙化,以及钙化是否可能妨碍CRM的评估;(3)分隔:增强分隔的数量、厚度和规则性;(4)壁:增强壁的厚度和规则性;(5)结节:是否存在内部实性增强,以及其大小和边缘(边缘钝或边缘锐)。
遵循CEUS Bosniak分类,我们定义了BUS Bosniak分类,其包括回声内容物、钙化、分隔、壁和结节等特征,无论这些特征是否显示增强。除非另有说明,下文提及的特征均为CEUS Bosniak分类中所述的特征。
图像评估分两次进行。第一次评估记录以下特征:(1)常规超声(BUS):回声内容物、钙化、分隔、壁及内部实性组织;(2)超声造影(CEUS):分隔、壁及结节的增强。第二次评估记录:(1)BUS:回声内容物、钙化;(2)CEUS:分隔、壁及结节的增强。为尽量减少回忆偏倚,两次评估之间设置1个月的间隔,并随机化患者顺序。评估前,向所有评估者提供CEUS Bosniak分类(图S1.a)、分类评级思维导图(图S1.b),并进行1小时的培训,包含若干典型图像示例(图2)。六名评估者独立评估所有影像学特征,并对复杂CRMs进行Bosniak分类,评估时对组织病理学结果及其他评估者的评估结果设盲。
诊断参考标准
CRMs的诊断,无论恶性或良性,均基于病理学确认(活检或切除),以及形态学、肿块大小和结节体积的评估。具体而言,这些特征的任何变化均确认恶性CRMs的诊断,而其在至少两年内保持稳定则确认良性CRMs的诊断[13]。
统计分析
影像学特征评分和Bosniak分类赋值的分布由评估者以数字形式呈现。计算Gwet一致性系数(Gwet's AC)以评估所有评估者内部及评估者间的一致性,因为它是非平衡数据集的优良选择,且对基于患病率的kappa悖论(如Kappa统计量差但一致性高的情况)敏感性降低[24, 25]。一致性程度根据Landis和Koch制定的量表进行解读(系数值:< 0,一致性差;0–0.20,轻微一致;0.21–0.40,一般一致;0.41–0.60,中等一致;0.61–0.80,高度一致;0.81–1.00,几乎完全一致)[26]。
对每个特征计算离散指数,即评估者赋值标准差与潜在值范围的比值。随后采用单变量和多变量线性回归建立模型,展示详细影像学特征的离散度如何影响Bosniak分类赋值的变异性。在识别出可能对可靠性产生不利影响的特征后,可进行潜在改进以增强CEUS Bosniak分类系统的临床适用性。计算Spearman秩相关(ρ)以量化每个特征对Bosniak分类的影响。事后效能分析使用线性模型的固定样本量(n = 103)和固定效应量(f 2 = 0.15)进行。
每位评估者对恶性CRMs的诊断性能使用受试者工作特征曲线下面积(AUC)以及准确率、灵敏度、特异度、阳性预测值(PPV)和阴性预测值(NPV)进行评估。不同评估者之间以及BUS与CEUS Bosniak分类之间的诊断性能使用DeLong检验进行比较。
p值 < 0.05 被认为具有统计学显著性。分析使用 R 软件(版本 4.3.2)和 SPSS(版本 26)进行。
结果
患者人口学特征
在 1871 例接受肾脏超声造影(CEUS)的患者中,103 例患者(平均年龄 50 岁 ± 15 岁(标准差);其中 66 例为男性)共 103 个肿块被纳入研究(图 1)。在 103 个复杂囊性肾肿块(CRM)中,51.5%(53/103)为恶性,48.5%(50/103)为良性。恶性肿瘤主要包括透明细胞肾细胞癌(ccRCC)(n = 41/53,77.4%)和乳头状肾细胞癌(pRCC)(n = 8/53,15.1%)。更多详情见表 1。
超声特征评估
经过两轮评估,6 名评估者(3 名专家评估者、3 名新手评估者)完成了 1236 次评估,对所有复杂 CRM 进行评分。评估者对详细特征的评分分布见表 S1 和表 S2。
评估者内一致性
表 S3 展示了 6 名评估者在两轮评估中对复杂 CRM 各特征的评估者内一致性。Bosniak 分类具有实质性至几乎完美的一致性(Gwet's AC 范围,0.73–0.87),详细影像特征具有中等至几乎完美的一致性(Gwet's AC 范围,0.60–0.91)。
评估者间一致性
关于 Bosniak 分类赋值(表 2),所有评估者之间的评估者间一致性为实质性(Gwet 一致性系数,0.75;95%CI,0.70 至 0.80),专家评估者的一致性高于新手评估者(Gwet's AC,分别为 0.85 对 0.77,p = 0.04)。关于超声特征,评估者间一致性范围为中等至几乎完美(Gwet's AC 范围,0.44–0.94)。专家评估者在评估分隔厚度(Gwet's AC,0.82 对 0.73)、壁厚度(Gwet's AC,0.60 对 0.40)和分隔/壁质量(Gwet's AC,0.74 对 0.54)方面显示出优于新手评估者的一致性(所有 p < 0.05)。对于专家和新手评估者而言,影像特征一致性最低的均为壁厚度(Gwet's AC:专家 0.60,新手 0.40),最高的均为回声内容物(Gwet's AC:专家 0.95,新手 0.91)。
混淆矩阵展示了任意两名评估者之间在 Bosniak 分类赋值上的相关性(图 3 和表 S4)。一个明显的趋势是,任意两名评估者之间的一致性随 Bosniak 评分升高而增加。任意两名评估者之间关于超声特征的评估者间一致性见表 S5 至表 S12。
混杂特征
混杂特征是指那些对 CEUS Bosniak 分类的评估者间一致性产生负面影响的特征。进行了单变量和多变量线性回归分析,以通过影像特征分歧预测 Bosniak 分类赋值的离散度,结果见表 3。结节(即,无 vs. 钝缘 vs. 锐缘)在未调整模型(p < 0.001,解释 54%)和调整模型(p < 0.001,解释总变异 84%)中均占最大变异性。检验效能为 98.8%,表明我们的样本量足以识别混杂特征。
图4展示了以结节离散度(可解释54%)为自变量的Bosniak分类赋值的单变量线性回归。结果显示,结节的方差是Bosniak分类赋值方差的强预测因子。其他特征的线性回归见补充图S2,提示这些特征不能作为评分者间变异性的预测因子(所有p > 0.05)。
CEUS Bosniak分类的诊断效能
CEUS Bosniak分类显示出良好的诊断效能,六名评分者的AUC范围为0.78至0.90(图5和表4)。专家的AUC优于新手(专家AUC:0.89、0.89、0.90 vs. 新手AUC:0.78、0.80、0.80;所有专家-新手配对中p < 0.05)(表4和表S13)。各评分者对每个特征的诊断性能见补充表S14和图S3。
图6提供了桑基图,用以说明各评分者的Bosniak分类赋值与最终诊断之间的关联。存在一种趋势,即囊性肾肿物(CRM)的Bosniak评分越高,恶性可能性越大(每名评分者p < 0.001;表S15)。
相对于BUS Bosniak分类,CEUS Bosniak分类更可能导致降级分类,从而获得更好的诊断性能(图S4和表S16)。
讨论
在本研究中,我们评估了详细超声特征的评分者内和评分者间一致性,以及Bosniak分类识别混杂特征并评估预测恶性CRM诊断性能的能力。迄今为止,这是第一项以详细超声特征为重点研究CEUS Bosniak分类可重复性的研究。对于详细超声特征,六名评分者达到了中度至几乎完美的一致性(Gwet's AC范围,0.44至0.94),其中结节(即无结节 vs. 边缘钝 vs. 边缘锐利)是导致评分者间变异性的主要因素。对于Bosniak分类,六名评分者在预测恶性CRM方面达到了高度一致性(Gwet's AC = 0.75)和良好的诊断性能(AUC范围,0.78至0.90)。
无论评估者经验如何,评估者之间在评估CRMs恶性潜能时的评分者间变异性应降至最低。评分者之间的高度一致性可保证检查的准确性,从而防止过度治疗或治疗不足[27, 28]。在我们的研究中,Bosniak分类的评分者间一致性在所有评分者中为显著一致(Gwet's AC = 0.75)。我们研究中专家评分者的评分者间一致性(Gwet's AC = 0.85)与Münch等人[19]已发表的结果相似,后者报告kappa = 0.90的可靠性几乎完美。此外,Münch等人[20]的研究和我们的研究均表明,专家的评分者间一致性优于新手。专家的优越性表明经验在CEUS检查中的重要作用,这也是EFSUMB建议CEUS应由至少具有能力水平1的放射科医生进行的原因[4]。因此,新手在进行肾脏CEUS检查前接受专门培训至关重要。
关于详细超声特征的可重复性,成像特征一致性最高的是高回声内容物(Gwet's AC = 0.94),最弱(但仍为中等一致性)的是分隔或壁质量(Gwet's AC = 0.44)。同样,2022年发表的一项关于CT/MRI的研究也强调了成分一致性[29]。该研究报告成分一致性最高的是钙化(Gwet's AC = 0.94),最低的是分隔/壁厚度、分隔数量和分隔/壁质量(Gwet's AC分别为0.51、0.55和0.64)。分隔或壁质量表现出最低的评分者内和评分者间一致性并不令人意外。在定量分析的背景下,3 mm与4 mm之间的差异极小,但测量偏差不可避免。此类偏差可显著影响分类,≤ 3 mm可能被归类为Bosniak IIF或更低,3–4 mm为Bosniak III,≥ 4 mm为Bosniak IV [4]。此外,我们的观察发现,囊肿壁与分隔交界处经常发生轻度增厚。这种细微增厚会受到不同评分者的不同解读,而我们尚未发现任何文献就此问题提供标准化指南。或许这代表了未来研究的一个潜在方向。在我们的研究中,分别有4、10、9、9、18和12人仅基于不规则性被专家评分者1、专家评分者2、专家评分者3、新手评分者1、新手评分者2和新手评分者3分配至Bosniak III。恶性率分别为1/4(25%)、1/10(10%)、5/9(55.6%)、3/9(33.3%)、8/18(44.4%)和2/12(16.7%),其中我们可以看到很大的波动。这表明评估不规则性,尤其是在没有厚分隔或壁的情况下,需要格外谨慎。值得注意的是,CEUS对分隔数量显示出显著一致性,而CT/MRI仅表现出中等可靠性。这一差异可解释为CEUS具有更高的对比分辨率,其对分隔强化的显像优于断层成像[18, 30]。我们需要谨慎的是,CEUS的高灵敏度可能导致与CT/MRI相比的分期上调,尤其是在Bosniak III中[12]。
未来对Bosniak分类系统的修订应以实证证据为指导。我们的研究提供了此类见解,揭示了结节方面的分歧是分配Bosniak类别变异性的唯一多变量预测因素。结节评估涉及确定结节的存在或缺失,以及识别结节具有钝角还是锐角边缘。尽管超声造影(CEUS)Bosniak分类通过定量测量来定义影像特征,但其应用仍可能具有挑战性,任何分歧都可能导致不同的Bosniak类别。例如,具有≥ 4 mm结节且边缘为钝角的囊性肾肿块(CRM)或具有锐角边缘的结节被归类为Bosniak IV,而具有< 4 mm结节且边缘为钝角的病灶被归类为Bosniak III或更低 [2, 4]。当难以识别微小结节的边缘时,Bosniak类别的分配可能受到影响。可能需要进一步的精细调整以在不影响预测准确性的情况下提高评估者间一致性。
在我们的研究中,CEUS Bosniak分类在各评估者中均显示出良好的诊断性能(AUC范围,0.78–0.90)。专家组中Bosniak IIF(专家1,14.3%;专家2,14.3%;专家3,6.9%)、III(专家1,51.9%;专家2,51.6%;专家3,58.6%)和IV(专家1,92.1%;专家2,94.3%;专家3,91.9%)的恶性率与文献报道相似,而新手组中Bosniak IIF的恶性率(新手1,22.2%;新手2,28.1%;新手3,26.1%)高于已报道的水平 [7, 24, 31]。对于被新手分类为Bosniak IIF但病理学上为恶性的患者,其平均囊肿尺寸小于整个患者队列(2.8 cm vs. 4.9 cm,p < 0.001)。较小的尺寸可能导致新手评估者对细节观察缺乏信心,从而可能导致从Bosniak III/IV误分类为Bosniak IIF。
本研究存在若干局限性。首先,该研究为回顾性研究且在单中心进行,这限制了其准确代表CRM真实世界分布的能力。因此,需要在不同地区开展更多研究以验证CEUS Bosniak分类的临床价值。此外,我们未在评估者间一致性或诊断有效性方面比较CEUS与其他影像模态。我们研究的主要重点是评估CEUS Bosniak分类的临床实用性,以确定其是否适合作为CT的补充以提高恶性评估的准确性,而非作为CT的替代。
总之,CEUS Bosniak分类在评估CRM时对Bosniak类别和详细超声特征显示出中等至几乎完美的一致性。结节方面的分歧(即,缺失 vs. 伴钝角边缘 vs. 伴锐角边缘)显著预测了Bosniak类别分配的变异。此外,CEUS Bosniak分类实现了可接受的诊断性能。因此,CEUS Bosniak被证明是对CRM进行恶性风险分层的准确工具,提供了令人满意的可重复性和诊断效率。
补充信息
电子补充材料
引用
- Jin DD, Zhuang BW, Lin K, et al. Contrast-enhanced US Bosniak Classification: intra- and inter-rater agreement, confounding features, and diagnostic performance. Insights Imaging. 2024. PMID: 39614021. doi:10.1186/s13244-024-01858-7
- 全文:PMC11607359(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11607359/
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。