五种甲状腺结节超声评分算法优劣比较:单中心大样本回顾性研究
该单中心回顾性观察研究分析了6474个有效细胞学结节,回顾性应用KTIRADS、ATA、AACE/ACE-AME、EUTIRADS和ACRTIRADS五种超声评分。结果显示各评分ROC分析准确度良好(AUC最高0.647),阴性预测值高达96%,可节省10%至38%的细针穿刺,低风险组可达44.2%;ACRTIRADS和AACE/ACE-AME在准确度与节省细胞学之间提供最佳平衡。
要点
- 五种甲状腺结节超声评分均可辅助临床实践,阴性预测值高(89.9%–95.6%),有助于减少不必要细针穿刺。
- ACRTIRADS总分(1–14分)AUC最高为0.647(95%CI 0.625–0.669),ATA在描述性评分中准确度最佳。
- 可节省细针穿刺比例10%–38.1%,低风险宏观组可达44.2%;ACRTIRADS和AACE/ACE-AME为最佳折中方案。
局限性
- 本研究为回顾性分析。
- 研究基于单中心三级医院人群,存在明显选择偏倚。
- 真实世界中细针穿刺推荐不仅依赖甲状腺结节超声特征,还取决于临床因素。
- 部分评分(ATA、AACE/ACE-AME)尚未提供特异性验证。
- 其他评分系统仅在特定设置中验证,如排除不确定细胞学。
全文中译9 节 · 点击展开
引言
无症状甲状腺结节检出率的逐步上升正在给甲状腺诊断性操作带来相当可观的花费[1]。因此,新诊断的分化型甲状腺癌(DTC)[2, 3]的急剧增多已成为内分泌临床实践中的现实问题[4]。尽管如此,所报道的DTC生存率超过98%[5],这意味着在绝大多数病例中,对恶性结节的治疗不太可能影响总体预后[6]。事实上,自2014年以来,由于微小癌和小DTC的增加、前述颈部超声中的偶然发现以及不合理的筛查活动,死亡率并未发生实质性变化。此外,男性和女性患者发生侵袭性DTC的概率分别为0.6%和1.8%,而在所有新诊断的DTC中,估计的特异性死亡率约为3.8%[7]。
为遏制过度诊断和不必要的检查,多个内分泌科和放射科科学学会已发布推荐意见[1, 8–11],主张对超声检查无“可疑”特征的结节更谨慎地使用细胞学检查,并避免对无明确细胞学恶性征象的病例进行手术。值得注意的是,多种不同的结节超声评分(NUS),也以TIRADS这一统称而为人所知,已被提出作为甲状腺结节疾病进一步诊断性操作的指导工具[1, 8–11]。尽管这些算法的制定基于对大型临床样本中所收集数据的分析,但不同算法所使用的NUS参数并不相同。因此,同一结节可能以一种评分被归类为“低风险”,而以另一种评分被归类为“中等风险”。异质性的原因包括:不同评分是在不同环境和人群中制定并验证的,这些环境和人群在DTC发病率方面可能并不均一,且可能存在转诊偏倚[1, 8–12]。
另一个问题在于NUS固有的低可重复性[13, 14],这不可避免地是一种依赖操作者的程序。此外,NUS评分未考虑影响普通人群DTC发病率的简单临床和人口学特征(如性别和年龄)[12, 15]。
本横断面研究旨在验证五种现有NUS(KTIRADS、ATA、AACE/ACE-AME、EUTIRADS、ACRTIRADS)[1, 8–11]在结节管理中的适用性和优势。此外,我们回顾性评估了将NUS指征与佛罗伦萨内分泌门诊部的实际实践相联系时,其在避免细针穿刺(FNA)方面的潜在能力。
材料与方法
该研究作为一项回顾性观察调查进行。在2008年2月1日至2018年2月1日期间转诊至我们三级内分泌门诊进行甲状腺结节评估的所有患者中,我们考虑了所有连续成年受试者(即年龄>18岁)中符合细针穿刺(FNA)指征并提供书面知情同意书者。结合多项临床和超声参数给出细胞学检查的真实世界建议[4, 16],如补充材料表1所总结。非诊断性细胞学以及临床或超声评估不完整的结节未纳入本研究。此外,大小低于10 mm的结节也被排除在分析之外,考虑到大多数现有评分不常规推荐对亚厘米甲状腺结节进行FNA。
临床和NUS评估
超声检查使用常规实时扫描仪(ESAOTE Technos MP,MyLab™Twice,ESAOTE SPA©)进行,配备10 MHz线性换能器。所有超声检查均由同几位内分泌科医师(G.P.、A.C.、C.P.、L.P.)完成,其具有10年以上颈部超声经验。通过填写标准化检查表对甲状腺和结节进行全面描述,检查表包含所有临床信息和超声结节特征。每个结节的描述包括大小(三维)、组成(实性、混合性或囊性)、混合性结节中实性部分的位置(偏心性或非偏心性)、回声性(无回声、高回声或等回声、轻度低回声、低回声或显著低回声)、晕环(存在、不存在或存在但不连续或增厚)、边缘(界限清晰或光滑、不规则或模糊)、形状(纵横比大于1)、是否存在回声灶(高回声点、粗钙化和微钙化)、伴有软组织外突成分的环状钙化以及血管化类型(无血流信号;结节周围及无或轻度结节内血流;显著结节内血流或混合性)[17]。弹性成像评估未在所有受试者中进行,因此该参数未进一步考虑。
细胞学和组织学评估
每次细针穿刺(FNA)均由专家外科医生采用毛细管技术,在上述具有颈部超声经验的內分泌科医生指导下完成。薄层玻片由两位专家病理学家检查,2014年5月之前采用英国甲状腺协会(BTA)的细胞学分类[18],此后采用解剖病理学与细胞学学会联合国际病理学会意大利分会(SIAPEC-IAP)的分类[19]。根据SIAPEC-IAP分类[19],我们将结节分为“细胞学阴性”结节(至少连续两次样本为TIR 2或TIR 3A)和“细胞学阳性”结节(TIR 3B、TIR 4、TIR 5,并随之转诊手术)。根据BTA分类[18],2014年之前获得的所有Thy3结果也被归类为“细胞学阳性”并可能转诊手术。不确定类别具有可变的恶性风险,尤其是在采用SIAPEC-IAP分类之后,该分类将此类别分为两个亚组:TIR 3A(低风险不确定病变)和TIR 3B(高风险不确定病变),反映了不同的肿瘤风险和诊断处理方式[20]。因此以及研究期间改变细胞学分类所带来的进一步偏倚,我们还进行了第二项分析。后者仅考虑2014年5月采用新SIAPEC-IAP分类之后的甲状腺细胞学。在此情况下,我们还排除了不确定细胞学,以提高样本的一致性并减少恶性结局中可能的偏倚。最终组织学根据TNM 2010和2017进行分期[21, 22]。
超声评分
对于有效细胞学,我们回顾性且盲法地应用了五种甲状腺结节超声(NUS)评分系统(KTIRADS、ATA、AACE/ACE-AME、EUTIRADS、ACRTIRADS)[1, 8–11],将每个结节归入其相应的超声类别(表2,补充材料),由非固定搭配的內分泌科医生配对进行操作;若对NUS评分存在分歧,由另一配对解决问题。每个评分对应不同的描述性超声特征和结节大小,提供恶性风险分层及进一步诊断检查的指征。此后,我们计算了不同NUS的阳性预测值(PPV)和阴性预测值(NPV)以及可能避免FNA的大小。最后,我们还根据相对恶性风险将相似的NUS类别分组进行了上述分析。因此,我们制定了三个宏观风险区域,即低、中和高风险,将恶性风险< 5%的类别视为低风险;将风险在5%至20%之间的类别视为中等风险;将风险> 20%的类别视为高风险。值得注意的是,KTIRADS 4类被纳入高风险类别,因为其预期恶性范围较宽(15–50%),与中等风险类别不太一致。
ACRTIRADS分类[8]是唯一对每个主要超声特征赋予0至3分评分的分类系统,总分确定结节的相对怀疑水平。
观察者间一致性评估考虑了250个甲状腺结节的总样本。每位操作者对同一随机甲状腺病变队列的帧图像进行盲法复核,根据所研究的NUS评分对每个结节进行分类。此后,我们匹配结果以获得观察者间NUS变异性。
统计分析
数据在正态分布时以均数±标准差表示,在非正态分布时以中位数[四分位数]表示。分类变量采用卡方检验进行比较。敏感性和特异性分别计算为在每个超声分类中发现或排除阳性细胞学的概率。NPV和PPV分别计算为每个超声分类中阳性和阴性细胞学的百分比。NUS评分的准确性通过ROC曲线的曲线下面积(AUC)推断。对于描述性分类中的NUS评分,ROC曲线通过赋予从1到3(AACE/ACE-AME)、1到4(KTIRADS、EUTIRADS)以及从1到5(ATA、ACRTIRADS)的递增评分来构建。考虑到ACRTIRADS已提供连续评分(范围0–14),这些值作为连续变量引入ROC曲线。观察者间变异性采用Cohen's κ统计量计算。一致率解释如下:0至0.20:轻微;0.21至0.40:一般;0.41至0.60:中等;0.61至0.80:高度;0.81至1.0:几乎完全一致[23]。所有统计分析均在SPSS for Windows 26.0上完成。
结果
本临床样本的流程图见图1。该队列包括来自6401例患者的6474个有效结节:1402例男性和4999例女性。
细胞学结果和阳性组织学率见图1。通过结合临床、NUS和细胞学特征,根据国际学会的建议[1, 4],708名受试者被给予手术转诊。其中,509个结节具有不确定细胞学(2014年前283个Thy3,2014年后226个TIR 3B),129个TIR 4和70个TIR 5。652名受试者接受了全甲状腺切除术或肺叶切除术。主要组织学类型总结于表1。
根据超声特征,我们将每个结节与所研究的NUS评分分类中相应的评分等级进行匹配(表2)。基于在不同超声分类中获得的分布,我们评估了每个评分子组内病理性细胞学的比例。表2还显示了根据预期和实际观察到的FNA进行分层的结果,FNA按临床实践执行,其 cutoff 大小未标准化。我们还报告了遵循相应NUS评分建议可避免的FNA比例及相关细胞学。按性别或其他临床特征未见差异(未显示)。
关于良性或极低风险结节(预期恶性率<3%),目前的结果基本上与大多数NUS算法一致。相反,KTIRADS2和AACE/ACE-AME的“低风险”类别低估了细胞学结果,分别为4.7%和6.5%。关于高风险类别,细胞学结果提示存在对阳性细胞学真实风险的系统性高估,其中EUTIRADS5和ACRTIRADS5的高估程度最低。低-中间类别(预期恶性率范围为5%至20%的类别)中的阳性细胞学在不同程度上再现了预测风险,与预期恶性率基本一致。在我们的分析中,我们无法根据ATA评分[1]对458个结节(占全部人群的7%)进行分类,因为某些NUS表现(即等回声结节伴不规则边缘或微钙化;混合性结节伴可疑偏心性实性部分)无法归入任何官方ATA类别;因此,这些病变被排除在ATA分类的主要分析之外。在无法分类的ATA结节中,13.8%具有阳性细胞学。
表3补充材料显示了对本样本的第二次亚分析(仅考虑2014年5月起使用SIAPEC-IAP分类[19]的甲状腺细胞学,并排除“中间”细胞学),该分析在2547例细胞学病例的较小样本上进行。总体而言,我们发现低风险类别相对于预期恶性率的性能有所改善,尽管对其余类别存在普遍低估。
不同NUS算法对阳性细胞学的敏感性、特异性、NPV和PPV总结于表3,同时列出了可能避免FNA的比例。不同NUS评分的敏感性范围为50.1%(AACE/ACE-AME)至94.5%(KTIRADS),而特异性范围为14.8%至50.3%。此外,我们发现所有NUS评分的NPV均非常高,为89.9%至95.6%。相反,PPV约为11%或更低(表3)。对宏观风险区域的相同分析见表4,提供了类似的结果,NPV非常高且敏感性令人满意,但PPV较差且特异性不理想。可能避免FNA的比例根据观察到的与预期的FNA结果之间的差异计算(表2)。该比例对应于根据大小和NUS特征组合不应进一步检查的结节数量。在大多数情况下,可能避免FNA的比例值得关注,使用AACE/ACE-AME评分达到38.1%(表3)。考虑宏观风险类别中避免的比例,我们发现在较低风险类别中存在值得关注的潜在差异,高达44.2%(表4)。其中,考虑转诊至手术的可能避免FNA亚组的阳性细胞学,我们发现甲状腺乳头状癌低分期(pT1apNx和pT1bpNx)的比例很高(高达约90%的病例)。最后,为了验证ATA未分类结节的影响,我们还进行了敏感性分析,将458个结节从整个人群中排除。结果见补充材料表4和表5。敏感性分析未显示最终结果有任何一致性变化。
通过ROC曲线分析计算的评分准确性见图2,其中考虑了整个人群样本。值得注意的是,NUS的最佳准确性是通过ACRTIRADS总评分(范围1至14)获得的:0.647(95%CI;0.625–0.669)(图2b)。仅考虑2014年5月以来的阳性细胞学并排除中间型细胞学所进行的相同分析见图1补充材料,显示NUS准确性总体改善。
每种NUS评分的观察者间一致性在250个结节的样本中确定。结果见补充材料表6。Cohen's κ分析表明每种NUS评分的 一致性从中等到基本一致(0.50–0.73)。
讨论
基于目前的结果,尽管每种算法的设计存在差异,现有的NUS系统在准确性方面表现出令人满意的性能,并在甲状腺结节的现实管理中为避免不必要的FNA提供了有用信息,免于FNA的比例高达近40%。尽管本研究的单中心、回顾性设计限制了其广泛适用性,但我们的结果反映了日常临床实践,同时纳入了“不确定”细胞学,这与其它系列研究的关键区别在于后者几乎系统性地排除了这一类别[12, 24–26]。
近年来,许多内分泌学家和放射学家协会提供了多种超声评分系统[1, 8–11],基于超声特征组合和结节大小,以便对甲状腺病变进行更合理和统一的管理。这些分类的目的不仅是识别癌症病例,还包括正确指导诊断流程,减少不必要的操作。这些指征基于多项调查的结果,尽管其中一些(ATA [1]、AACE/ACE-AME [9])尚未提供特异性验证。其他评分系统已被验证,但仅在特定条件下,即排除不确定细胞学[24, 25]。
本研究分析了五种主要的甲状腺结节超声(NUS)算法,通过比较基于不同NUS的预期恶性风险与其相应的细胞学结果,验证其潜在的临床影响。我们基本上发现在较低风险类别中存在轻度高估,而在高风险类别中则存在一致性低估。这种偏差可部分归因于样本量较大,其提供了许多阴性细胞学结果,同时细胞学不确定的比例较高。值得注意的是,在我们的分析中,排除最后一类可显著提高NUS的诊断准确性,但代价是对所有风险类别均产生明显低估。此外,另一种被接受的调整见于将TIR 2细胞学假定为最终阴性组织学结果,因为根据定义,这些患者不接受手术。此类任意选择可能改善表观评分表现,但在概念上是错误的,因为它们并不符合真实临床实践。事实上,TIR 2细胞学仍具有很小的不确定性可能[27, 28],尤其是在大尺寸结节中。此外,细胞学不确定占细胞学结果的相当比例。然而,就高风险类别而言,我们的结果与近期一项较小患者系列报告的结果不一致[15],尽管患者入组的临床环境相似。这一事实提示,病例构成和/或临床操作中的轻微异质性可能导致潜在差异。
从临床角度来看,了解应用不同NUS算法可能避免的FNA数量非常重要。在根据可能需要考虑手术的情况将细胞学结果分层为虚拟变量后,所有NUS算法在细胞学上均显示出良好的敏感性和极高的NPV,但特异性和PPV较差,尽管这与既往研究[29]相当一致。值得注意的是,NPV和敏感性是管理良性率极高的广泛性疾病(如甲状腺结节)最有用的参数。此外,可能避免的FNA比例虽然可变,但在真实实践中似乎相当显著,尤其是对于所有NUS中的低风险类别,这些类别代表甲状腺病变的最大比例。此外,正如其他研究[例如,12, 25]所发现的那样,一部分结节人群可能未被properly分配至ATA类别内;然而,在本研究中,ATA未分类结节的比例非常小,即使在一项敏感性分析中将这些结节从整个队列中排除,我们也未观察到实质性变化,尤其是在FNA避免方面。最后,在避免的FNA中实际上丢失的DTC诊断比例由极低分期恶性肿瘤代表,其延迟诊断不会影响患者预后。这等同于说NUS减少了不必要的FNA并因此减少了过度诊断。这一事实也得到最近一项荟萃分析的证实,该分析探讨了相同的五种NUS选择需要FNA的甲状腺结节的能力[29]。在该研究[29]中,ACRTIRADS算法表现出最佳性能。在其结论中,作者强调了由于若干临床和方法学偏倚而比较超声评分存在普遍局限性这一要点。此外,大多数NUS是为了识别甲状腺乳头状癌而设计的,限制了评分在其他癌症组织学类型(即滤泡性癌,通常表现为等回声结节)中的性能[29]。
考虑到我们的结果,ROC曲线分析表明所有NUS评分算法显示出 virtually 相似的准确性,尽管ACRTIRADS[8]获得了数值上更好的结果。事实上,当考虑总评分评分系统时,ACRTIRADS[8]显示出最高的AUC,而在描述性NUS中,ATA算法[1]显示出最佳准确性。
关于避免细针穿刺(FNA)的能力,AACE/ACE-AME、EUTIRADS和ACRTIRADS [8, 9, 11]提供了有利的FNA避免率,这代表了临床实践中一个合适的目标。事实上,采用AACE/ACE-AME分类[9]可以避免超过三分之一的细胞学检查,具有良好的特异性,但代价是敏感性较差。另一方面,EUTIRADS和ACRTIRADS [8, 11]分别能够将FNA减少四分之一和五分之一,同时保持更好的敏感性。最后,尽管ATA分类[1]具有准确性,但根据人群样本,该算法显示出不同比例的无分类结节,因此在减少避免细胞学检查数量方面效果较差。基于这些原因,我们可以得出结论:在我们的人群中,FNA避免能力和准确性之间的最佳平衡由AACE/ACE-AME和ACRTIRADS [8, 9]提供。这些分类能够将甲状腺病变合理分配到适当的类别,改善结节筛选和FNA避免能力。此外,得益于其评分系统设计,ACRTIRADS评分[8]似乎易于操作,可能对未经训练的超声操作者具有吸引力。另一方面,AACE/ACE-AME [9]的简洁结构简化了结节分类,减少了类别分配中可能的偏差。
我们的研究存在一些相关局限性。首先,这是一项回顾性分析;其次,它基于来自单一三级医院的人群,存在明显的选择偏倚。此外,在真实世界中,FNA的建议不仅依赖于甲状腺结节的超声特征,还依赖于临床因素。
另一方面,应认识到一些重要的优势:我们分析了一个大样本,系统地收集了所有超声特征和临床信息。此外,同一人群多年来由同一经验丰富的内分泌团队(G.P.、A.C.、C.P.、L.P.)和病理团队进行检查。操作者可靠的NUS一致性进一步支持了我们的结果,正如其他系列研究[13, 14]所示。最后,我们的研究确实反映了在广泛且多样化人群中的临床实践,而在这种实践中并不总是能够应用严格的标准化医学策略。
总之,在真实临床环境中,甲状腺结节超声(NUS)可被视为所有医师的有益助手。然而,现有分类方法数量众多、缺乏多中心验证或采用集中实验室的前瞻性研究、研究设计多样,以及NUS各类别之间存在一些差异,这些仍代表此类工具的当前局限。此外,建议在风险类别内进行进一步、更合理的分配,以减少这种异质性及潜在误诊。尽管存在一些相关的结构性弱点,但在NUS敏感性和特异性方面取得良好平衡仍是一个现实的临床目标,尤其是在成熟稳定的长期工作团队中。我们的经验提供了支持采用NUS的证据,并显示可取得显著临床获益,在我们机构中主要通过ACR-TIRADS和AACE/ACE-AME评分[8, 9]实现。各NUS所节省的细胞学比例及其准确度水平可作为评分类工具性能的有效指标,引导医师团队选择最佳超声算法。因此,根据患者人群和操作者倾向,各医院采用最适合的NUS可能有助于统一超声描述和诊断流程指征。
补充信息
(DOCX 309 kb)
引用
- Sparano C, Verdiani V, Pupilli C, et al. Choosing the best algorithm among five thyroid nodule ultrasound scores: from performance to cytology sparing-a single-center retrospective study in a large cohort. Eur Radiol. 2021. PMID: 33599836. doi:10.1007/s00330-021-07703-5
- 全文:PMC8270877(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8270877/
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。