文献速递乳腺乳腺X线

不止于密度:在荷兰乳腺癌筛查中验证乳腺X线摄影遮蔽预测模型

More than density: validating a mammographic masking prediction model in Dutch breast cancer screening.
PubMed 文献 · Eur Radiol · 2025-05-29

该研究在荷兰单中心2008至2018年回顾性筛查队列中验证Mammatus遮蔽预测模型,区分筛查检出癌与间期癌的AUC为0.69(95%CI 0.66-0.73),优于体积乳腺密度(VBD)的AUC 0.66(95%CI 0.63-0.70,p=0.019),与原北美队列AUC 0.75(95%CI 0.68-0.82)无显著差异(p=0.15)。

要点

  • Mammatus区分筛查检出癌与间期癌的AUC为0.69(95%CI 0.66-0.73),优于VBD的0.66(p=0.019)。
  • Mammatus识别低遮蔽风险(AUC 0.73,95%CI 0.70-0.76)优于高遮蔽风险(AUC 0.69,95%CI 0.64-0.74)。
  • 间期癌前一次阴性筛查中仅55%(228/411)回顾可见肿块,筛查检出癌为82%(629/768)(p<0.001)。

核心结论

  • Mammatus在荷兰筛查队列中预测乳腺X线摄影遮蔽风险表现良好,提示密度以外的信息有助于预测病灶遮蔽。

研究设计与样本

  • 回顾性验证研究,纳入荷兰单中心2008至2018年Lorad Selenia(Hologic)数字乳腺X线筛查检查,最终1179例符合纳入标准,Mammatus成功处理935例检查。
  • 参考标准基于筛查检出癌(假定低遮蔽风险)与间期癌(假定高遮蔽风险)分组,并另以回顾性肿块可见性进行三分类分析。

关键影像表现/征象

  • 筛查检出癌检查中82%(629/768)至少一个体位可见肿块,间期癌前阴性检查中仅55%(228/411)回顾可见肿块(p<0.001)。
  • 间期癌前检查的中位VBD为8.3%(IQR 5.7-14.2),高于筛查检出癌的5.9%(IQR 4.3-8.8)(p<0.001)。

诊断标准与关键数值

  • Mammatus区分筛查检出癌(n=635)与间期癌(n=304)的AUC为0.69(95%CI 0.66-0.73),VBD的AUC为0.66(95%CI 0.63-0.70)(p=0.019)。
  • Mammatus的AUC与原研究AUC 0.75(95%CI 0.68-0.82)无显著差异(p=0.15)。
  • 三分类累积ROC分析中,Mammatus区分低风险与中/高风险优于VBD(p=0.019),区分低+中风险与高风险与VBD相似(p=0.61)。
  • Mammatus识别低遮蔽风险的AUC为0.73(95%CI 0.70-0.76),识别高遮蔽风险的AUC为0.69(95%CI 0.64-0.74)。

临床应用与阅片要点

  • Mammatus为研究性工具,尚未获准临床使用,原文指出其可能用于识别需复评或需补充/替代筛查(如MRI、超声、对比增强乳腺X线摄影或乳腺CT)的女性。
  • 原文指出模型需在正常筛查人群中测试,以确保不会将过多检查标记为高遮蔽风险,之后方可部署于该应用。

局限性

  • 原文指出间期癌假定由遮蔽导致,但其他可能原因包括病灶位于视野外、被忽略、被误判为良性或为筛查间期快速生长。
  • 原文指出遮蔽对肿块检出影响大,但对钙化等其他异常检出影响较小。
  • 模型原验证数据集有限,仅含147例筛查检出癌和67例间期癌。
  • Mammatus因缺乏开放束信号参考而无法处理236例检查,另有4例因乳房植入物未正确处理。
  • 原文指出需在正常筛查人群中测试以确保不过多标记高遮蔽风险,并需进一步研究评估Mammatus在荷兰筛查中优化阅读策略的潜在获益。
全文中译10 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. 2025 May 29;35(12):8191–9. doi: 10.1007/s00330-025-11687-x

引言

数字乳腺X线摄影是大多数乳腺癌筛查项目采用的标准检查方式。在荷兰,50至75岁的女性被邀请参加每两年一次的筛查。尽管癌症检出率高达6.9/1000 [1],但仍有2.2/1000的受筛女性在下一轮筛查之前通过其他途径被诊断出癌症,称为间期癌。乳腺高密度导致的癌灶遮蔽是间期癌的已知原因之一 [2]。遮蔽源于图像中纤维腺体组织的重叠,可使病灶被遮盖。尽管高体积乳腺密度(VBD)会增加乳腺X线摄影遮蔽的风险,但它并非病灶遮蔽风险的唯一预测因素 [3, 4]。预测病灶遮蔽风险可识别出放射科医师在阅片时需要格外关注的病例,或可识别出适合补充成像的候选者,所用成像方式的灵敏度在致密乳腺组织存在时不会降低。这些方式可能包括MRI、超声、对比增强乳腺X线摄影或乳腺CT。

此前已有若干已发表的尝试来评估病灶遮蔽风险 [5–7]。一种先前开发的算法Mammatus(Sunnybrook研究所,加拿大)利用由模型观察者生成的密度图和可探测性图的影像组学特征,并结合年龄和体重指数等临床因素,来评估病灶遮蔽风险 [5]。该算法仅为研究性工具,尚未获准用于临床。该算法已使用筛查发现的癌症(病灶未被遮蔽)和间期癌(病灶很可能被遮蔽)的筛查乳腺X线摄影进行验证。后一组依赖于以下假设:这些癌症在筛查时被遗漏,并因遮蔽而在筛查项目之外被诊断,但还存在其他可能的原因。例如,病灶可能位于视野之外、被忽视或被误判为良性。也有可能癌症生长迅速,在筛查间隔期间发生。此外,该模型仅在包含147例筛查发现癌症和67例间期癌的有限数据集上进行了测试。

本研究的目的是在荷兰乳腺癌筛查项目的队列上测试Mammatus病灶遮蔽预测模型,并对病灶遮蔽进行回顾性验证。

材料与方法

数据集

病灶遮蔽风险估计模型在2008年至2018年间荷兰一家单一筛查中心回顾性收集的数字乳腺X线摄影图像上进行了测试,所有图像均来自Lorad Selenia乳腺X线摄影系统(Hologic)。在荷兰,所有50至75岁的女性每两年被邀请参加一次乳腺X线摄影筛查。参与筛查计划的女性被告知其数据可用于科学目的。如果女性选择不提供数据,则其数据不被使用。Radboudumc伦理委员会声明本研究不属于荷兰《涉及人类受试者的医学研究法》的范围,无需机构审查委员会批准即可开展。在该队列中,共有2610例癌症诊断,其中1916例为筛查检查诊断,694例为临床诊断,称为间期癌。仅纳入单侧和浸润性癌;原位癌、微浸润癌和异时性癌被排除。

参考标准

纳入两组数字乳腺X线摄影图像,第一组由筛查阳性且为筛查检出的癌症检查组成,第二组由间期癌在24个月内被诊断之前最后一轮筛查阴性的乳腺X线摄影图像组成。当诊断发生在筛查阳性后12个月内,且筛查阳性前不到30个月有一次筛查阴性时,癌症被视为筛查检出。为避免可能在遮蔽风险高或低的乳腺X线摄影图像中可检出的大体积或晚期癌症,没有已知既往筛查阴性的筛查阳性检查被排除。因此,第一轮筛查也被排除。Mainprize等[5]初步将这两组分别标记为与低遮蔽风险和高遮蔽风险相关。该定义也用于分析1(图1),以提供准确的比较。该遮蔽风险定义有两个主要局限性。第一,病灶遮蔽对肿块的检出有负面影响,但对其他异常(如钙化)的检出影响较小[2]。第二,并非所有间期癌都是因遮蔽而被漏诊;癌症未被筛查检出还有许多其他可能原因,包括阅片者错误或病灶位于视野之外。为部分纠正这些局限性,所有纳入检查均针对癌症位置是否存在可见肿块进行了回顾性分析。该分析作为另一项研究[8]的一部分进行,在该研究中,研究人员在一位经验丰富的乳腺放射科医师监督下,回顾性识别了与浸润性乳腺癌相对应的肿块,并手动绘制了病灶轮廓。为此任务,研究人员掌握了病灶定位信息(可通过与荷兰癌症登记处关联获得),以及操作过程中最先进检测算法的输出,该算法的性能与经验丰富的放射科医师相当[9]。

因此,经回顾性分析后,所有乳腺X线摄影检查被归为分析2的四个不同类别之一(图1):(1)筛查发现的癌症表现为肿块的检查,(2)筛查发现的癌症无可见肿块的检查,(3)间期癌症前最后一次阴性检查且可见肿块,(4)间期癌症前最后一次阴性检查且无可见肿块。在第一类中,病灶未被遮蔽,因此认为遮蔽风险较低。在第二类中,癌症也被检出,因此未被遮蔽。然而,癌症未表现为肿块(而是例如结构扭曲、不对称或钙化),因此,该检查中的病灶遮蔽风险未知。在第三类中,癌症最初被漏诊,但回顾时可见为肿块。该类别可归类为具有中等遮蔽风险,使病灶难以判读或更容易被漏诊。在最后一类中,癌症被漏诊,且回顾时无可见肿块。因此,该类别最可能涉及高病灶遮蔽风险。然而,该类别也可能包括筛查检查时不存在真正的间期癌症。

图1 乳腺X线摄影筛查检查纳入流程图 查看原图 ↗

病灶遮蔽风险预测

由Mainprize等人[5]提出的病灶遮蔽风险预测模型Mammatus,基于合成病灶可检测性图、基于内部算法的体积密度图以及临床特征的特征组合。可检测性图是通过计算高斯轮廓病灶对象在每位受试者乳腺X线摄影图上的一系列位置处相对于乳腺背景纹理的检测信噪比而生成的。从可检测性图和密度图中计算出若干放射组学特征,这些特征可预测遮蔽风险。最重要的特征通过使用赤池信息准则的逐步变量选择方法进行筛选。最终模型基于可检测性图的标准差、密度图灰度共生矩阵的相关性以及年龄。

Mammatus使用自校准程序,从非饱和图像的背景中提取开放束信号。该信号取决于管电压、阳极/滤过组合、球管使用年限以及探测器的信号响应/增益校准。如果无法获得开放束信号的参考值,则该图像无法进行信号校准,因此该乳腺X线摄影图无法处理。Mammatus的未来开发将包括更稳健的方法,用于外推开放束信号以填补这些技术因素组合的缺失值。

已知病灶遮蔽风险受乳腺体积密度影响。为评估病灶遮蔽风险预测模型相较于体积乳腺密度(VBD)的附加价值,使用商业软件(版本3.5.0,Volpara Health Technologies)估算每次检查的VBD。

模型评估

Mammatus和Volpara应用于所有可用图像,输出取双侧内外侧斜位和头尾位的平均值。针对Mammatus的病灶遮蔽评分和VBD分别进行了两项受试者工作特征(ROC)分析。第一项分析旨在尽量匹配原论文的方法,从而提供公平的比较。第二项分析使用了基于回顾性分析的改进参考标准。

第一项ROC分析评估Mammatus和VBD在假定低遮蔽风险的筛查检出癌症乳腺X线摄影(类别1和2)与假定高遮蔽风险的间期癌症前乳腺X线摄影(类别3和4)之间的判别性能。该分析与Mainprize等[5]原始研究中的分析相似,并允许通过Z检验将受试者工作特征曲线下面积(AUC)与其报告值进行比较。Mammatus的AUC还与VBD作为预测因子的AUC进行了比较,采用单读者多病例分析(MRMCaov for R,版本0.3.0 [10, 11])和刀切法函数估计性能指标的协方差。补充材料B报告了一项额外评估,仅纳入阴性检查且随后在一年内诊断为间期癌症的病例。排除诊断时间较晚的间期癌症病例可降低假定高遮蔽风险组中存在真性间期癌症的概率。在原始研究中,仅使用对侧图像以消除病灶的影响,使Mammatus仅分析乳腺纹理。补充材料C报告了一项仅使用对侧乳腺乳腺X线摄影的额外分析。补充材料D报告了对侧与同侧乳腺计算病灶遮蔽风险的比较。

第二项累积ROC分析[12]由三类病例之间的两项判别任务组成:(1)筛查检出癌症且表现为可见肿块的乳腺X线摄影(类别1,低遮蔽风险),(2)间期癌症前且回顾可见肿块的乳腺X线摄影(类别3,中等遮蔽风险),以及(3)间期癌症前且回顾未见肿块的乳腺X线摄影(类别4,高遮蔽风险)。筛查检出癌症但未表现为可见肿块的乳腺X线摄影(类别2)被排除在该分析之外。在两项ROC分析中,均使用AUC比较Mammatus与VBD,采用单读者多病例分析(MRMCaov for R,版本0.3.0 [10, 11])和刀切法函数估计性能指标的协方差。通过1,000次迭代的自举法生成所有AUC值的分布,所有p值均采用0.05的显著性水平。

结果

从最初的2610例确诊癌症中,1179次检查符合纳入标准,并如图1所示就病灶遮蔽进行了回顾性判读。对于筛查检出癌症的检查,在82%(629/768)的检查中至少一个体位可见肿块。对于间期癌症之前的检查,仅在55%(228/411)的检查中可见肿块(p < 0.001)。病灶遮蔽估计算法成功处理了935次检查。在失败的检查中,4次因存在乳房植入物而未能正确处​​理,236次是由于缺少开放射束信号的参考。

患者和乳腺X线摄影特征概述见表1。原始研究的患者和乳腺X线摄影特征见补充材料A。筛查检出癌症的检查的中位年龄较高,为64岁(IQR 59–70),而间期癌症之前的检查为(中位数:58,IQR 53–65)(p < 0.001)。间期癌症之前检查的中位VBD较高,为8.3%(IQR 5.7–14.2),而筛查检出癌症的检查为5.9%(IQR 4.3–8.8)(p < 0.001)。基于VBD的BIRADS密度分类分布见表1。在乳腺X线摄影上测量的可见肿块大小,筛查检出癌症与间期癌症之间无显著差异(p = 0.49)。间期癌症在中位13个月(IQR 7–19)后确诊,回顾性判读时筛查中肿块是否可见对确诊时间无差异(p = 0.18)。

表1 研究样本在筛查检出癌症和间期癌症之前筛查检查(肿块可见与不可见)四个类别中的人口统计学特征 查看原表 ↗

与原始研究的比较

Mammatus在区分筛查检出癌症的检查与随后发生间期癌症的阴性检查方面,AUC达到0.69(95% CI:0.66–0.73),如图2和表2所示。在此任务上,Mammatus优于VBD作为预测因子,后者AUC为0.66(95% CI:0.63–0.70)(p = 0.019)。Mammatus的AUC与Mainprize等人[5]原始研究中报告的AUC 0.75(0.68–0.82)无显著差异(p = 0.15)。排除一年后确诊间期癌症的阴性检查的评估见补充材料B。

图2 Mammatus和VBD区分筛查检出癌症的检查与间期癌症之前检查的ROC曲线。作为参考,图中还包含了原始论文中Mammatus的ROC曲线[5]。AUC的均值和95%置信区间包含在图例中 查看原图 ↗
表2 Mammatus和VBD区分筛查检出癌症的检查与间期癌症之前检查的评估 查看原表 ↗

三分类ROC

Mammatus和VBD的累积ROC分析结果见表3。Mammatus在区分低遮蔽风险与中、高遮蔽风险的检查方面优于VBD(p = 0.019),但在区分低、中遮蔽风险与高遮蔽风险的检查方面结果相似(p = 0.61)。

图3展示了四个示例检查,分别具有Mammatus高、低掩蔽评分以及高、低VBD。第一个示例显示的是一个筛查发现的病灶,两项指标均较低。此处病灶清晰可见,乳腺中的纹理未妨碍对病灶的判读。第二个示例显示的是一例间期癌,回顾性可见,VBD低但Mammatus评分高。从乳腺X线摄影可见,密度相对较低,但存在一些纤维腺体组织簇,形成具有潜在掩蔽风险的区域。尽管病灶可见,但被乳腺组织部分遮挡。第三个示例再次显示一例回顾性可见的间期癌。该检查具有高VBD和相对较低的掩蔽评分。正如预期,高VBD与低掩蔽评分的组合在该数据集中较为罕见。最后一个示例显示的是一次阴性筛查检查,六个月后诊断出间期癌。该检查显示乳腺密度极高,纹理复杂,容易遮挡病灶,这反映在其高VBD和Mammatus评分上。

表3 Mammatus和VBD区分三个类别的累积ROC分析:低掩蔽风险(筛查发现且肿块可见)、中等掩蔽风险(间期癌且肿块可见)和高掩蔽风险(间期癌且肿块不可见) 查看原表 ↗
图3 四个检查示例,分别具有高、低Mammatus掩蔽评分和体积乳腺密度(VBD)。若肿块回顾性可见,则以红色箭头标示。A 阳性检查,筛查发现癌症,年龄64岁。B 阴性检查,评分为BI-RADS 1,2个月后诊断出间期癌且回顾性可见,年龄53岁。C 阴性检查,评分为BI-RADS 2,6个月后诊断出间期癌,年龄72岁。D 阴性检查,评分为BI-RADS 1,6个月后右乳诊断出间期癌但回顾性不可见,年龄56岁 查看原图 ↗

讨论

本研究结果表明,Mammatus在大型荷兰筛查队列中的性能与最初报告的在北美队列中的AUC无统计学差异,即使在纳入存在病灶的乳腺X线摄影时也是如此。此外,Mammatus作为掩蔽风险的预测指标优于VBD。基于回顾性肿块可见性分析的三类别ROC分析显示,Mammatus最适合识别低掩蔽风险,而在区分低加中等风险与高掩蔽风险方面的能力较低。

原始队列与这个新队列之间有两个主要差异:人群差异以及图像质量或特征差异。用于开发算法的原始论文队列年龄分布更广,且包含50岁以下女性,而这些女性不符合荷兰国家筛查计划的资格。此外,在荷兰,乳房X线摄影的双重阅读是标准做法,而北美筛查通常采用单次阅读。这可能导致北美筛查中癌症更容易被漏诊,因此,在北美队列中,一些更多乳房X线检查被归类为具有高掩盖风险,而在荷兰队列中则不会被认为如此。另一个促成因素是队列之间图像特征的差异。原始研究中的乳房X线摄影主要使用GE乳房X线摄影系统采集,图像产生于2010年之前,而荷兰国家筛查计划仅使用Hologic系统。Mammatus所使用的影像组学特征可能会受到这些系统采集图像之间特征差异的影响[13, 14]。

很少有其他研究尝试预测乳房X线摄影中的病灶掩盖风险。一项研究使用密度图和病灶概率图来预测病灶掩盖[7]。然而,结果并未在仅基于VBD的病灶掩盖风险之外有所改善。另一项研究除VBD外,还使用了局部图像质量因子图的影像组学特征[6]。在包含筛查检出癌和间期癌的内部集上,VBD及其模型分别达到了相似的AUC,为0.65和0.69。这些结果与本研究中在外部数据集上获得的结果相似。其他研究表明,高乳房厚度也会增加掩盖风险,在预测病灶掩盖风险时应纳入乳房厚度[4, 15]。

对间期癌之前阴性检查中肿块可见性的回顾性评估,允许产生一个新类别,即病灶最初被漏诊但回顾时可见。在本研究中,55%的间期癌回顾时作为肿块可见,包括那些显示微小征象者(按欧洲指南定义[16])。来自不同筛查地区的荷兰研究报告称,所有间期癌中有46%在最后一轮筛查中已经可见,其中约一半仅有微小征象[17]。在具有类似筛查计划的挪威发现了可比结果,所有间期癌中有52%可见,其中约一半仅有微小征象[18]。

回顾性可见的间期癌类别被标记为具有中等遮蔽风险。然而,可以认为这些病变并未被遮蔽,因为它们虽然对放射科医生更具挑战性,但仍然是可见的。结果表明,Mammatus 也为这些病例分配了高遮蔽评分,因此部分捕捉到了阅片的难度。将这些病例识别为需要在筛查时由放射科医生重新评估的病例,可能潜在地降低间期癌发生率。与无可见病变的间期癌不同,检测这些病变不需要其他模态,且已有研究表明,在高患病率的批次中重新评估乳腺X线摄影可提高灵敏度[19]。发现这些最初被遗漏的癌症非常重要,因为与真性间期癌相比,这些癌症通常更大、肿瘤分期更晚,且乳房切除术比例更高[17]。真性间期癌也归入最后一类,即回顾性未见任何可见病变。因此,该类别不一定具有高病变遮蔽风险。

能够预测病变遮蔽风险的模型可用于识别需要重新评估或需要接受其他模态筛查的病例。在诸如 Mammatus 这样的模型可用于此应用之前,需要在正常筛查人群中对其进行测试,该人群中大多数女性无癌症,以确保不会将过多检查标记为具有高遮蔽风险。这已在北美队列中进行了回顾性研究,并显示比使用 BI-RADS 密度更有效[20]。后续研究将包括评估 Mammatus 在荷兰国家乳腺癌筛查项目中使用其预测来优化阅片策略的潜在获益。

总之,先前开发的病变遮蔽预测模型 Mammatus 作为遮蔽风险预测因子优于 VBD,尤其是在区分低病变遮蔽风险与中/高风险的乳腺X线摄影方面。与原始北美队列相比,Mammatus 的性能无显著差异。此类算法可能潜在地用于识别需要重新评估以发现最初被遗漏癌症的病例,或需要接受其他模态筛查以降低因遮蔽而遗漏癌症风险的病例。

补充信息

电子补充材料

引用

  1. Verboom SD, Mainprize JG, Peters J, et al. More than density: validating a mammographic masking prediction model in Dutch breast cancer screening. Eur Radiol. 2025. PMID: 40439739. doi:10.1007/s00330-025-11687-x
  2. 全文:PMC12634747(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12634747/

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。