英国甲状腺协会、美国放射学会TIRADS与人工智能TIRADS的组织学对照比较:预测甲状腺恶性的诊断性能与不必要细针穿刺率
回顾性分析2017年218个有明确组织学结果的甲状腺结节,比较BTA、ACR-TIRADS与AI-TIRADS预测恶性的诊断性能及不必要细针穿刺率。以超声4-5级为阳性、1-2级为阴性时,三种系统敏感度均>93%,BTA敏感度98.28%、特异度42.55%,ACR-TIRADS敏感度95.24%、特异度40.57%,AI-TIRADS敏感度93.44%、特异度45.71%。BTA的不必要穿刺率46.3%显著高于ACR-TIRADS的30.7%和AI-TIRADS的29.8%(p<0.001)。
要点
- 以超声4-5级为恶性、1-2级为良性时,BTA、ACR-TIRADS和AI-TIRADS敏感度均>93%,但特异度均较低。
- BTA不必要穿刺率46.3%,显著高于ACR-TIRADS的30.7%和AI-TIRADS的29.8%(p<0.001)。
- ACR-TIRADS与AI-TIRADS结合结节直径决定穿刺阈值,可减少良性结节穿刺。
核心结论
- BTA、ACR-TIRADS和AI-TIRADS预测甲状腺结节恶性的诊断性能相似,以超声4-5级为恶性、1-2级为良性时敏感度均>93%。
- ACR-TIRADS和AI-TIRADS在良性结节中推荐细针穿刺的比例均显著低于BTA,不必要穿刺率分别为30.7%和29.8%,BTA为46.3%(p<0.001)。
- 以组织学为金标准,三种系统敏感度高但特异度相对较低,使用1-2级为良性、4-5级为恶性时TIRADS假阴性更多,但结合其他特征后改善。
研究设计与样本
- 回顾性研究,纳入2017年1月1日至2017年12月31日期间有术前甲状腺超声及原位甲状腺组织学结果的212例患者共218个结节。
- 由两名头颈亚专科放射科顾问医师(分别有15年和7年经验)在不知组织病理结果的情况下共识阅片,分别给出BTA、ACR-TIRADS和AI-TIRADS分级。
- 以组织病理学为金标准,将结节二分类为良性或恶性;甲状腺乳头状微小癌仅在明确对应目标结节时计为恶性,具有乳头状核特征的非侵袭性滤泡性甲状腺肿瘤视为良性。
- 计算各系统敏感度、特异度、阳性预测值、阴性预测值和准确度及95%CI,并比较不必要细针穿刺率。
关键影像表现/征象
- 超声评估结节成分(完全或几乎完全实性、海绵状、混合成分、完全或几乎完全囊性)、实性成分回声(与甲状腺实质比较为高、等或低回声,或与带状肌比较为显著低回声)。
- 记录横切面是否纵横比大于1,以及边缘不规则、分叶、毛刺或明显甲状腺外侵犯。
- 记录提示胶质的彗星尾伪影、更提示微钙化的点状强回声灶、不确定强回声灶、环状钙化或粗钙化,以及明显结节内血流。
- 3例TIRADS假阴性恶性结节为混合成分伴等回声实性成分,其中2例壁结节与囊壁成锐角。
诊断标准与关键数值
- BTA以U4-U5为阳性、U1-U2为阴性时,敏感度98.28%、特异度42.55%。
- ACR-TIRADS以TR4-TR5为阳性、TR1-TR2为阴性时,敏感度95.24%、特异度40.57%。
- AI-TIRADS以TR4-TR5为阳性、TR1-TR2为阴性时,敏感度93.44%、特异度45.71%。
- BTA、ACR-TIRADS和AI-TIRADS分别在71.6%、47.5%和46.1%的良性结节中推荐细针穿刺,不必要穿刺率分别为46.3%、30.7%和29.8%(p<0.001)。
- 在恶性结节中,BTA、ACR-TIRADS和AI-TIRADS分别有98.7%、79.2%和76.6%符合细针穿刺标准。
临床应用与阅片要点
- ACR-TIRADS和AI-TIRADS结合结节最大径与超声分级决定是否穿刺,可减少良性结节的不必要穿刺。
- BTA为模式分类系统,部分结节(如等回声实性伴点状强回声灶或分叶边缘)难以归类,本研究中12个(5.5%)结节BTA分类困难。
- TIRADS假阴性陷阱包括混合成分伴等回声实性成分的结节,尤其壁结节与囊壁成锐角时应视为可疑。
- 对于未达穿刺标准的恶性结节,TIRADS系统多数建议1年间隔超声随访。
- 在真实临床实践中,可能存在临床和实际原因使较小结节初始穿刺阈值低于TIRADS推荐而选择直接穿刺。
局限性
- 纳入结节数量相对较少。
- 研究为回顾性设计。
- 结节由两名亚专科放射科医师以中等偏高水平经验共识评分。
- 仅纳入有组织学结果的病例,观察者知晓绝大多数评估结节随后被切除,可能引入结节更可能为恶性的偏倚。
- 未对观察者间或观察者内变异进行正式分析。
全文中译7 节 · 点击展开
引言
甲状腺结节很常见,在高分辨率超声检查的人群中,高达67%可发现偶然性结节。1 根据年龄、性别、放射线暴露、家族史及其他因素,5%至15%的结节最终为恶性。2 随着颈部超声和图像引导下细针穿刺(FNA)的引入,过去四十年来全球甲状腺癌发病率持续上升。然而死亡率保持稳定。发病率上升主要由小型乳头状癌所致。这些小型癌,尤其是<1 cm者,通常呈惰性,很少出现症状或致命。3,4 因此,发现甲状腺结节常常构成诊断困境。超声的目的是协助识别具有生物学意义的癌症,同时避免对临床无显著意义的结节进行不必要的检查和过度诊断。
多项超声参数已被证明与甲状腺恶性病变可靠相关,包括结节实性、低回声、横切面上纵横比大于1、分叶或毛刺状边缘及微钙化。通常需要进一步行细针穿刺(FNA)以评估结节是恶性、良性还是需要手术以获得明确诊断。目前已开发出多种超声分级系统,用于对恶性风险进行分层并识别需要FNA的结节。
2014年7月,英国甲状腺协会(BTA)发布了甲状腺癌管理指南,其中推荐采用U1至U5超声分级来评估甲状腺结节的恶性风险。5,6 U1-5类别的结节特征见表1。推荐对评为U3及以上的结节行FNA。5 近期一项研究证明了BTA分类的可靠性,但对于无高风险细胞学或临床特征的不确定结节,适当的随访间隔和持续时间仍未明确。7 一项较早的验证研究发现其是一种稳健的方法,但研究中仅有小部分结节具有细胞学或组织学相关性。8
继Horvath9和Park10引入、随后Kwak11修改之后,美国放射学会(ACR)于2017年提出了甲状腺影像报告和数据系统(TIRADS),使用五个超声类别。12 这些包括结节成分、回声、形态、边缘和强回声灶,每个特征根据表现被赋予0至3分,总分决定恶性风险水平,从TR1(良性)到TR5(高度可疑)。结合结节最大直径,TR水平指示是否推荐FNA、随访超声策略或无进一步措施(表2)。其设计目的是识别大多数具有临床意义的恶性肿瘤,同时减少对良性结节进行的活检数量。
人工智能(AI)或深度学习在影像学的多个方面发挥着迅速发展的重要作用。Wildman-Tobriner等13最近提出的AI-TIRADS,是通过使用已知结局的甲状腺结节训练集,利用AI算法开发的,旨在改进ACR-TIRADS系统。该改良评分系统对任何非实性结节、含有高回声或等回声实性成分的结节、纵横比大于1的形态或粗钙化的结节给予比ACR-TIRADS更低的评分,但对实性结节给予更高的评分。此后,FNA或随访的阈值根据ACR-TIRADS按评分和大小确定。
今年早些时候发表的一篇系统综述14针对使用英国皇家病理学院报告系统的机构发现,非诊断性(即Thy1)细胞学率范围为3.0%至43.3%。全国Thy1率为20%–29%15,因此经常需要重复FNA尝试。理想的超声分类系统应具有良好的准确性,且在最终良性结节中指示FNA的比率较低。
本研究旨在在一组具有明确组织学结果的甲状腺结节队列中,比较评估BTA、ACR-TIRADS和AI-TIRADS在评估恶性风险方面的表现,并比较每种方法的不必要FNA率。
方法和材料
伦理考量
通过NHS健康研究管理局和医学研究理事会网站16的在线工具寻求研究伦理委员会建议,结果认为不需要伦理批准。
研究对象
在一个大型健康委员会中,2017年1月1日至2017年12月31日期间接受术前甲状腺超声检查且有原位甲状腺组织学结果的患者共237例,其中212例被纳入。25例被排除,原因包括超声显示弥漫性甲状腺疾病如甲状腺炎或弥漫性多结节性甲状腺肿而非离散结节(14例),或由于例如图像质量欠佳(11例)被认为无法可靠地将影像与组织病理学进行关联。共分析218个结节,大多数患者评估了1个结节,而6例患者评估了2个结节。
根据组织病理学和超声报告,由具有2年普通放射学经验的第一作者(LW)记录目标结节的侧别(左侧、右侧、双侧或峡部)、结节大小和病理结局。
每位患者在图像存档与通信系统(PACS)(Carestream Health Inc. Rochester, NY)自定义工作列表上被分配一个唯一的匿名代码。匿名静态超声图像由两位头颈部亚专科顾问放射科医师(第二和第四作者,GO和CM,分别具有15年和7年经验)进行回顾性审阅。如果有多次超声检查,选择结节FNA取样前最近的一次。如果没有FNA,则使用手术前最近的超声检查。原始超声检查由12位顾问放射科医师中的1位或2位超声技师中的1位在医院联合体多个机构的多台超声仪器上完成,所有人均具有甲状腺超声经验。研究观察者对组织病理学结果设盲,但被告知相关结节的侧别。
结节评估
使用BTA和ACR-TIRADS指南,对索引结节进行共识评分。在超声图像上用卡尺测量这些结节的最大直径,以协助与组织学结果进行交叉参照。对结节的组成进行评估,判断其为完全或几乎完全实性、海绵状、混合组成,还是完全或几乎完全囊性。任何实性成分均描述为相对于甲状腺实质的高回声、等回声或低回声,或相对于带状肌的“显著低回声”。记录结节在横断面上是否纵横比大于1,以及是否存在形态不规则、分叶、毛刺或明显的甲状腺外侵犯。记录提示胶质的彗星尾伪影、更提示微钙化的点状强回声灶、可疑强回声灶、边缘钙化或粗钙化的存在。如明显可见,记录显著的结节内血流信号。还详细记录是否存在形态异常的颈部淋巴结。AI-TIRADS分级通过修改ACR-TIRADS评估表中各类别的评分获得。此外,记录使用任何分类系统对结节进行归类时是否存在困难。
数据与统计分析
将每种系统的结节分级与组织病理学结果进行比较。组织病理学被视为金标准,为分析目的,结节以二分类方式归类为良性或恶性。甲状腺乳头状微小癌(PMC)仅在明确对应于目标结节时才标记为恶性病例。更常见的情况是,PMC是在因较大的目标结节行手术后偶然发现的。具有乳头状核特征的非浸润性甲状腺滤泡性肿瘤(NIFTP)被视为良性。
确定每个超声类别的恶性率,并表示为该类别中结节的百分比。确定三种分类的诊断性能,即灵敏度、特异度、阳性预测值(PPV)、阴性预测值(NPV)和准确率,以及95%置信区间。为此,BTA U2或ACR-TIRADS及AI-TIRADS TR1和TR2的评分被视为检验阴性,BTA U4和U5及ACR和AI-TIRADS TR4和TR5的评分归为检验阳性。评分为U3或TR3的结节在判定真阳性和假阳性及阴性时被指定为不确定,因此未纳入该部分分析。根据超声评分以及在适用情况下结节直径,对索引结节提出进一步管理(包括FNA)的事后建议。如果应用TIRADS指南不会推荐FNA,则记录是否会提示超声随访。记录良性和恶性结节中推荐FNA的比例,以百分比表示。为简洁起见,“不必要FNA”一词指最终为良性的结节中被推荐FNA。该率的计算方法为:有FNA推荐且组织学良性的结节数除以结节总数。
所有统计分析均使用MedCalc(v. 19)17和Minitab(v. 18)18完成,显著性水平为5%。
结果
研究期间,对212例成年患者在行单侧甲状腺次全切除(152例)、甲状腺全切除(37例)、仅核心活检(8例)、补充甲状腺切除(5例)、甲状腺次全切除(4例)、峡部切除(3例)和结节切除(3例)后获得了甲状腺组织学结果。
超声测量的结节直径平均为19 mm ± 19.1(范围5–100 mm),其中16个结节(7%)<1 cm。161例患者为女性(76%),患者年龄平均为58.5岁 ± 29(范围17–86岁)。
在218个分级结节中,141个证实为良性(64.7%),77个证实为恶性(35.3%)。组织学表现见表3。在23例良性病例和7例恶性病例中,还发现了额外的偶然性甲状腺乳头状微小癌(PMC)。
在12例(5.5%)病例中,索引结节在使用BTA评分时难以分类或难以达成共识一致。例如,实性或混合成分且等回声但伴有斑点状强回声灶或分叶状边缘的结节(图1),或具有总体良性特征但结节内血流丰富明显的结节。在此类情况下,采用最适拟合,考虑实际临床实践中最可能采用的 grading。没有结节被认为使用ACR或AI TIRADS难以分级。
表4显示了良性和恶性结节各分类的共识分级。各分类的诊断性能见表5。分别应用BTA、ACR-TIRADS和AI-TIRADS时,71.6%、47.5%和46.1%的良性结节以及98.7%、79.2%和76.6%的恶性结节符合FNA标准(表6)。这导致应用BTA时不必要的FNA率显著更高(χ2 p < 0.001),为46.3%,而ACR(30.7%)和AI-TIRADS(29.8%)均较低。
大多数低于FNA阈值的恶性结节在两种TIRADS系统下均建议初始1年间隔的随访超声。无需FNA或随访的恶性结节,使用ACR-TIRADS为6/77(7.8%),使用AI-TIRADS为7/77(9.1%),使用BTA为1/77(1.3%)。在ACR-TIRADS下不符合FNA或随访标准的结节中,三个为假阴性,分类为TR2,同时在AI-TIRADS下为TR1,在BTA下为U3。这些为混合成分伴等回声实性成分,尽管其中两个有壁结节,其边缘相对于结节壁形成锐角。示例见图2。这三例的组织学分别为嗜酸细胞变异型乳头状癌(一例)、混合经典型、滤泡型和柱状细胞变异型乳头状癌(一例)和鳞状细胞癌(一例)。另一个恶性结节同时分级为ACR和AI-TIRADS TR3以及BTA U3,但低于TIRADS的FNA大小限制,为滤泡型乳头状癌,而另外两例在两种TIRADS方法下均分级为TR4,且在8和9 mm直径时不符合FNA或随访标准。另一个用AI-TIRADS分级为TR2的恶性结节同时用ACR-TIRADS分级为TR4(符合FNA),用BTA分级为U3,为乳头状癌。使用BTA时,有一个11 mm的假阴性结节分级为U2,但在两种TIRADS方案下均考虑为TR4,因此会被建议超声随访。这是一例乳头状癌。
讨论
本回顾性研究比较了三种超声分类系统在预测甲状腺结节恶性及指导进一步检查方面的性能。这三种系统此前在现有文献中尚未被直接比较。
正如预期,超声分级越高,恶性可能性越大。我们研究中的总体恶性率(35.3%)高于其他一些研究,后者的恶性率范围为4.9%至22.7%8,20–22。各分类类别内的恶性比例也明显高于此前发表的ACR-TIRADS数据。19我们的较高比率更接近Chng等(31%)23(仅使用手术切除病例)和Ha等24(37.2%)。这几乎可以肯定是因为我们以手术切除或小数量病例的粗针活检组织学作为金标准。如果细胞学结果为非诊断性、不确定性或可疑,或超声显示结节分级较高,或患者临床病史和检查令人担忧,患者接受切除的可能性要大得多。其他大多数比较和验证研究将超声评分与细胞学、组织学和超声随访相结合进行相关性分析。由于我们谨慎地避免将偶发性微小乳头状癌(PMC)自动归类为恶性病例,而是根据目标结节的组织学进行分类,因此这不应影响恶性率。
各分类系统的敏感性和阴性预测值(NPV)普遍较高,各方法之间的准确性相当。与我们的系统最接近的比较可能由Chng等发表23,他们比较了美国甲状腺协会(ATA)、BTA和先前提出的Kwak TIRADS系统,各系统的敏感性均>90%,NPV良好。Kim等25发现ACR、韩国和欧洲TIRADS对TR 4/5结节的敏感性>90%。AI-TIRADS此前及最近再次被发现具有与ACR-TIRADS同等良好的敏感性,但特异性有所提高。13,22
在本研究中使用BTA分类对所有结节进行分类存在一定困难。多项研究已指出,使用ATA分类(同样采用基于模式的方法)时有一部分结节无法分类,20,21,26,27而Chng等发现与TIRADS相比,BTA和ATA均有少量病例无法分类。像TIRADS这样的评分系统可能较少出现这种困难,在本队列中所有结节均可使用TIRADS进行分类。
细针穿刺(FNA)并非没有风险或不适,且会引起患者焦虑。此外,它常常可能产生无法诊断的结果(Thy1)或Thy3细胞学结果,即“可能为肿瘤”,既不能明确为良性也不能明确为恶性——从而造成进一步的不确定性。与ACR-TIRADS或AI-TIRADS相比,BTA分级会导致最终为良性的结节接受FNA的比例更高。ACR和AI-TIRADS将结节直径与超声分级相结合来指导FNA的阈值。这降低了使良性结节或惰性癌症患者接受活检和治疗的风险和成本,同时对分级为TR3-5的较小结节进行长达5年的随访方案,允许后续识别出重要的恶性肿瘤。在一项比较七种指南的研究中,尽管韩国TIRADS、ATA和美国国家综合癌症网络更为敏感,但ACR的不必要FNA率最低,为25.3%。21 Xu等28和Grani等26在分别与韩国和EU-TIRADS比较以及后者与ATA和美国临床内分泌医师协会比较时,也发现ACR-TIRADS在这方面表现最佳。与此同时,AI-TIRADS近期被证明与韩国、欧洲和ACR TIRADS相比可避免最多数量的不必要FNA。22“不必要FNA”这一说法实际上是一种过度简化,因为从本质上讲它是回顾性确定的。它作为评估各种分类利弊的比较工具发挥作用,尽管并不能完全反映超声评估时判读和决策的细微差别。此外,改善中等偏高的无法诊断细胞学率的措施将提高FNA的整体效能。关于TIRADS系统对特定结节的随访安排,存在可设想的地域、沟通和依从性问题。然而,根据我们的经验,细胞学无法诊断或不确定的患者,或处于手术临界候选状态的患者,常接受超声随访,而在随访频率或持续时间方面没有明确的共识。
尽管与BTA相比,TIRADS系统中有较少数量的恶性结节符合FNA标准,但大多数符合超声随访条件,包括一个分级为BTA U2的假阴性结节。在我们队列中,有一部分恶性肿瘤在TIRADS下本不需要FNA或随访。Hoang等29在连续100个具有明确细胞学或切除结果的结节中应用ACR-TIRADS时,也发现该类别中有小比例(2.5%)的恶性结节。TIRADS下的三个假阴性结节为混合成分结节,伴有等回声实性成分。这是一个公认的陷阱,8,30尤其对于乳头状癌。事实上,其中两个结节具有与囊壁形成锐角的壁结节——根据ACR-TIRADS,这是一个公认的可疑发现,不在标准报告词汇范围内,事实上应被视为可疑。
本研究与大多数其他研究的不同之处在于,我们的队列中纳入了少量5–10 mm的结节(7%)。除TIRADS外,其他指南包括ATA和美国临床肿瘤学会31,32不推荐对小于1 cm的结节进行细针穿刺(FNA),除非考虑危险因素和个体情况。然而,这些小结节仍然经常遇到,通常需要在超声报告中进行分类,例如对于5至10 mm之间的TR5结节,值得进行超声随访。在我们的队列中,两个亚厘米级的恶性结节被评为TR4,低于FNA和随访阈值。虽然被认为中度可疑,但这种大小的结节极有可能表现为惰性行为。
尚无超声分层工具在预测甲状腺结节恶性方面表现出完美的准确性。敏感性和特异性之间几乎总是存在折衷,良性和恶性结节的表现之间存在一定程度的重叠。一个理想的系统应能在识别生物学相关疾病与避免对良性疾病过度检查和亚临床癌症过度诊断之间取得平衡。
研究局限性包括纳入的结节数量相对较少、回顾性性质,以及结节由两位在共识模式下具有中等偏高经验水平的亚专科放射科医师进行评分。一项纳入更大患者队列和更多操作者的前瞻性研究可能更有价值,同时也可避免审查静态超声图像时的固有困难。仅使用有组织学结果的病例意味着观察者知道所评估的结节在绝大多数病例中随后已被切除。这可能引入了偏向于所检查结节更可能为恶性的偏倚,然而甲状腺半切除术对于超声分级或细胞学不确定的结节是一种相对常见的诊断性手术。此外,这将对每个分级系统产生同等影响,不应影响它们之间的比较。未对观察者间或观察者内变异进行正式分析。然而,由于三种分类的诊断性能总体相当,可能归结为个人偏好以及对基于模式或基于评分系统的感知“用户友好性”。在现实世界的医学实践中,可能存在临床和实际理由,使得初始进行FNA的阈值较低,而不是建议对较小结节进行 interim 超声随访。
关于218个具有组织学相关性的甲状腺结节,BTA、ACR-TIRADS和AI-TIRADS分类对恶性均具有高敏感性和阴性预测值(NPV)。一部分结节难以使用BTA进行分类。应用ACR-TIRADS或AI-TIRADS均会导致良性结节中FNA的减少。
引用
- Watkins L, O'Neill G, Young D, et al. Comparison of British Thyroid Association, American College of Radiology TIRADS and Artificial Intelligence TIRADS with histological correlation: diagnostic performance for predicting thyroid malignancy and unnecessary fine needle aspiration rate. Br J Radiol. 2021. PMID: 33989038. doi:10.1259/bjr.20201444
- 全文:PMC8248201(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8248201/
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。