筛查断层合成试验与先进阅片方法(STREAM):一项基于人群的乳腺癌筛查试验的设计与原理
STREAM是一项前瞻性、非随机、平行组、基于人群的试验,旨在评估荷兰乳腺癌筛查项目中数字乳腺断层合成(DBT)筛查的短期、中期和长期效果及可接受性。干预组17,275名女性接受两轮DBT筛查,对照组86,400名女性接受数字乳腺摄影(DM)筛查,主要终点为第二轮DBT组与对照组间隔癌和晚期癌的合并率。
要点
- STREAM试验前瞻性评估DBT在荷兰乳腺癌筛查项目中的效果和可接受性
- 主要终点为第二轮筛查时间隔癌和晚期癌(stage≥II)的合并率
- 将评估四种DBT阅片策略及AI替代一名阅片者的混合双读方案
核心结论
- STREAM试验将确定在优化图像采集和解读策略下,全国性DBT乳腺癌筛查在荷兰的短期、中期和长期结局及成本效益,并确保各利益相关方的可接受性。
研究设计与样本
- 前瞻性、非随机、平行组、基于人群的试验,嵌入荷兰乳腺癌筛查项目。
- 干预组17,275名参与者接受两轮DBT成像,对照组86,400名参与者接受两轮DM筛查。
- DBT采用双视角(CC和MLO)成像,使用Selenia 3Dimensions(Hologic Inc.)系统,图像独立双读,分歧通过仲裁或共识解决。
- 在首轮筛查子集上评估四种阅片策略,并与AI替代一名阅片者联合评估,共八种解读方法。
- 使用MISCAN-Breast模型模拟DBT筛查的长期结局,假设采用表现最佳的阅片方法。
诊断标准与关键数值
- 主要结局指标为第二轮DBT组相较于对照组的间隔癌和晚期癌(stage≥II)合并率。
- 样本量计算基于检测主要结局指标降低1.3/1000,反映与DM合并终点3.6/1000相比36%的差异。
- 间隔癌率定义为首轮筛查后第一、二、三年临床诊断的原位和浸润性癌每1000次筛查数。
- 晚期癌率定义为第二轮筛查召回后诊断的TNM分期II期及以上肿瘤每1000次筛查数。
- AI系统选择标准为AUC在最佳系统0.05以内的所有AI方案进入后续观察者研究。
临床应用与阅片要点
- 首轮召回率预计因更敏感筛查试验的首轮效应、放射科医师学习效应及缺乏既往DBT对比而较高,第二轮召回率将估计DBT筛查的长期召回率。
- 筛查结局将按乳腺密度分层分析,乳腺密度采用Volpara和Quantra自动化方法评估。
- 若在阅片研究环节发现未召回参与者的乳腺癌疑似征象,研究放射科医师将与协调放射科医师商议决定是否召回该女性。
- 第二轮所有DBT检查将使用最佳阅片策略重新解读,以首次双放射科医师评估决定为金标准。
局限性
- 阅片研究环节将在首轮数据收集后开始,此时尚无间隔癌信息,因此AI方案仅基于首轮召回和乳腺癌检出数据评估。
- 第二轮完成后将重新评估AI方案,但在资助期内无法重做阅片策略分析,第二次评估仅用于检查AI预测结果是否存在显著差异。
- 若选择含AI的阅片策略为最优,该策略未考虑AI可能检测到尚未检测到的间隔癌,可能影响正常阅片与最优阅片策略的比较。
- 首轮试验无既往DBT图像可供对比,仅提供既往乳腺X线摄影,因此首轮不能真实反映未来所有既往图像均为DBT的稳态。
- 第二轮将有既往DBT图像可用,能更准确反映未来稳态。
全文中译16 节 · 点击展开
引言
荷兰乳腺癌筛查项目(以下简称该项目)为50至75岁无症状女性提供每两年一次的数字乳腺X线摄影(DM)检查。头尾位(CC)和内外侧斜位(MLO)检查由两名筛查放射科医师独立双读,发现可疑病灶的女性被转诊至医院进行诊断性检查[1]。
2019年,该项目的检出率和召回率分别为每1000名受筛女性6.9例和2.4%,分别处于欧洲最高和最低之列[2, 3]。由于人力问题,筛查间隔在过去几年中有所延长(趋于32个月),从而使2022年的检出率在相同召回率下提高至每1000名7.9例[4]。
然而,DM的二维性质导致了众所周知的局限性[5]。数字乳腺断层合成(DBT)是一种影像学技术,已被开发为DM的潜在替代方案。多项研究得出结论,DBT提高了筛查检出的乳腺癌率,但未观察到对间期癌(IC)率的影响[6, 7]。然而,应当注意,仅有两项使用DBT联合合成乳腺X线摄影(SM)的研究报告了IC率[7]。Houssami等人也强调,他们的结果来源于初次DBT检查的研究,后续检查的结果可能有所不同。
平均而言,欧洲试验中的DBT筛查被发现可将每两年一次筛查的癌症检出率提高至平均每1000名7.2例[7]。由于荷兰项目通过每两年一次DM已几乎达到这一检出率,DBT是否能提高检出尚不清楚。此外,在欧洲,DBT筛查的召回率有升有降,取决于基线DM召回率[8]。因此,荷兰本已较低的召回率在DBT筛查下可能会升高,但升高程度未知。研究DBT在荷兰筛查环境中的效果和可接受性对于预测DBT是否具有成本效益至关重要[9, 10]。
为使荷兰的DBT筛查从经济和人力资源角度可行,必须优化DBT病例的判读,以将阅读时间控制在可接受的范围内[11]。可用于减少阅读时间的选择包括使用MLO视图而不使用CC视图[5]、使用6 mm厚层而非1 mm薄层[12],或使用人工智能辅助导航[13]。此外,用人工智能替代其中一名阅片者也是进一步减轻放射科医师工作量的一个选择[14]。潜在地,这些方法中的一种或多种组合可将DBT阅片需求降至甚至低于目前DM筛查所需的水平。
因此,采用先进阅片方法的筛查断层合成试验(STREAM)的目的是,在采用最佳图像采集和判读策略的情况下,确定荷兰全国性数字乳腺断层合成(DBT)乳腺癌筛查的短期、中期和长期结局及成本效益,并确保其被各利益相关方接受。该研究的短期指标为参与率、患病召回率、检出率和DBT筛查的阳性预测值。中期指标包括在第二轮DBT筛查中检出的晚期癌症(ACs)(分期≥II)、间期癌(IC)率和发病召回率。长期指标为预测的乳腺癌死亡率、过度诊断的癌症数量和成本效益。
方法与分析
卫生、福利和体育部长已授予伦理批准和开展本试验的许可,期限为2023年5月1日至2028年6月1日(注册号:3574709-1044141-PG)。这被视为等同于机构审查委员会的批准。
研究设计
STREAM是一项前瞻性、非随机、平行组、基于人群的试验,嵌套于荷兰筛查规划中。干预组将包括17,275名接受两轮DBT成像的参与者,对照组将包括86,400名接受两轮数字乳腺X线摄影(DM)筛查的参与者,筛查时间与DBT检查大致相同(图1)。
数据收集
人群和招募策略
与荷兰癌症筛查组织(BVO-NL,因其荷兰语名称)合作,根据地理分布、可用性和能力,在荷兰全国选定了三个移动筛查单元和三个固定筛查单元实施DBT筛查。所有年龄在49至72岁之间、且在这些单元之一到期应接受筛查的女性,都将收到参与STREAM试验干预组的邀请。邀请函与筛查邀请一并寄出,并包括信息手册和知情同意书。决定参与试验的女性必须提供书面知情同意。参与者招募于2023年7月开始,并于2024年5月完成。唯一的排除标准是行动依赖轮椅,原因是实际考虑。参与者将在大约两年后再次被邀请参加第二轮DBT筛查。见图1。
对照组的选择将在年龄、地区和筛查间隔方面代表干预组人群,但在不同的单元接受筛查。对于对照组,将收到与干预组相同参数的汇总数据,包括随访数据。在荷兰,当个人接受筛查邀请时,即视为默示同意使用假名化或汇总的癌症筛查数据,除非个人明确选择退出。撤回同意者将不被纳入对照组。
培训
参与STREAM试验的所有放射技师和筛查放射科医生均在招募开始前接受了培训。在荷兰筛查专家中心(LRCB)为筛查放射科医生组织了一天的培训。放射技师参加了由BVO-NL和LRCB组织的在线信息会议,随后由BVO-NL和系统供应商的应用专家进行了培训。
图像采集
在筛查单位,参与者使用该计划目前使用的成像系统(Selenia 3Dimensions,Hologic Inc.)接受双体位数字乳腺断层摄影(DBT)成像(即双侧乳腺的头尾位(CC)和内外斜位(MLO)视图)。
图像判读
除了从采集的投影重建DBT图像外,采集系统还生成四个视图对应的合成乳腺摄影(SM)图像,所有这些图像均提供给判读放射科医生。如有既往筛查检查的数字乳腺摄影(DM)图像,则用于对比。DBT图像采用独立双读,与常规计划中DM图像的判读方式相同[15]。两名放射科医生之间的分歧通过仲裁或共识解决,这也符合当前实践。
参与者的可接受性
DBT检查后,参与者被要求填写一份基于网络或纸质的问卷(根据其偏好),内容关于DBT筛查的可接受性。问题包括接受DBT筛查的体验、与既往DM检查体验的比较(如有)、参加后续DBT筛查的意愿、改进建议、感知的疼痛或不适,以及DBT检查期间经历的焦虑[16](见补充附录A)。在第二轮DBT筛查后,参与者将被要求填写另一份类似的问卷。
此外,参与试验的放射技师和放射科医生被要求在第二轮DBT检查后填写一份问卷。这些问卷包括关于工作流程、采集、感知判读时间、偏好和改进建议的问题(见补充附录B)。
将根据参与者、放射技师和放射科医生在第一轮DBT筛查后问卷中给出的答案,制定行动计划以克服已确定的障碍。在可能的情况下,将为第二轮DBT筛查进行改进。关于改进效果的问题将添加到第二轮DBT筛查后的问卷中。
样本量计算
样本量计算在G*Power(版本3.1.9.4,使用α为0.05、β为0.20、双侧Z检验、对照组/干预组分配比为5)中基于主要结局指标完成;即,与对照组相比,DBT组在第二轮中IC和晚期癌症(AC)发生率之和(复合终点)。我们为本试验设定的把握度是检测主要结局指标每1000例减少1.3,这反映了该复合终点与DM(每1000例3.6)相比36%的差异(更多细节见补充附录C)。这要求第二轮干预组的样本量为17,275次DBT筛查检查。假设95%的再次参加率,这要求第一轮中18,184次DBT筛查检查。对照组样本量为第二轮干预组的五倍,即86,375名接受DM筛查的参与者。同样,假设95%的再次参加率,需要90,693名参与者。出于实际原因,第一轮的样本量被取整为干预组18,200和对照组91,000。
数据分析
统计分析
IC率将定义为在试验第一轮筛查后的第一年、第二年和第三年中,在阴性DBT之后临床诊断(即筛查之外)的癌症数量,包括原位癌和浸润性癌,按每1000次筛查计算(考虑到较长的筛查间隔)。AC率将定义为在试验第二轮筛查中召回后诊断的II期或更高分期肿瘤(TNM分类[17])数量,按每1000次筛查计算。筛查检出癌症(SDC)和IC的数据及其特征(例如分期和分级)将通过链接荷兰癌症登记处和荷兰全国病理数据库获取,适用于干预组和对照组。
次要结局指标包括参与率(即受邀人群中参加DBT或DM筛查的参与者百分比)、召回率(即每1000名筛查女性中因进一步检查被召回的妇女人数)、检出率(即每1000名筛查女性中患有SDC的妇女人数)和阳性预测值(即被召回女性中患有SDC的女性百分比),将分别针对两轮筛查进行计算。第一轮的召回率预计会较高,原因包括更敏感筛查试验的第一轮效应、放射科医生的学习效应以及缺乏既往DBT筛查图像可供比较[18, 19]。第二轮的召回率将估计DBT筛查的长期召回率。检出率将针对浸润性癌和原位癌计算,包括总体以及II期或更高分期癌症。两轮筛查的筛查结局将按乳腺密度分层,乳腺密度由Volpara(Mātakina Technology)和Quantra(Hologic)的自动化方法评估。
两组的筛查结局将采用χ2检验进行比较,以检验比例和率之间的差异,包括总体分析以及按筛查间隔和乳腺密度分层分析。分层分析中样本量较小时将采用Fisher精确检验。将计算95%置信区间以考虑比例和率的变异性。此外,将采用logistic回归分析比较干预组和对照组的结果,计算主要筛查检测指标的相对率及其95%置信区间。DBT筛查中经历的疼痛(0–10分量表)、不适和焦虑评分(4点Likert量表)将与既往DM筛查的经历采用配对t检验进行比较,并与参考人群报告的DM筛查评分采用独立t检验进行比较。p值≤0.05将被认为表示差异具有统计学意义。将在ATLAS.ti中进行定性分析,采用归纳推理方法研究参与者、放射科医师和放射技师对可接受性相关开放性问题的回答。
阅片策略
将使用干预组第一轮的全部数据对多种市售人工智能(AI)软件解决方案进行评估。该软件旨在检测DBT图像中的恶性肿瘤,标记其位置,并给出基于病例和基于病灶的乳腺癌概率评分。经软件供应商同意,软件描述和结果将以匿名方式报告。首先,将使用基于病例的恶性概率构建召回率/癌症检出率曲线,并计算受试者工作特征曲线下面积(AUC)。所有AUC在最佳性能系统0.05范围内的AI解决方案将用于后续的观察者研究。
使用该软件或这些软件,我们将与十名筛查放射科医师进行阅片研究 session,以200例检查的数据集比较阅片时间。该数据集将由第一轮病例组成,包括癌症病例和阴性病例(召回后活检阴性病例及经专家小组核实的未召回病例)。每次 session 结束时,放射科医师将填写一份关于每个AI系统用户友好性的简短问卷。该主观评价将在检测性能和阅片时间的客观标准导致不止一个计算机系统处于非劣效界值内时使用。最终选定的AI系统将是唯一用于评估阅片策略的系统。
将评估由筛查放射科医师对病例进行个体阅片的四种阅片策略,结合两种实现所有病例双阅片的不同方法,共计八种阅片方法(图2),如下所示:标准法:采集DBT的四个体位(CC和MLO)+相应的四幅SM图像(Hologic)。使用所有图像进行阅片,DBT图像以1 mm层间距的切片堆栈形式显示。
单一体位DBT(MLO)+ SM(MLO):与#1相同,但仅对MLO体位进行阅片。
厚层DBT + SM(CC + MLO均包括):采集方式与#1相同,但DBT图像以6 mm厚层、3 mm重叠的形式显示(3DQuorum Smart Slices,Hologic)。
AI辅助导航:与#1相同,但阅片时配备计算机系统进行导航和决策支持。
两种双读策略将包括:标准双读,即前两位阅片者意见不一致时由第三位阅片者判定;以及人工智能作为一位阅片者、放射科医师作为第二位阅片者,意见不一致时由另一位放射科医师作为仲裁者。
二十名放射科医师将采用每种不同的阅片策略对第一轮的200例检查进行评估。这200例检查将不同于第一次阅片者研究中使用的检查,后者用于比较阅片时间和用户友好性。病例和阅片策略将按常规方式随机化,各次会话之间设有必要的四周洗脱期。对于每次判读,我们将记录每个可疑病灶的位置和恶性概率评分,以及召回/不召回决定,此外还记录阅片时间。我们将估算JAFROC品质因数[20],以及所研究的每种DBT阅片策略的基于病例的AUC。
为比较由两名筛查放射科医师进行的标准双读结果与采用人工智能-人类混合双读的结果,将使用上述放射科医师的阅片结果以及计算机系统对这200例病例的分析结果。为此,首先将一位放射科医师的所有判读与另一位放射科医师的判读随机配对,以模拟由两名独立放射科医师进行的盲法双读。基于人工智能的结果将使用在本试验第一轮筛查中产生与筛查放射科医师相同平均召回率的工作点,二分为召回/不召回。最终筛查结果的敏感度和特异度将是这些研究的终点。
一旦找到最佳阅片策略,第二轮的 all DBT 检查将使用该策略重新判读。两名放射科医师首次评估的决定将作为金标准。在可能的情况下,将由未参与第二轮阅片首次评估的不同放射科医师判读相应病例。阅片者将被告知第二阅片者是另一位放射科医师还是计算机系统。召回率、乳腺癌检出率、召回阳性预测值(PPV)和判读时间将与第二轮的首次评估进行比较,从而能够在实际筛查实践中进行真实世界评估。
微观模拟建模
上述前瞻性试验和阅片策略分析的结果将用于为微模拟筛查分析(MISCAN)-乳腺模型提供信息,以模拟使用数字乳腺断层摄影(DBT)进行的乳腺癌筛查。MISCAN-乳腺模型是一个经过验证的微模拟模型,已被用于估计各种乳腺癌筛查方案的效果[9, 21–25]。关于DBT筛查在召回、乳腺癌检出和间期癌(IC)率方面的性能数据将用于更新模型以模拟DBT筛查。此外,将对最佳阅片策略进行模拟。这些模拟将用于预测DBT筛查在荷兰的长期效果,包括与数字乳腺摄影(DM)筛查及无筛查方案相比的筛查次数、乳腺癌死亡率、获得的生命年、质量调整生命年和过度诊断[9, 26]。过度诊断癌症的数量将通过从有筛查方案中诊断的乳腺癌数量中减去无筛查方案中诊断的癌症数量来估计[27]。此外,将进行成本效益分析,其中成本将基于最佳阅片策略。
偶然发现
如果在阅片研究环节中,在一位未被召回进行进一步检查的参与者中发现了疑似乳腺癌,研究放射科医师将与阅片单位的协调放射科医师协商,以决定是否需要召回该女性。该方案与BVO-NL在筛查放射技师会议导致一位未被召回的参与者出现疑似乳腺癌时所使用的方案相当。
结果
参与者纳入于2023年7月开始,于2024年5月完成。首批试验结果预计将于2024年底公布。
讨论
STREAM的主要优势在于其前瞻性平行组设计以及对不同阅片策略的真实世界评估。据我们所知,尚无前瞻性试验在如此大的队列中评估过DBT的不同阅片方法。该设计将有助于深入了解DBT在人群筛查实践中的实施和可接受性。
本试验存在一些局限性。首先,阅片研究环节将在第一轮数据收集完成后开始。届时,我们尚未获得间期癌(IC)的信息。因此,人工智能(AI)解决方案将仅基于第一轮的召回和乳腺癌检出数据进行评估。我们将在第二轮完成后重新评估AI解决方案,但在资助期内无法重新进行阅片策略分析。因此,第二次评估仅用于检查AI预测结果是否存在显著差异。这可能意味着,如果包含AI的阅片策略被选为最优策略,该策略并未考虑AI可能检测到尚未被检测到的间期癌这一事实。这反过来可能影响对常规阅片与最优阅片策略的评估。
此外,在该试验的第一轮中,没有既往的数字乳腺断层摄影(DBT)图像可用于与当前病例进行比较。取而代之的是,放射科医生获得的是既往的乳腺X线摄影图像。因此,第一轮并未真正反映未来可能的稳态,即在稳态下所有既往图像都将由DBT图像构成。第二轮将拥有可用的既往DBT图像,并将更准确地反映未来的稳态。
STREAM试验的结果将通过考察短期、中期和长期效果、最佳阅片策略、成本效益以及各利益相关方的可接受性,来表明在荷兰实施DBT筛查是否有益。此外,这些结果也将对考虑在筛查中实施DBT的其他国家具有参考意义。
补充信息
电子补充材料
引用
- Kregting L, van den Oever D, Pennings L, et al. The Screening Tomosynthesis Trial with Advanced Reader Methods (STREAM): design and rationale of a population-based breast cancer screening trial. Eur Radiol. 2025. PMID: 39786515. doi:10.1007/s00330-024-11324-z
- 全文:PMC12165985(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12165985/
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。