指南与共识乳腺乳腺X线

乳腺X线摄影首诊乳腺癌结构化报告:Delphi共识提案

Structured reporting of x-ray mammography in the first diagnosis of breast cancer: a Delphi consensus proposal.
指南 / 共识 · Radiol Med · 2022-03-18

由16名专家组成A组制定乳腺X线摄影首诊乳腺癌结构化报告,4名盲法B组专家评估质量与临床实用性;经三轮改良Delphi流程,最终报告含84个条目,第二轮总体均分4.9、Cα 0.82,质量评估均分3.3、Cα 0.90。

要点

  • 最终结构化报告共84个条目,涵盖个人资料、检查设置、病史、技术、辐射剂量、实质类型、病灶描述、诊断分类与结论等10个部分。
  • 实质类型部分基于ACR分类,病灶描述基于BI-RADS词典,诊断分类将病灶分为阴性、良性、可能良性、不确定、高度怀疑恶性及已知恶性。
  • 第二轮专家总体均分4.9(范围2–5),Cα 0.82;质量评估总体均分3.3(范围2–5),Cα 0.90。

核心结论

  • 作者认为结构化报告可提高报告的质量、清晰度和可重复性,有助于患者管理、改善乳腺健康护理并促进研究。

研究设计与样本

  • 采用多轮改良Delphi共识方法,A组16名乳腺放射学专家创建结构化报告,B组4名乳腺放射学专家盲法评估最终草案的质量与临床实用性。
  • A组专家检索PubMed、Scopus和Google Scholar从2000年12月至2020年12月关于乳腺癌乳腺X线摄影表现的文献,用于形成初始条目列表。
  • 进行三轮Delphi流程,第一轮和第二轮采用五级Likert量表评估各部分的同意度,第三轮由B组评估报告质量。
  • 最终结构化报告在radreport.org网站使用T-Rex模板以HTML格式生成,符合IHE和MRRT规范。

诊断标准与关键数值

  • 最终结构化报告包含:个人资料2项、检查设置4项、与既往乳腺检查比较2项、病史与临床背景19项、技术10项、辐射剂量1项、实质类型5项、病灶描述28项、诊断分类与报告12项、结论1项,共84项。
  • 实质类型基于ACR分类:几乎全部脂肪组织伴少量纤维腺体组织;不均匀致密,可能掩盖小病灶;均匀致密,敏感性降低。
  • 病灶描述包括位置、类型(肿块或非肿块)、大小、形状、边缘、密度、钙化存在与类型及相关临床表现(皮肤回缩、皮肤增厚、乳头回缩、腋窝淋巴结肿大)。
  • 诊断分类将病灶分为阴性、良性、可能良性、不确定、高度怀疑恶性及已知乳腺癌已经组织病理学证实,并给出随访或诊断建议。
  • 第二轮专家总体均分4.9(范围2–5),总分807,Cα 0.82;第一轮总体均分4.7(范围2–5),总分896,Cα 0.78;第三轮质量评估总体均分3.3(范围2–5),Cα 0.90。

临床应用与阅片要点

  • 作者认为结构化报告将促进放射科医生与临床医生之间的清晰沟通,结论部分允许表达明确诊断或加权鉴别诊断。
  • 作者认为使用结构化报告指导病灶评估应能减少放射科医生之间的变异性。
  • 作者指出识别和提取索引病灶是关键临床任务,放射科医生通常描述对临床医生确定患者管理最重要的病灶。
  • 作者认为技术部分的标准化有助于研究方案标准化和优化,从而通过提高患者安全(如降低辐射剂量)、最佳实践和图像质量来引导质量改进。

局限性

  • 专家组成员来自同一国家,国际专家的参与将允许更大范围的参与并传播结构化报告的统一性。
  • 本研究未评估结构化报告对乳腺癌患者管理的临床效果。
全文中译9 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:Radiol Med. 2022 Mar 18;127(5):471–83. doi: 10.1007/s11547-022-01478-5

引言

放射学是患者管理中的重要工具。向个性化影像医学发展的趋势日益需要专业知识,以便能够回答转诊专科医生的特定临床问题[1–3]。沟通通过放射科医生撰写的报告进行[4–6]。描述和理解影像特征以及提出基于概率的鉴别诊断是放射科医生的主要职责[7]。传统上,报告是自由形式的叙述。然而,减少报告差异并创建符合指南的模板对于放射学在基于价值的支付模式中取得成功并适合患者照护至关重要[8, 9]。近年来,放射学报告在改进结构和标准化方面有着强劲的推动力。乳腺影像领域结构化的一个显著例子是美国放射学会(ACR)制定并颁布了乳腺影像报告和数据系统(BI-RADS)。BI-RADS包括用于描述乳腺影像表现及其临床管理的标准化词汇[10]。

多个提案已得到主要国际放射学学会的支持,主张使用结构化报告(SR),如欧洲放射学会和北美放射学会在所谓的“结构化报告倡议”中所做的那样。意大利医学和介入放射学会(SIRM)已向学会成员提供了若干可用于日常实践的模板[11]。

SR的优势源于若干特征。在肿瘤学环境中,模板质量和影像特征陈述已取得实质性进展。多项研究能够表明,使用SR在影像表现的清晰性和全面性方面带来了显著进步[12–14]。在一篇关于胰腺病变分期阶段SR的论文中,被调查的外科医生表示,只有25–42%的叙述性模板描述了手术规划的所有相关特征,而在SR的情况下则提高到了69–98%[15]。

在肿瘤学之外,在所有放射学领域,SR都带来了质量的显著提升,因为模板中纳入了相当多更相关的信息,且转诊临床医生更青睐SR而非自由文本报告(FTR)。SR的优势远不止于沟通。事实上,将有关对比剂或辐射暴露的数据存档并随之添加到模板中的可能性将是容易的技术应用[16, 17]。

尽管有所有这些有前景的进展,SR尚未转化为临床实践。一项对SIRM成员的调查注意到,意大利放射科医生了解SR,但只有较小一部分群体习惯性地在临床实践中使用它[18]。

在女性中,乳腺癌是全球最常被诊断的癌症,也是癌症相关死亡的主要原因[19, 20]。数字乳腺断层合成(DBT)在乳腺癌筛查和诊断领域迅速占据一席之地[21]。已发表的数据显示,与当前标准数字乳腺X线摄影(DM)相比,DBT具有优越性。DBT已被证明可提供更高的敏感性和特异性,以及更好的病灶可见性和定位[21]。在此背景下,有必要对当前自由文本报告(FTR)的格式进行组织并转向结构化报告(SR)。从FTR转向SR的三个主要原因是质量、数据化量化和可及性。使用SR带来的关键质量改进是标准化。在SR中使用模板提供了一份检查清单,以确认某项检查的所有相关项目是否均已涵盖。得益于这种“结构”,放射学报告还将允许将放射学数据与其他关键临床特征相关联,从而实现精准诊断和个性化医疗。

我们研究的目的是提出一份用于乳腺癌首次诊断中X线乳腺摄影的结构化报告模板,以指导放射科医师进行系统化报告并改善报告与临床医师的沟通。

材料与方法

基于多轮共识构建的改良德尔菲法,在乳腺放射学专家之间完成了批判性讨论,以完善一份用于乳腺癌患者乳腺X线摄影的综合性SR。

专家小组

成立了一个由16名专家组成的工作组(A组),其为SIRM乳腺放射学研究分会委员会的成员,旨在创建一份用于乳腺癌首次诊断中X线乳腺摄影的结构化报告。另成立了一个由4名乳腺放射学专家组成的工作组(B组),从表示愿意参与共识的资深前任委员会成员中选出,且对A组的活动设盲,旨在评估结构化报告最终草案的质量和临床实用性。

A组所有小组成员分析了主要科学数据库中的文献论文,包括Pubmed、Scopus和Google Scholar,以评估2000年12月至2020年12月期间关于乳腺癌乳腺X线摄影表现的论文。对所选研究的全文进行了审查,并通过电子邮件和/或电话会议帮助小组成员编制了报告项目的第一份清单。

SR分为10个部分:(a)个人资料,(b)设置,(c)与既往乳腺检查的比较,(d)病史和临床背景;(e)技术;(f)辐射剂量;(g)实质模式;(h)所见描述;(i)诊断类别和报告;以及(j)结论。作为模板的一部分,我们增加了一个专门的部分,包含更具相关性的图像。

德尔菲轮次

初步地,每位小组成员通过在线会议或邮件交流自主地为完善SR草案做出贡献。随后,进行了三轮德尔菲轮次[17]。

在第一轮中,使用Google表单调查来测试专家组成员对结构化报告(SR)草案的同意程度。SR的每个部分(即患者临床数据、临床评估、检查技术、报告、所见和结论)均采用五点李克特量表进行测试(1=非常不同意,2=稍微不同意,3=既不同意也不反对,4=稍微同意,5=非常同意)。

在第二轮之后,最终版结构化报告在专用的RSNA网站(radreport.org)上使用HTML格式的T-Rex模板生成,符合IHE(整合医疗企业)和MRRT(放射学报告模板管理)规范,可作为开源软件访问,并获得Exprivia(意大利巴里省莫尔费塔)的技术支持。这些决定了放射学报告模板的格式[通过使用超文本标记语言第5版(HTML5)],以及请求、取回和存储这些方案表的传输机制[18]。放射学报告通过使用整合在T-Rex编辑器预选部分中的一系列“编码查询”进行结构化[18]。

在德尔菲过程的第三轮中,B专家组被要求使用五点李克特量表对报告质量表达其同意程度。特别是,专家们被要求对以下陈述表达同意程度:1)结构化报告包含首次诊断性乳腺X线摄影的所有描述性要素;2)结构化报告允许清晰地表达诊断;3)结构化报告允许清晰指明患者管理方案;4)与临床实践中已在使用的描述性报告相比,结构化报告可减少报告时间;5)结构化报告便于放射科医师在临床实践中实施;6)采用结构化报告需要对放射科医师进行一段时间的培训。

统计分析

每位专家的回答导出至Microsoft Excel文档中,用于数据收集和统计分析。

平均分、标准差和分数总和被用作专家对每个部分所评分数的统计描述指标。平均分3分被视为良好,5分被视为优秀。

评估专家对各部分评分的内部一致性,并使用Cronbach's alpha(Cα)相关系数进行平均项目间相关性的质量分析[22, 23]。Cα在每一轮之后确定。

alpha系数(α)>0.9被视为优秀,α>0.8良好,α>0.7可接受,α>0.6可疑,α>0.5差,α<0.5不可接受。在迭代中,α为0.8被视为内部信度的合理目标。

数据分析使用Matlab统计工具箱(The MathWorks, Inc., Natick, MA, USA)进行。

结果

结构化报告

最终SR版本(附录1)的构建包括:个人数据部分n=2个条目,设置部分n=4个条目,与既往乳腺检查比较部分n=2个条目,病史和临床背景部分n=19个条目;技术部分n=10个条目;辐射剂量部分n=1个条目;实质模式部分n=5个条目;所见描述部分n=28个条目;诊断分类和报告部分n=12个条目;结论部分n=1个条目。总体而言,SR的最终版本由84个条目组成。

“个人数据”部分包括患者临床信息,如体重、身高、BMI、腰围,以及高血糖、高胆固醇血症、高甘油三酯血症、动脉性高血压等病理情况。

“检查环境”部分说明检查的临床环境,如组织化的召回筛查评估、无症状或症状性女性的诊断性乳腺X线摄影(自发/机会性筛查)。

“与既往乳腺检查的比较”部分在可能的情况下包括从既往检查中获得的数据,以便将当前数据与之比较。

“病史与临床背景”部分包括既往恶性肿瘤史或恶性肿瘤家族史、危险因素、基因检测组合,以及是否存在乳房肿块、腋窝肿块、乳头溢液、皮肤/乳头改变、乳房疼痛等症状的数据。

“技术”部分包括所进行检查类型的数据,如胶片屏幕乳腺X线摄影或数字乳腺X线摄影,以及所使用方法学的数据。

“辐射剂量”部分包括辐射暴露类别的数据。

“实质模式”部分基于ACR分类:几乎完全为脂肪组织,伴有稀疏的纤维腺体组织区域

不均匀致密型,可能掩盖小病灶

均匀致密型,敏感性降低

“病灶描述”部分包括病灶位置、病灶类型(肿块或非肿块)、大小、形状、边缘、密度、钙化的存在及类型,以及相关临床发现(如皮肤回缩、皮肤增厚、乳头回缩、腋窝淋巴结肿大)的数据。

在“诊断类别与报告结论”部分,病灶被分层归入不同类别(阴性、良性、可能良性发现、不确定病灶、高度提示恶性的发现以及已在组织病理学上证实的已知乳腺恶性肿瘤),并据此给出后续随访或诊断建议。

“结论”部分为自由文本部分,包含放射学诊断。

共识一致性

表1报告了第一轮中16名评审专家对结构化报告(SR)的单项评分和评分总和。其中一名专家未参加第二轮:表2报告了第二轮中评审专家对SR的单项评分和评分总和。

如表1和表2所示,在第一轮和第二轮中,所有部分均获得良好以上的评价。第一轮中专家的总体平均评分(n=16)和SR评分总和分别为4.7(范围2–5)和896(表1)。第二轮中评审专家的总体平均评分(n=15)和SR评分总和分别为4.9(范围2–5)和807(表2)。

第二轮中评审专家的总体平均评分高于第一轮的总体平均评分,且标准差更低。

结构化报告的Cα相关系数在第一轮为0.78,第二轮为0.82。

表3报告了第三轮中评审专家对结构化报告的单项评分,涉及4名评审专家对SR质量评价的回答。所有问题均获得良好以上的评分(≥ 3)。专家的总体平均评分(n=4)为3.3(范围2–5)。第三轮中结构化报告的Cα相关系数为0.90。

表1 评审专家对结构化报告的单项评分和评分总和(第一轮) 查看原表 ↗
表2 评审专家对结构化报告的单项评分和评分总和(第二轮) 查看原表 ↗
表3 专家小组成员对结构化质量评价(第三轮)的单项评分 查看原表 ↗

讨论

本研究提出并采用多轮改良德尔菲共识法构建了一份用于乳腺癌首次诊断中X线乳腺摄影的结构化报告(SR)。额外引入了一轮由一组对A组活动不知情的专家参与的评估,以评价SR最终稿的质量和临床实用性。在第一轮和第二轮中,所有部分的评估均高于良好水平。第一轮中专家小组成员的总体平均分和SR评分总和分别为4.7和896。第二轮中专家小组成员的总体平均分和SR评分总和分别为4.9和807。第二轮中专家的总体平均分高于第一轮的总体平均分,且标准差更低,突显了本轮中专家对SR的更高一致性。关于专家小组成员对质量评价的回答,所有问题均获得高于良好评级(≥ 3)。专家小组成员的总体平均分为3.3,尽管关于结构化报告与描述性报告相比可减少报告时间这一条目,两名专家给出了2分,因为他们认为两种情况下的时间相似。关于放射科医师采用结构化报告需要培训期这一条目,一名专家给出了1分,认为没有必要。

第三轮中结构化报告的Cronbach's alpha(Cα)相关系数为0.90。

关于“个人数据”,该部分获得的平均值和标准差略低于其他部分,这一趋势在第一轮和第二轮中均得到确认。我们认为,这是由于专家小组成员认为这一精细的数据处理过程可能会减慢正常工作流程,并被认为不易使用。然而,有必要指出,所有部分彼此独立,因此这是一个可选部分,甚至可能不被填写,尽管其设计目的是创建数据库。事实上,收集所有这些数据的可能性使得能够创建一个大型数据库,不仅用于流行病学研究,而且在放射学的最高理念中为放射组学研究奠定基础。

本研究提供了首个基于标准化结构和术语集建立的乳腺X线摄影模板,这些是遵循诊断-治疗建议所必需的特征,以减少可能由非标准化术语集引起的不确定性;作者认为,所提出的结构化报告将使放射科医生与临床医生之间的沟通更加清晰;若非如此,结论则无法表达明确诊断或加权鉴别诊断(DD)[24]。本模板包含若干部分,对这些部分的评估可将病变分层为不同类别(阴性、良性、可能良性发现、不确定病变、高度提示恶性的发现和已知恶性),并据此给出后续随访或诊断建议。肿块病变的结构化报告(SR)基于美国放射学会提供的BI-RADS术语集[25]。BI-RADS术语集需要放射科医生的理解才能指定最终类别。然而,由于执业地点水平和放射科医生个体的差异,放射科医生在BI-RADS类别分配方面存在显著的不一致性[26, 27]。通过在实践中对阅片者进行术语集教育,有可能减少这种变异性[26]。

多位作者报道,使用检查清单可提高诊断准确性[27–29]。开发用于指导病变评估的结构化报告(SR)应能减少放射科医生之间的变异性。另一个关键问题与多发病变的存在有关;然而,放射科医生通常描述对临床医生确定患者管理最为关键的病变。因此,识别和提取索引病变是一项关键的临床任务[30, 31]。

本结构化报告(SR)的构建不仅考虑了美国放射学会(ACR)建议的类别,因此应有助于对病变进行正确评估,而且它由不同部分组成,可将影像学特征与临床病史相关联。本放射学报告的设计目标是富含数据,这些数据有可能被汇总、分析并与患者结局相关联,从而为未来的临床和影像学指南提供信息。然而,使用非标准化术语集应会限制跨多个机构的数据收集工作[32, 33]。

关于“技术”部分,揭示检查技术,不仅在本科室内,而且与其他中心的科室之间,回答双重原因。首先,它允许研究方案的标准化,其次,它允许在不同中心之间优化研究方案。方案优化应通过增强患者安全(例如,减少辐射剂量)、最佳实践、图像质量并减少医疗差错来引导质量改进[34–40]。

结构化报告(SR)相较于叙述性报告的优点包括标准化结构和术语集,这是遵循诊断和治疗建议以及纳入临床试验所必需的特征。结构化报告(SR)减少了因术语集不统一而导致的歧义。结构化报告(SR)的广泛应用对于在大数据背景下为转诊医生提供最佳服务质量、为研究人员提供最佳质量信息至关重要[38–54]。

尽管结果良好,但仍有若干弱点值得我们思考。首先,小组成员来自同一国家;国际专家的参与将允许更广泛的参与,并有助于推广结构化报告(SR)的一致性。其次,本研究未评估结构化报告对乳腺癌患者管理中的临床效果。然而,本研究的优势在于得到了多学科团队的支持,其中多位专家评估了临床影响的质量。

结论

在本研究中,提出并构建了一份用于乳腺癌首次诊断中X线乳腺摄影的结构化报告模板,采用多轮改良德尔菲共识法。额外增加了一轮,纳入一组对A组活动不知情的专家,以评估结构化报告最终稿的质量和临床实用性。在第一轮和第二轮中,所有部分的评估均高于良好水平。采用最佳实践指南的标准化方法将改善BI-RADS评估分类分配的培训和表现,并为各中心内部及跨国界的质量保证程序提供基础。

引用

  1. Neri E, Granata V, Montemezzi S, et al. Structured reporting of x-ray mammography in the first diagnosis of breast cancer: a Delphi consensus proposal. Radiol Med. 2022. PMID: 35303247. doi:10.1007/s11547-022-01478-5
  2. 全文:PMC9098566(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9098566/

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。