临床决策规则结构化整合BI-RADS标准能否减少BI-RADS 4病变的不必要活检:系统综述与Meta分析
该系统综述与Meta分析纳入7项回顾性研究共1877个BI-RADS 4 MRI病变,评估Kaiser评分结构化整合BI-RADS标准避免不必要活检的价值。汇总敏感度94.3%、特异度68.1%,假阴性率6.2%;Fagan列线图显示全部病变、肿块、非肿块病变可在验前概率分别不超过20.3%、25.4%、15.2%时排除乳腺癌;作者结论认为可减少70%不必要活检,但需进一步大规模前瞻性研究。
要点
- Kaiser评分将BI-RADS 4病变的汇总敏感度维持在94.3%,汇总特异度为68.1%,假阴性率6.2%。
- 全部病变验前概率≤20.3%时,Kaiser评分阴性可使验后概率降至2%,符合降级至BI-RADS 3的基准。
- 肿块与非肿块病变的验前概率阈值分别为25.4%与15.2%,非肿块病变更需谨慎解读。
核心结论
- 在MRI评估的BI-RADS 4病变中,应用Kaiser评分结构化整合BI-RADS标准可减少70%的不必要活检,假阴性率为6.2%。
- 乳腺癌可在验前概率不超过20.3%时被排除,肿块为25.4%,非肿块病变为15.2%。
- 作者认为该系统综述与Meta分析支持BI-RADS标准结构化评估的价值,但需进一步大规模、特定场景的前瞻性研究。
研究设计与样本
- 系统综述与Meta分析,遵循PRISMA,检索PubMed截至2024年4月23日,无下限时间限制,并采用前向滚雪球法补充检索。
- 纳入7项回顾性研究,共1877个病变(833个恶性、1044个良性),乳腺癌患病率平均47.3%(范围21%–69%)。
- 所有研究以BI-RADS 4病变的组织病理学为参考标准;6项研究连续纳入患者,1项研究未提供相关信息。
- 采用QUADAS-2评估偏倚风险,患者选择领域3项研究不明确,其余低风险;指数试验领域1项研究未使用预设Kaiser评分阈值但评为低风险;适用性无担忧。
- 采用双变量随机效应模型计算汇总敏感度、特异度及似然比,Fagan列线图评估验前概率阈值,Meta回归探索异质性来源。
关键影像表现/征象
- Kaiser评分阈值大于4通常用于建议活检,评分1–4对应BI-RADS 2/3,5–7对应BI-RADS 4,8–11对应BI-RADS 5。
- 假阴性主要见于直径小于8 mm的小病变,边缘与内部强化评估困难,尤其图像质量低时。
- 非肿块强化缺乏BI-RADS特异性描述词,Kaiser评分中边缘等标准目前仅用于肿块病变,经验不足者应用困难。
诊断标准与关键数值
- 全部病变汇总敏感度94.3%(95%CI 88.9%–97.1%,随机效应模型),汇总特异度68.1%(95%CI 56.6%–77.7%)。
- 肿块病变汇总敏感度94.7%(95%CI 90.1%–97.3%),汇总特异度68.1%(95%CI 53.3%–80.0%)。
- 非肿块病变汇总敏感度91.9%(95%CI 78.5%–97.3%),汇总特异度62.6%(95%CI 44.1%–78.0%)。
- 全部病变汇总阴性似然比0.08(95%CI 0.049–0.128),肿块0.060(95%CI 0.034–0.107),非肿块0.114(95%CI 0.056–0.235)。
- Fagan列线图显示全部病变验前概率20.3%、肿块25.4%、非肿块病变15.2%时,阴性MRI验后概率为2%,符合BI-RADS 3基准。
临床应用与阅片要点
- 对BI-RADS 4病变,Kaiser评分结构化整合BI-RADS标准可提供客观决策规则,减少不必要召回、患者焦虑及进一步影像与活检需求。
- 非肿块强化必须谨慎解读,因BI-RADS缺乏特异性非肿块描述词且Kaiser评分标准主要基于肿块病变。
- 小病变(直径小于8 mm)及图像质量低时边缘与内部强化评估困难,需注意假阴性风险。
- 2022年提出的「默认类别」概念要求诊断标准仅在不存疑时判为阳性,但尚未获实证支持。
局限性
- 可用研究数量少,高异质性(敏感度I²=81.7%,特异度I²=91.6%,p<0.001)限制了汇总估计的临床适用性。
- 曲线类型显著影响Kaiser评分诊断性能,初始强化时间点判定错误可能导致假阴性,纳入研究可能存在此类错误。
- 研究均为回顾性,Kaiser评分的所有潜在获益与危害仍为理论性,需前瞻性研究评估临床应用中的获益与危害及降级后随访间隔。
- 作者指出结果可能低估Kaiser评分结构化整合BI-RADS标准的全部潜力,应谨慎应用。
- 需进一步大规模、特定场景的前瞻性研究讨论假阴性对临床管理和患者结局的影响。
全文中译13 节 · 点击展开
引言
乳腺MRI是乳腺癌诊断中最敏感的工具,常规应用于术前分期、新辅助治疗监测、高危筛查,以及乳腺X线摄影或超声检查结果不明确时的处理[1, 2];由于其高阴性预测值,在此类情况下进行MRI可避免不必要的随访或活检[3–7]。
乳腺MRI通常根据乳腺影像报告和数据系统(BI-RADS)词典进行报告,该词典是全球范围内使用的标准化报告工具,涵盖从检查技术到处理建议的诸多方面。BI-RADS并未提供一种以结构化方式结合诊断标准的临床决策规则[6]。然而,这种缺失使乳腺MRI评估具有挑战性、主观性且依赖经验[8–10]。由于乳腺影像医师被训练为不漏诊癌症,将病灶判为BI-RADS 4并建议活检的阈值较低[11]。
Kaiser评分(KS)是一种由机器学习衍生并经独立验证的决策算法,旨在促进MRI中乳腺病灶的评估[6]。它强制对BI-RADS标准进行结构化和整合性审查,为乳腺MRI评估提供系统化方法。KS于2013年首次提出[12],自2018年起通常被称为“Kaiser评分”[13],是一种组织为三个层次的分类树,纳入五项BI-RADS诊断标准:病灶边缘(包括毛刺征的存在)、强化曲线类型、内部强化模式以及水肿的存在[12, 14]。其余BI-RADS标准未包含额外的诊断信息,因此被排除在决策算法之外。
通过结合各项独立诊断标准,KS赋予一个从1(表示乳腺癌风险最低)到11(表示风险最高)的值。该评分随后可转换为BI-RADS类别:KS 1–4对应BI-RADS 2/3,KS 5–7对应BI-RADS 4,KS 8–11对应BI-RADS 5。通常使用KS阈值大于4来建议活检[13, 15]。
因此,KS方法支持对BI-RADS标准进行结构化整合,以对乳腺MRI病灶的乳腺癌风险进行分层。
支持使用KS降低不必要活检率的经验性证据仍然有限。本系统综述和荟萃分析旨在探讨使用KS对BI-RADS标准进行结构化整合以避免BI-RADS 4病灶不必要活检的附加价值。
方法
研究设计与研究选择的纳入标准
这是一项系统综述和荟萃分析,基于已发表的研究数据,探讨在增强MRI中应用KS时,对MRI可疑病灶进行潜在可避免穿刺活检的比例。研究策略在研究开始前已确定,分析遵循系统综述和荟萃分析首选报告条目(PRISMA)[16]进行。每篇符合条件的文章必须至少提供可提取真阳性(TP)、假阳性(FP)、真阴性(TN)和假阴性(FN)结果的原始数据。必须建立参考标准——无论是组织病理学检查还是至少12个月的影像学随访,将病灶判定为良性或恶性。聚焦KS但不涉及BI-RADS 4病灶且未与组织学进行比较的研究被认为不能代表该研究问题,予以排除。Cloete等人[17]于2018年发表的研究,即使回答了研究问题,也因所有病灶均为良性而被排除。我们还排除了数据不完整的研究、荟萃分析和综述、评论、非英文文章以及其他不相关的研究。
检索策略
由一位读者(G.V.,具有6年以上乳腺影像经验)在PubMed上进行了计算机化查询和文章系统综述。考虑了截至2024年4月23日在线列出的所有文章,无时间下限。检索词为“Kaiser score breast”。对于PubMed,检索字符串为“kaiser”(All Fields) AND (“score”(All Fields) OR “score s”(All Fields) OR “scored”(All Fields) OR “scores”(All Fields) OR “scoring”(All Fields) OR “scorings”(All Fields) AND (“breast”(MeSH Terms) OR “breast”(All Fields) OR “breasts”(All Fields) OR “breast s”(All Fields)。此外,由于该临床决策规则此前被称为“Tree flowchart”,仅在2018年才被命名为“Kaiser score”[13],因此在Google Scholar上扫描了引用2013年最初引入该算法文章[12]的论文,以寻找其他符合条件的研究(“前向滚雪球法”)。
因此,对检索结果的标题和摘要进行了资格审核,并将结果导出至Excel电子表格。获取符合条件研究的全文,并由第二位读者(P.A.T.B.,具有21年乳腺影像经验)进行批判性审阅,分歧通过共识解决。
数据收集与偏倚风险
两位独立读者(G.V.、P.A.T.B)选择符合条件的研究并将数据提取至预定义的Excel电子表格,并根据诊断准确性研究质量评估(QUADAS)-2[18]评估偏倚风险和适用性关注。
提取的数据包括:作者、年份、期刊、论文标题、机构设置、设计(前瞻性和回顾性)、MRI成像指征、参考标准、患者数量、肿块病灶和非肿块病灶数量、良性和恶性病灶数量、MRI场强、MRI供应商、线圈、对比剂、对比剂剂量、读者数量及读者间一致性评估。
进行影像学结果的提取(真阳性、假阳性、真阴性和假阴性)。“阳性”定义为恶性,如果一项研究将高风险病变归类为恶性,为保持一致性,我们将其重新归类为良性。交界性叶状肿瘤即使并非严格恶性,也视为阳性,因为其主要需要手术切除。如果研究涉及多名阅片者,则计算并报告原始数据结果的平均值。由于所有纳入的MRI病变均有活检指征,因此均被视为最终影像学评估BI-RADS 4。如果某项研究结果为离群值,则联系作者以获取补充信息。
QUADAS评估
QUADAS评估由两位阅片者协商一致完成,对每项研究评估四个领域:患者选择、索引试验、参考标准和流程与时机。每个领域均评估偏倚风险,前3个领域还评估适用性关注度[18]。偏倚风险针对研究目的进行评估。偏倚评级如下:存在——该偏倚肯定会改变研究结果或适用性;不存在——无偏倚会改变研究结果或适用性;不明确——信息缺乏,无法确定或排除明确偏倚。
统计分析
所有分析均使用商业软件(STATA/SE 15,StataCorp,MIDAS插件)和开源软件(OpenMeta Analyst 0.1,https://www.brown.edu/public-health/cesh/resources/software)完成。
合并效应量采用联合灵敏度和特异度的双变量随机效应模型计算,并计算汇总受试者工作特征(sROC)曲线。
通过随机效应meta回归探讨异质性来源,研究发表年份、检查指征和技术设置参数对诊断性能指标(灵敏度、特异度和诊断比值比)的影响。计算不一致性I2,并分类为低(<= 25%)、中(<= 50%)或高(<= 75%)。
采用Fagan列线图基于可变的验前概率提供验后概率,以辅助临床决策。p < 0.05视为具有统计学意义。
结果
研究选择流程总结于PRISMA流程图[16](图1)。
七项研究共包含1877个病变(833个恶性和1044个良性),符合数据合成条件。乳腺癌患病率范围为21%[19]至69%[20],平均为47.3%。所有研究的研究设计均为回顾性。六项研究的患者招募为连续性,一项研究[20]无可用信息。所有研究均以BI-RADS 4病变的组织学检查作为参考标准。提取的数据总结于表1。
两项研究[19, 21]涉及一名阅片者,其中一部分病变由第二名阅片者判读以计算kappa一致性;四项研究[20, 22–24]涉及两名阅片者;一项研究[25]涉及三名阅片者。在多阅片者研究中,四项研究[22–25]进行了独立判读,而一项研究[20]采用协商判读。所有研究中阅片者均对组织病理学结果设盲。
除一项研究外[23],所有研究均评估了阅片者间一致性。四项研究[19–21, 24]的Kappa一致性几乎完全一致,而两项研究[22, 25]为中等至一般一致。提取的Kappa值总结于表2。
所有研究均使用专用乳腺线圈并以俯卧位检查患者。五项研究使用了多参数方案,包括T2加权序列、扩散加权成像和动态对比增强成像[20, 21, 23–25]。Woitek等[19]未纳入扩散加权成像,Wengert等[22]根据欧洲乳腺影像学会(EUSOBI)和欧洲乳腺癌专家学会(EUSOMA)推荐[1, 26]使用了多参数方案。研究特异性特征见表2。
QUADAS评估总结于图2。关于患者选择,3项研究[20–22]不清楚,而其他研究偏倚风险低。关于指标测试,一项研究[19]未使用预定义的KS阈值,但与其他研究一样被认为偏倚风险低。纳入研究对研究问题的适用性无担忧。
考虑所有病灶,根据随机效应模型汇总敏感度为94.3%(95%-CI 88.9%–97.1%),根据双变量模型为95%(95%-CI 90.0%–97.0%),范围从80.6%[19]至97.9%[22]。随机效应模型计算的汇总特异度为68.1%(95%-CI 56.6%–77.7%),双变量模型为68.0%(95%-CI 58.0%–77.0%)。特异度范围从46.5%[20]至83.9%[24]。随机效应模型和双变量模型衍生的sROC曲线分别见图3和图4。除一项研究[21]外,所有研究均报告了肿块和非肿块病灶的数量。亚分析纳入的六项研究共包括947个肿块(461个恶性和486个良性)和615个非肿块(269个恶性和346个良性)。提取的肿块和非肿块数据总结于表3。
分析肿块病灶,汇总敏感度为94.7%(95%-CI 90.1%–97.3%)(随机效应模型),范围从86.8%[19]至98.3%[22],而汇总特异度为68.1%(95%-CI 53.3%–80.0%)(随机效应模型),范围从46.8%[20]至88.3%[24](补充图1)。
仅观察非肿块病灶,汇总敏感度为91.9%(95%-CI 78.5%–97.3%)(随机效应模型),范围从66.7%[19]至97.7%[24],而汇总特异度为62.6%(95%-CI 44.1%–78.0%)(随机效应模型),范围从46.3%[20]至87.6%[19](补充图2)。
汇总阴性似然比在所有病灶中为0.08(95%-CI 0.049–0.128),肿块为0.060(95%-CI 0.034–0.107),非肿块为0.114(0.056–0.235)。
汇总阳性似然比在所有病灶中为2.966(95%-CI 2.224–3.956),肿块为3.031(95%-CI 2.074–4.429),非肿块病灶为2.389(95%-CI 1.778–3.211)。
异质性来源
纳入研究之间存在统计学显著(p < 0.001)的高异质性(敏感性I2 = 81.7%,特异性I2 = 91.6%)。
Meta回归分析显示“发表年份”是影响KS诊断性能的因素,尽管这未达到统计学显著性(p = 0.065,见补充图3)。这一发现主要归因于Woitek研究[19]中较低的敏感性。在与作者联系后,我们发现所采用的异质性MRI方案确实经常依赖于简化动态方案,有时仅有两次增强后重复采集,这可能妨碍曲线类型评估。在Meta回归中,检查适应证和技术设置参数均未影响诊断参数(p > 0.05,各项均如此)。
浸润性癌和所有恶性病变中假阴性结果的详细信息
所有研究均提供了漏诊癌症的数量和组织学类型。除一项研究[21]外,所有研究均报告了病变类型。所有假阴性详细信息见表4。
KS排除恶性(浸润性癌和DCIS)的验前概率
为评估KS在BI-RADS 4病变中排除癌症的能力,我们将汇总阴性似然比应用于Fagan列线图(图5)。当验前概率高达20.3%时,应用KS的阴性似然比(0.08)得出的验后概率为2%,允许在满足BI-RADS基准的情况下对病变进行降级。
在肿块中验前概率高达25.4%(LR-0.06)以及在非肿块中高达15.2%(LR-0.114)时,也可达到同样的目标。
讨论
本系统综述和Meta分析表明,在KS框架内对BI-RADS标准进行结构化评估具有显著减少不必要活检的潜力。在10个通过常规检查流程本应进行活检的病变中,使用这种结构化方法可以避免6至8次活检。
BI-RADS词典作为首个标准化报告方法被引入放射学领域,已成为大多数放射学亚专业 established 的组成部分[27, 28]。自其引入以来,众多报告系统效仿其模式,例如用于前列腺的PIRADS[29]。然而,BI-RADS并不像PIRADS那样为阅片者提供临床决策工具。缺乏明确的临床决策规则,诊断是非结构化的、主观的且依赖于放射科医师的经验,这使得MRI报告往往较为困难。
KS 强制进行结构化的 BI-RADS 评估,将诊断性 BI-RADS 特征整合到一个与恶性概率相关的影像表型中。
在 MRI 中区分良性和恶性病变确实具有挑战性,导致 40.2–84.6% 的 BI-RADS 4 或 5 类结果最终为良性 [12, 30]。虽然活检为微创且安全,但其相关费用、人员需求以及对患者的心理影响使得避免假阳性活检成为可取之举 [31]。
我们的分析表明,KS 在评估 BI-RADS 4 类病变方面具有临床优势,合并特异性为 68.1%,同时保持高敏感性,并表明临床决策规则有助于克服主观图像判读困难,实现准确、客观的诊断,且读者间一致性高 [19, 21]。
另一方面,提高特异性以避免不必要的活检可能会降低敏感性,导致漏诊癌症。本研究的总体假阴性率为 6%,超过了 BI-RADS 3 类分类的 2% 基准。然而,当仅考虑漏诊的浸润性癌症时,该比率降至 3.2%。在分析的研究中,MRI 未诊断的大多数癌症为导管原位癌(DCIS)或生物学上侵袭性不强的癌。事实上,MRI 对识别具有临床意义的癌症更为敏感 [32],因此,相对安全地假设降级病变不会改变患者预后,而是导致生物学上意义较小的恶性肿瘤延迟诊断。然而,这一方面需要专门研究,包括随访检查 [25]。
因此,我们使用 Fagan 列线图来阐明 KS 是否可用于排除 BI-RADS 4 类中的恶性,该类别涵盖广泛的恶性可能性范围(从 3% 到 95%)[27]。根据我们的结果,阴性 MRI 可将检验前概率高达 20% 的 BI-RADS 4 类病变降级。其在肿块中的性能升至 25%,而在非肿块病变中降至 15%。这实际上意味着,如果应用 KS,阴性 MRI 可以安全地将分类为 BI-RADS 4a 的肿块和非肿块病变以及 BI-RADS 4b 类中的某些肿块病变降级。因此,非肿块强化必须谨慎解读。MRI BI-RADS 词典缺乏具有诊断特异性的非肿块描述词。KS 应用诸如边缘等标准,而这些标准在当前 BI-RADS 中仅保留用于肿块病变。对 KS 不熟悉的读者因此可能在将这些问题应用于更细微的非肿块强化时遇到困难 [12–14]。在我们分析纳入的四项研究中 [19, 20, 22, 25],假阴性(FN)主要表现为直径小于 8 mm 的小病变。在这些病例中,边缘和病变内部强化评估具有挑战性,尤其是在图像质量较低时 [19, 25, 33, 34]。
两项研究报告了较低的敏感性 [19, 23]。第一项研究 [19] 中较低的敏感性可能与部分使用仅包含两个增强后序列的“简化方案”有关。这确实影响曲线类型评估,导致误判,因为曲线类型是 KS 中第二重要的诊断标准。
在第二项研究[23]中,评估了微钙化在BI-RADS 4类病变的 킨스(KS)评估中的附加价值。假阴性(FN)主要为导管原位癌(DCIS),其诊断率高达90%,主要归因于乳腺X线摄影上的钙化[35, 36]。
BI-RADS和KS中所采用的语义标准容易存在一定程度的主观性,需要对其进行详尽定义[8, 14]。为尽量减少KS评估中的主观性,2022年引入了“默认类别”的概念,即诊断标准只有在无疑义存在时才应被评估为阳性[6]。然而,这一新概念尚未得到经验证据的支持。
本研究存在局限性。可用的研究数量较少,且研究间异质性较高,限制了合并汇总估计值的临床适用性。此外,正如Grippo等人[37]所指出的,KS的诊断性能受曲线类型的显著影响,正确确定初始强化时间点对于避免假阴性至关重要。因此,纳入的研究中可能在正确评估初始时间点方面存在潜在错误。这些要点强调,本研究的结果可能低估了使用KS结构化整合BI-RADS标准的全部潜力,因此应谨慎应用。
在系统综述的文献中,我们注意到了一些研究空白。首先,研究通常涉及BI-RADS 4类MRI病变,而未关注乳腺X线摄影或超声上的病变特征。由于KS并非全自动算法,放射科医生可以结合每个个体情况提出管理建议[6]。正如Thomassin-Naggara等人[38]首次指出的,结合传统影像、临床和MRI特征可以改善病变评估。由于研究为回顾性设计,KS的所有潜在获益和危害仍处于理论层面。可能需要进行前瞻性研究,不仅评估临床应用中的获益和危害,还需确定BI-RADS 4类病变降级后的适当随访间隔。值得注意的是,患者的信任和接受度很重要,且只能在真实临床实践中进行评估。
最终,即使一项诊断试验具有高准确度,其在临床实践中的应用价值才是关键。需要基于临床、传统影像和KS特征进行个体化风险评估,以回答这一问题:“我能否安全地将该患者转至随访而不存在遗漏潜在危及生命疾病的风险?”
总结与结论
总之,本系统综述和荟萃分析支持对BI-RADS标准进行结构化评估的价值。与无决策规则的传统评估相比,该方法可将不必要的活检数量显著减少高达70%。需要进一步开展大规模、特定场景的前瞻性研究,以讨论假阴性结果对临床管理和患者结局的影响。
补充信息
电子补充材料
引用
- Vatteroni G, Dietzel M, Baltzer PAT, et al. Can structured integration of BI-RADS criteria by a clinical decision rule reduce the number of unnecessary biopsies in BI-RADS 4 lesions? A systematic review and meta-analysis. Eur Radiol. 2024. PMID: 39694886. doi:10.1007/s00330-024-11274-6
- 全文:PMC11836227(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11836227/
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。