联合四种TIRADS筛查与判别策略提高甲状腺结节超声诊断准确性
本研究回顾性纳入795个有细胞学或手术病理的甲状腺结节,用ACR-TIRADS、Kwak-TIRADS、C-TIRADS和EU-TIRADS四种系统筛查,发现12.0%结节诊断不一致。对不一致结节采用基于回声特征的判别策略(等/高回声为良性,低/显著低回声为恶性),准确率达79.0%;四种TIRADS筛查后联合判别策略(SP+DS)的敏感度和AUC最高(91.3%,0.895)。
要点
- 四种TIRADS筛查后约12%结节诊断不一致,需关注回声特征鉴别。
- 不一致结节中,等/高回声多良性,低/显著低回声多恶性,准确率79.0%。
- SP+DS法敏感度91.3%、AUC 0.895,优于任一单独TIRADS。
核心结论
- SP+DS法在整体样本中敏感度(91.3%)和AUC(0.895)最高,优于四种TIRADS单独使用。
- 对四种TIRADS诊断不一致的结节,基于回声特征的判别策略准确率79.0%,优于Kwak-TIRADS(72.6%)。
- ACR-TIRADS与Kwak-TIRADS平行联合可提高敏感度(81.4%→89.2%)和AUC(0.863→0.889)。
- C-TIRADS与DS串联联合AUC最高(0.887),优于Kwak-TIRADS(0.884)和EU-TIRADS(0.879)。
研究设计与样本
- 回顾性研究,纳入2016年2月至2019年2月共795个甲状腺结节(334个手术恶性,63个手术良性,398个重复Bethesda II良性)。
- 采用Aplio 500、HI Vision Ascendus或HI Vision Preirus超声仪,5–12 MHz线阵探头,由认证放射科医师检查。
- 参考标准为手术病理(WHO标准)或重复Bethesda II细胞学。
- 采用逐步判别分析筛选变量,构建判别策略(DS)。
关键影像表现/征象
- 95个诊断不一致结节中,良性多呈等/高回声(70.9%),恶性多呈低回声(85.0%)。
- 不一致结节中,良性多边界清晰(56.4%),恶性多分叶或不规则(77.5%)。
- 不一致结节中,仅1.1%有纵横比>1,8.4%有微钙化。
诊断标准与关键数值
- 判别策略(DS):等回声或高回声结节考虑良性,低回声或显著低回声结节考虑恶性。
- 各TIRADS最佳诊断截断值:ACR-TIRADS TR5、Kwak-TIRADS 4c、C-TIRADS CTR 4b、EU-TIRADS grade 5。
- 单独TIRADS性能:C-TIRADS敏感度最高(91.6%),ACR-TIRADS特异度最高(91.1%),Kwak-TIRADS AUC最高(0.884,95%CI 0.860-0.906)。
- SP+DS法敏感度91.3%、AUC 0.895;SP+A+DS法(平行)敏感度91.6%、AUC 0.896;SP+C+DS法(串联)特异度87.9%、AUC 0.891。
临床应用与阅片要点
- 对不确定或可疑结节,可采用两种TIRADS联合测试或一种TIRADS联合DS提高准确性。
- 若两种TIRADS诊断不一致,可直接依据回声特征(等/高回声良性,低/显著低回声恶性)判断。
- 高敏感度TIRADS(如EU-TIRADS、C-TIRADS)适合串联联合DS提高特异度;高特异度TIRADS(如ACR-TIRADS、Kwak-TIRADS)适合平行联合提高敏感度。
- 建议使用结构化表格或设计流程执行四种TIRADS筛查。
局限性
- 回顾性研究,样本来自单中心。
- Bethesda 3和4结节样本量有限(31个),相关结论需未来研究证实。
- 判别策略基于回声特征,可能受样本概率分布影响。
全文中译11 节 · 点击展开
引言
超声检查作为一种简单、无创的诊断方法,目前在甲状腺结节评估流程中占据优先地位[1]。某些超声指标与甲状腺癌显著相关。常用的实时超声指标包括大小、成分、形态、晕环征、回声、钙化以及一些辅助特征,包括甲状腺外侵犯、淋巴结、血流和弹性。事实上,任何单一超声特征诊断甲状腺癌的敏感度和特异度均难以同时达到90%以上。低回声和实性结节的诊断敏感度较高但特异度较低,而伴有微钙化、浸润性边缘和纵横比大于1的结节则特异度较高但敏感度较低[2]。因此,由有效超声特征组合构成的超声模型更有助于识别结节的性质。
2009年,智利学者首次引入TIRADS的概念,并定义了十种超声模式以区分良恶性甲状腺结节[3]。随后Kwak于2011年提出了仅包含形态、回声、结构、钙化和边缘五项超声指标的简化分层评估系统[4]。此后发表的TIRADS,包括ATA指南、EU-TIRADS、ACR-TIRADS和KTA/KSThR-TIRADS,也均基于这五种超声模式构建。这些TIRADS目前已经过临床验证,具有良好的诊断价值。但其超声词典中某些特征的定义(如低回声、实性、海绵状)目前尚不统一。而且评估分类的数量、涉及的具体恶性特征、甚至利用可疑超声特征的方式也各不相同(即计算可疑特征的数量或使用超声模式进行风险分层),这使得这些系统从低度怀疑到高度怀疑分类的恶性率各不相同[5–8]。
迄今为止尚无完美的TIRADS。各种TIRADS各有其优势。例如,EU-TIRADS和ATA指南是以模式为基础的系统,具有高阴性预测值和敏感度,而ACR-TIRADS是典型的不评分系统,具有高阳性预测值和特异度[9–11]。我们假设基于这些事实,各种TIRADS可能会形成互补关系。例如,某些TIRADS更适用于某些甲状腺结节病例,而其他TIRADS则无法对其进行正确分类。此外,是否有可能基于这些不匹配结节的数据探索新方法来提高诊断准确率?
因此,在本研究中,我们重点关注四种TIRADS(包括新发布的C-TIRADS)之间不匹配结果的差异[12]。随后我们探索了潜在的方法,如两种TIRADS平行或序列试验,或一种TIRADS结合特定超声特征,以提高诊断准确率。
方法
本回顾性研究经机构审查委员会批准,豁免了审查图像和病历需获取知情同意的要求。
患者
2016年2月至2019年2月,本研究纳入933例患者的1001个甲状腺结节。仅纳入明确诊断的结节,恶性结节经手术病理证实,良性结节经手术病理或重复Bethesda II结果诊断。根据上述标准,最终纳入795个结节,其中手术恶性结节334个、手术良性结节63个、重复Bethesda II结果结节398个。排除188个无法明确诊断的结节:7个Bethesda I细胞病理学结节、28个Bethesda III-V且未进一步行手术病理检查的结节、132个仅有单次良性细胞病理学结果的结节,以及21个初始病理为良性但在随访期间超声检查发现结节体积增大的结节(平均间隔21个月,范围2至35个月)(图1)。
超声检查与图像评估
常规超声检查由委员会认证的放射科医师使用配备5–12-MHz线阵探头的Aplio 500(Toshiba Medical System)、HI Vision Ascendus(Hitachi Medical Corporation)或HI Vision Preirus(Hitachi Medical Corporation)超声仪器进行。超声图像由一名具有20年以上甲状腺超声诊断经验的放射科医师审阅,并由两名经验丰富的内分泌科医师在该放射科医师帮助下记录。他们在超声检查前均对患者的细针穿刺(FNA)结果或病理诊断不知情。如存在分歧,则通过共识得出结论。在评估结节之前,我们研究并比较了四种TIRADS的词典和分类(补充表1和2)。各种TIRADS在成分、回声性、边缘、形状和钙化方面的定义和分类基本相似。然而,在实性、海绵状、低回声的定义以及评估结节方位的切面方面存在细微差异。C-TIRADS和Kwak-TIRADS均为基于计数的系统。C-TIRADS将显著低回声和边缘模糊纳入评分系统,并将存在彗星尾伪影视为减分项。
FNA、细胞病理学和组织病理学
甲状腺结节根据细针穿刺(FNA)细胞病理学或手术组织病理学判定为良性或恶性。手术病理诊断基于WHO诊断标准[13],细胞病理学分类基于美国国家癌症研究所提出的Bethesda甲状腺FNA细胞学系统[14]。所有患者在FNA活检前均获得知情同意。该操作由一名具有穿刺经验的内分泌科医师采用超声引导下FNA技术,使用配备L14-5高频线阵探头的彩色多普勒超声扫描仪(Ultrasonix Medical Ltd.,Sonix SP)完成。根据消融治疗指南的建议[1, 15],良性病理定义为重复Bethesda II结果。在本机构,重复FNA的要求满足以下情况:(1)穿刺结果为Bethesda I、III和IV,需要重复确认或进行进一步基因检测;(2)根据TIRADS评估结节被归类为中度或高度可疑,但穿刺结果为Bethesda II;(3)患者计划接受热消融治疗;(4)在随访期间,结节直径或体积迅速增大,或出现新的可疑特征,包括边缘、回声、钙化等。两次重复良性FNA之间的时间间隔为2–4周。
统计分析
使用SPSS 26软件(IBM)和MedCalc 19.0.4软件(MedCalc)进行统计分析。符合正态分布的定量数据以均值±标准差表示,采用独立样本t检验评估。不符合正态分布的计量数据以中位数和四分位间距表示,采用非参数检验评估。定性数据以频数表示,采用卡方检验评估。各TIRADS的最佳截断点通过ROC分析在约登指数最高时确定,同时确定灵敏度和特异度。计算灵敏度、特异度、阳性预测值(PPV)、阴性预测值(NPV)和曲线下面积(AUC)。采用McNemar检验评估参数差异。进行逐步判别分析以确定可能区分良恶性结节的变量。双侧p值<0.05被认为具有统计学意义。
结果
基线
良性和恶性结节患者的年龄和性别无显著差异。恶性结节的最大尺寸显著小于良性结节(中位数1.00 [Q1-Q3,0.80-1.50] vs. 2.40 [Q1-Q3,1.50-3.20])(补充表3)。手术病理为甲状腺乳头状癌(PTC)的数量为334例。良性结节中手术病理包括结节性甲状腺肿52例、腺瘤性甲状腺肿3例、甲状腺滤泡性腺瘤6例和结节性桥本甲状腺炎2例。
如表1所示,ACR-TIRADS TR3和TR4、C-TIRADS CTR 4b和EU-TIRADS 4级的恶性率高于推荐的恶性率。四个TIRADS分级之间存在显著差异(均p < 0.001)。
补充表4显示了四种TIRADS的诊断性能。结果表明,ACR-TIRADS、Kwak-TIRADS、C-TIRADS和EU-TIRADS的最佳诊断截断值分别为TR5、4c、CTR 4b和5级。C-TIRADS具有最高的灵敏度(91.6%)和阴性预测值(NPV)(93.0%),而ACR-TIRADS具有最高的特异度(91.1%)和阳性预测值(PPV)(86.9%)。然而,Kwak-TIRADS具有最高的AUC 0.884(95% CI:0.860-0.906)。
图2展示了四种TIRADS在评估病理良性和恶性结节时的诊断分布。病理良性结果不一致的病例数多于病理恶性结果不一致的病例数(96/795 vs. 65/795)。总体而言,四种TIRADS同时诊断为恶性的结节中86.8%(269/310)和良性的病例中93.6%(365/390)经病理证实,而8.3%(66/795)的结节无法被任何TIRADS正确诊断,12.0%(95/795)的结节无法被所有四种TIRADS一致诊断。
判别策略
95个结节中的大多数为实性、纵横比小于1、无钙化,无论病理诊断如何。仅一小部分结节具有纵横比大于1(1.1%)和微钙化(8.4%)特征。至于回声特征,良性结节主要为等回声/高回声(70.9%),而恶性结节主要表现为低回声(85.0%)。至于边缘特征,良性结节以边界清晰为主(56.4%),恶性病例以分叶状或不规则边缘为主(77.5%)(补充表5)。
采用逐步判别分析来筛选最能鉴别良性和恶性结节的变量。五个常用变量作为甲状腺恶性结节的预测变量纳入分析。逐步判别分析筛选出回声变量(F = 34.87,p < 0.001)。判别函数为Y = 2.368 × 回声−1.421。该判别函数具有统计学差异(Wilks‘ lambda = 0.74,p < 0.001),且具有优良的预测价值,能够正确预测79.0%病例的分类。
根据上述判别函数,基于结节特征的判别策略(DS)如下:等回声或高回声结节应视为良性。低回声或显著低回声结节应视为恶性。该策略的诊断结果与上述预测结果保持一致(表2)。
性能特征
对于至少两种TIRADS筛查出的95个诊断不一致结节,DS表现最佳,准确率为79.0%,其次是Kwak-TIRADS(72.6%)(图3)。表3考察了各种TIRADS与DS对多种TIRADS诊断不一致结节的连接模式。DS与ACR-TIRADS平行联合使准确率显著提高(从61.1%升至80.0%),且A-DS的AUC较单独ACR-TIRADS显著改善(0.817 vs. 0.538);而DS与C-TIRADS序列联合也使准确率大幅提高(从47.3%升至76.8%),C-DS方法的AUC较单独C-TIRADS显著改善(0.776 vs. 0.535)。无论采用何种联合试验,DS与EU-TIRADS联合的AUC均显著高于单独EU-TIRADS(0.700 vs. 0.637,0.742 vs. 0.637)。但序列试验可能更优,因其AUC值更高且灵敏度和特异度更为均衡。
表4显示了由筛查流程、DS及联合试验构建的评估方法在总体样本中的诊断性能。与四种TIRADS相比,SP+DS方法的灵敏度和AUC最高(91.3%,0.895)。特异度以ACR-TIRADS最高(91.1%),其次为Kwak-TIRADS和SP+DS方法,两者间无显著性差异(88.5% vs. 87.6%,p > 0.05)。在评估包括联合试验在内的新方法时,灵敏度和AUC以SP+A+DS方法(平行模式)最高(91.6%,0.896),而特异度和AUC以SP+C+DS方法(序列模式)最高(87.9%,0.891)。对于总共31个初始Bethesda 3和4类结节(3.9%,31/795),其中17个(54.8%)为病理恶性,14个(45.2%)为良性,正确诊断频率以SP+DS方法和C-TIRADS最高(均为20/31),其次为Kwak-TIRADS(19/31)(补充表6)。
我们进一步考察了一种TIRADS联合另一种TIRADS或DS在总体样本中的性能(表5)。尽管特异度下降(从91.1%降至88.5%),ACR-TIRADS与Kwak-TIRADS经平行试验联合后,灵敏度和AUC较ACR-TIRADS显著改善(89.2% vs. 81.4%,0.889 vs. 0.863)。虽然灵敏度的p值处于统计学显著性的边界(从91.0升至92.5%,p = 0.053),EU-TIRADS与DS经平行试验联合后AUC显著改善(从0.875升至0.882,p = 0.0245)。提高C-TIRADS特异度有三种方式,包括与Kwak-TIRADS、EU-TIRADS和DS联合。C-TIRADS与DS联合的AUC最高(0.887,p = 0.0013),其次为Kwak-TIRADS(0.884,p = 0.0062),而AUC最低者为EU-TIRADS(0.879,p = 0.0064)。
图4展示了基于本文研究结果提出的提高超声准确性的推荐策略。对于可疑或性质不确定的结节,推荐使用两种TIRADS联合检测或一种TIRADS联合DS。但Kwak-TIRADS可单独使用。若两种TIRADS结果不一致,推荐直接使用DS进行判断。
讨论
我们的研究比较了四种TIRADS的诊断性能,并表明所有四种TIRADS均具有良好的诊断性能。四种TIRADS筛查流程导致12.0%的结节诊断不一致。我们随后测试了一种聚焦于该结节亚组的策略,以建立提高诊断准确性的方法。结果表明,基于回声性这一自变量建立的标准可以完全预测判别结果,准确率为79.0%,其次是Kwak-TIRADS(72.6%)。SP+DS方法的诊断性能显著高于四种TIRADS。特别是,四种TIRADS与DS联合时可大幅改善部分诊断不一致结节的诊断结果,从而提高所构建方法(包括SP+A+DS、SP+K+DS、SP+E+DS和SP+C+DS)的诊断性能。当DS应用于总体样本时,通过联合检测可获得C-TIRADS和EU-TIRADS诊断性能的显著改善。双TIRADS平行或序列检测也有助于通过联合Kwak-TIRADS来提高ACR-TIRADS和C-TIRADS的诊断性能。
在本研究中,四种TIRADS的敏感性范围为81.4%至91.6%,特异性范围为80.9%至91.1%,AUC为0.863至0.884,这表明所有TIRADS均具有良好的诊断性能。C-TIRADS具有最高的敏感性,而ACR-TIRADS具有最高的特异性,这与既往研究结果一致[16–18]。分类筛查结果证实了我们的假设,即四种TIRADS对某些结节的部分诊断不一致结果正是其诊断性能存在差异的原因。
在不添加其他新指标的情况下,我们使用判别分析筛选出一个预测因子——回声特征。所构建的SP+DS方法取得了更好的诊断性能。有人可能会质疑这些恶性指标是否依赖于样本的概率分布。必须指出的是,经四种TIRADS筛选出的部分诊断不一致的剩余结节较少表现为高度恶性特征,如纵横比大于1、微钙化和浸润性边缘。相反,它们大多表现为恶性程度较低的特征,如实性、低回声、边缘不规则和粗钙化。此外,可以观察到具有高度恶性特征的结节往往同时具有多种恶性特征,且更容易被各种TIRADS正确诊断[4, 6, 7, 12]。
新的评估方法各有其优点。四种甲状腺影像报告和数据系统(TIRADS)的一致诊断可以提供即时反馈,以增强确认诊断的信心。此外,假阳性率或假阴性率可以被有效控制和平衡,减少不必要的穿刺率并提高诊断准确性,这是目前结节诊断的两个基本目标[19]。此外,DS已被简化且易于掌握。考虑到易用性,建议在实践中最好借助结构化表格或设计好的流程来执行四种TIRADS筛查程序。最重要的是,与四种TIRADS相比,SP+DS方法和其他基于SP的方法的诊断性能有所提高。对于Bethesda 3和4类结节,SP+DS方法的正确诊断频率甚至最高。然而,由于样本量有限,后一结论必须在未来研究中加以证实。
我们进一步探讨了DS的临床适用性,并将其扩展到总体样本。结果表明,DS与四种TIRADS之间的联合模式在部分诊断不一致的结节中存在差异。那些灵敏度高的TIRADS,如EU-TIRADS和C-TIRADS,适用于串联试验以提高特异度,而特异度表现较好的ACR-TIRADS和Kwak-TIRADS则适合用于平行试验。这些结果表明,DS的应用方式取决于每种TIRADS的不同特征[19, 20]。在总体样本中情况似乎有所不同。例如,高灵敏度的EU-TIRADS似乎能够通过平行试验继续提高灵敏度。需要注意的是,各种TIRADS以不同方式与DS联合,这也可能反映了各种TIRADS中回声特征权重的差异。对于C-TIRADS,无论是在部分诊断不一致的结节中还是在总体样本中,C-TIRADS与DS均采用串联试验联合以提高特异度,这可能归因于低回声在其词典中并非高度恶性风险特征,且许多被C-TIRADS诊断为恶性且边缘不清的结节根据串联策略被正确诊断为良性[12, 17]。
值得注意的是,在我们的研究中,Kwak-TIRADS在灵敏度和特异度方面具有良好的平衡,这与既往研究一致[20, 21]。对于部分诊断不一致的结节,Kwak-TIRADS除SP+DS方法外也表现出最佳性能。在总体样本中,ACR-TIRADS与Kwak-TIRADS平行联合降低了假阴性率,C-TIRADS与Kwak-TIRADS串联联合降低了假阳性率。然而,尽管C-TIRADS可与Kwak-TIRADS联合以提高特异度,但其准确性与Kwak-TIRADS相同(均为88.4%),因此建议直接使用Kwak-TIRADS。综上所述,对于Kwak-TIRADS而言,可能没有必要联合另一种策略来实现更好的诊断性能。
在临床实践中,对于可疑或性质不确定且高度恶性特征较少的结节,通常会考虑两种或以上的评估系统[22]。考虑到TIRADS的惯常使用可能因机构或个人而异,需要考察既准确又具有临床意义的诊断组合。基于本研究结果,若结节为可疑或诊断不确定,可考虑采用两种TIRADS或一种TIRADS与DS联合的平行或序列试验以帮助提高准确性,其中Kwak-TIRADS可直接使用而无需联合试验。另一方面,可考察两种TIRADS在最佳截断点处的诊断一致性。若所选的两种TIRADS结果不一致,考虑到筛查过程的时间成本,建议直接使用DS,其可显著提高准确性。
ACR-TIRADS是一种常用的TIRADS,具有高特异性,可有效降低不必要的FNA率[17, 18, 23]。但假阴性是一个值得关注的问题。根据本研究结果,我们可能建议使用平行试验联合Kwak-TIRADS进行判断,以获得敏感性和特异性的平衡。然而,与ACR-TIRADS一样,TIRADS诊断性能的不均衡似乎也有其价值[19]。尽管采用了序列策略,一些新方法的特异性似乎并未超过ACR-TIRADS。相反,通过联合策略,本研究获得了多组敏感性和特异性平衡的评估方法,甚至一些方法可提高敏感性,例如A-DS和K-DS。这些方法是否具有临床应用价值有待进一步研究。
我们的研究存在一些局限性。第一,本研究中的所有甲状腺恶性肿瘤患者均局限于甲状腺乳头状癌(PTC)。本研究的结论是否适用于其他甲状腺恶性肿瘤尚需验证。第二,TIRADS最佳截断点的选择,尤其是考虑到敏感度和特异度的平衡,可能会影响本研究的结果。然而,各TIRADS的截断点相对稳定。ACR-TIRADS和EU-TIRADS大多设定在4类或5类,而Kwak-TIRADS主要设定在4c类,以最大化敏感度和特异度的平衡,确保诊断的准确性[19, 24–26]。如上所述,筛查流程几乎排除了具有多个高度恶性特征的结节,因此可以预测,即使样本可能不同,根据本研究策略仍可能获得相似的标准。需要更大样本或其他甲状腺癌的进一步研究来证实上述假设。此外,必须承认低于最佳截断点的分类也存在恶性风险,仍需要根据结节大小、个人或家族癌症史以及随访期间结节的变化来考虑是否进行FNA检查。第三,如“FNA、细胞病理学和组织病理学”部分所述,我们机构不常规进行重复FNA,这可能导致选择偏倚。此外,基于重复结果仍存在1–2%的假阴性率,这可能高估良性结节并影响各TIRADS的诊断性能。进一步研究可使用良性手术病理结果来排除这一潜在偏倚[1, 15, 27]。
总之,不可否认各种TIRADS具有良好的诊断性能,但如何进一步提高诊断准确性是一个值得探索的问题。本研究首次详细分析和比较了不同TIRADS的误诊和漏诊病例。我们在不增加额外诊断指标的情况下探索了新方法,并实现了准确性的有效提升。我们的发现所提供的推荐策略可能有助于提高超声不确定或可疑结节的诊断准确性。
补充信息
以下是电子补充材料的链接。补充文件1(DOCX 84.6 KB)
引用
- Lu, Wang, Lai, et al. A new discriminant strategy combined with four TIRADS screening procedures increases ultrasound diagnostic accuracy-focusing on "wrong diagnostic" thyroid nodules. Eur Radiol. 2022. PMID: 36169690. doi:10.1007/s00330-022-09126-2
- 全文:PMC9889473(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9889473/
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。