引用本文： 趙海娜, 彭玉蘭, 駱洪浩, 何玉霜, 金亞, 楊盼. 乳腺影像報告數據系統超聲圖像特征預測乳腺癌風險的logistic模型及診斷效能研究. 華西醫學, 2015, 30(12): 2249-2253. doi: 10.7507/1002-0179.20150645 復制
乳腺癌是目前中國女性發病率最高的惡性腫瘤[1]。高頻超聲是原衛生部指定的農村乳腺癌篩查項目的首選影像檢查技術，在乳腺癌診斷與鑒別診斷中發揮重要作用。乳腺影像報告數據系統（BI-RADS）是2003年美國放射學院在X線乳腺影像報告及數據系統基礎上建立的，以往多數研究認為其標準評估分類能客觀反映乳腺腫塊聲像圖特征，有利于乳腺良惡性疾病的鑒別診斷[2-3]。本研究將大樣本的乳腺超聲圖文資料，進行BI-RADS標準化處理，對各惡性征象進行單因素及多因素logistic回歸分析，建立回歸模型，根據超聲結論，預測乳腺患病風險。
1 資料與方法
1.1 一般資料
納入2011年1月－9月于四川大學華西醫院行乳腺超聲檢查并經病理證實的乳腺腫塊患者，所有患者均為女性，用Excel刪除重復檢查病例，分析資料時刪除超聲或病理資料不完整的病例及已行臨床干預的病例。最后納入1 660例患者，年齡12～86歲，腫塊直徑4～150 mm。
1.2 方法
回顧性分析納入患者超聲圖像，依據超聲版BI-RADS評估分類指導將各例患者超聲圖像特征標準化[4]，標準化描述包括形態（規則形、不規則形）、方位（平行于表面皮膚、不平行于表面皮膚）、邊緣（局限、模糊、成角、微小分葉、毛刺征）、邊界（清晰、不清晰）、強回聲暈、內部回聲、周圍組織改變（導管異常、Cooper韌帶受牽拉、結構扭曲、水腫、皮膚增厚、回縮）、后方回聲是否衰減、是否有腫塊內微鈣化、是否有簇狀小囊腫、是否有復雜囊腫、皮膚是否有腫塊、是否有乳腺內異物、是否探及乳內淋巴結、腋窩淋巴結是否腫大、血流Adler分級、流速及阻力指數，血流分級為Ⅱ級及以上、阻力指數≥0.7為惡性指征[5-8]。
1.3 統計學方法
應用SPSS 17.0統計學軟件，計數資料采用四格表的χ2檢驗，分析各超聲圖像特征良惡性組的差異，檢驗水準α=0.05，并計算靈敏度、特異度、準確度、比值比（OR）等指標；單因素分析差異有統計學意義的征象進入logistic多因素分析，根據該回歸模型可以得出對乳腺惡性病變的預測概率值P，并繪制P值的受試者工作特征（ROC）曲線。
2 結果
2.1 病理類型分布
1 660例乳腺腫塊患者中，病理檢查結果顯示，良性1 041例，惡性619例，各病理類型分布見圖 1。
圖1
1 660例乳腺腫塊病理類型分布
2.2 圖像特征診斷效能的單因素分析
形態、方位、邊緣模糊、成角（圖 2a）、微小分葉、毛刺征（圖 2b）、邊界、強回聲暈、結構扭曲（圖 2c）、Cooper韌帶受牽拉增厚（圖 2d）、水腫、皮膚增厚回縮、后方回縮衰減、腫塊內微鈣化、腋窩淋巴結腫大、血流Adler分級、流速、阻力指數18個征象在良惡性組間差異有統計學意義（P＜0.001），導管異常、簇狀小囊腫、復雜囊腫、皮膚腫塊、異物、乳內淋巴結6個征象在良惡性組間差異無統計學意義（P＞0.05）。見表 1。
圖2
乳腺癌部分超聲特征 a. 乳腺癌中“成角”征象 b. 乳腺癌中“毛刺”征象 c.乳腺癌中“結構扭曲”征象 d.乳腺癌中“Cooper韌帶增厚”征象
表1
各超聲惡性征象鑒別乳腺腫塊良惡性的診斷效能
2.3 圖像特征診斷效能的多因素分析
將單因素分析有統計學意義的18個指標賦值后納入多因素logistic分析，賦值見表 2，建立超聲診斷乳腺病灶良、惡性的logistic回歸模型，Logit（P）=?3.774+0.924x1+0.660x3+1.053x5+1.506x8+1.788x10+0.790x12+0.761x13+1.272x14+1.595x15+0.731x17，見表 3。
表2
變量賦值表
表3
各超聲惡性征象鑒別乳腺腫塊良惡性的多因素logistic分析
用所得的預測值繪制ROC曲線（圖 3），計算曲線下面積評價模型的預測能力，基于這些圖像特征建立的logistic回歸模型診斷乳腺癌的靈敏度、特異度及準確度分別為84.5%、95.5%、91.4%，曲線下面積為0.964，標準誤為0.005，P＜0.000 1，95%置信區間（95%CI）為（0.954，0.973）。
圖3
logistic回歸方程ROC曲線
3 討論
乳腺癌已成為我國女性發病率最高的惡性腫瘤，目前缺乏一級預防措施，早期發現、早期治療仍是影響乳腺癌預后最重要的因素。超聲是鑒別診斷乳腺癌的重要檢查手段，相關報道研究不在少數，但大多研究存在納入樣本量較少、超聲圖像特征納入不完全、描述不夠規范等問題[9-10]。
本研究納入大樣本病例，首先對各病例的超聲報告術語進行BI-RADS標準化處理，并將包括18個方面30個超聲圖像特征全部納入研究。通過單因素分析，其中形態、方位、邊緣、邊界、強回聲暈、周圍組織改變、后方回聲是否衰減、是否有腫塊內微鈣化、腋窩淋巴結是否腫大、血流Adler分級、流速及阻力指數在鑒別乳腺良惡性疾病中差異有統計學意義（P＜0.05）。征象形態規則形、方位平行于表面皮膚、邊緣局限、邊界清晰、血流Adler分級為0～Ⅰ級、流速＜20 cm/s、阻力指數＜0.7更多表達在乳腺良性病變中，稱為超聲良性征象；征象不規則形、方位不平行于表面皮膚、模糊、成角、微小分葉、毛刺征、邊界不清晰、強回聲暈、Cooper韌帶受牽拉、結構扭曲、水腫、皮膚增厚、回縮、后方回聲衰減、腫塊內微鈣化、腋窩淋巴結腫大、血流Adler分級為Ⅱ～Ⅲ級、流速≥20 cm/s、阻力指數≥0.7更多地表達在乳腺癌中，稱為超聲惡性征象，與以往研究結果[11-12]相近。
OR值是反映病例組中暴露與非暴露人數的比值和對照組中暴露與非暴露人數的比值之比，可以用作相對危險度的估計值，它是反映暴露因素與患該病關聯強度的指標，OR＞1時，值越大，該因素與疾病的關聯程度越強。在本研究中，OR值表示出現某超聲圖像特征與不出現該征象患乳腺癌的危險度之比，OR＞1時，值越大，則出現該征象時越傾向該腫塊為乳腺癌。單因素分析時，18個超聲惡性征象OR值從大到小排序：Cooper韌帶受牽拉＞強回聲暈＞皮膚增厚＞腋窩淋巴結異常＞結構扭曲＞毛刺征＞不規則形＞模糊＞水腫＞邊界不完整＞阻力指數≥0.7＞微鈣化＞成角＞流速≥20 cm/s＞后方回聲衰減＞方位不平行＞微小分葉，其中前6項均由病變周圍組織改變形成，與乳腺癌侵襲性生長方式及可經淋巴道轉移相對應。以往研究中納入的超聲圖像特征不完全，Cooper韌帶受牽拉、結構扭曲及皮膚增厚回縮等征象常常被忽略[3, 13-14]，本研究中這些征象OR值高，單獨鑒別診斷乳腺癌的特異度均在90%以上，是超聲診斷乳腺癌非常好的指標。
本研究采用多因素回歸分析方法，在乳腺超聲惡性征象中篩選出10項危險因素，這些危險因素OR值從大到小依次為Cooper韌帶改變＞腋窩淋巴結＞強回聲暈＞微鈣化＞邊緣微小分葉＞不規則形＞結構扭曲＞皮膚增厚＞阻力指數≥0.7＞邊緣模糊，說明出現上述超聲圖像特征時，腫塊更傾向惡性，OR值越大惡性危險度越高。毛刺征、邊緣模糊、水腫、邊界不完整、邊緣成角、流速≥20 cm/s、后方回聲衰減、方位不平行共8個征象在單因素分析中對鑒別乳腺良惡性疾病差異有統計學意義，但對logistic回歸方程無貢獻，首先可能與征象之間的相關性有關，如出現毛刺征、邊緣成角的腫塊，通常形態是不規則的；其次也可能與征象在樣本中出現的頻率有關，頻率較低的征象在整體樣本分類中作用較弱，不容易進入方程，如1 660例樣本中僅54例出現水腫，這可能是其最終沒有進入logistic回歸方程的原因。征象邊緣成角、毛刺征、后方回聲衰減、流速≥20 cm/s雖然未進入logistic回歸方程，但這些征象診斷乳腺癌的特異度均在90%以上，提示出現這些征象時，腫塊為乳腺癌的危險度高，對單個病例進行預報時，仍是非常重要的指標。
本研究建立的logistic回歸方程對乳腺良惡性病變有較好的預測能力，其診斷乳腺癌的靈敏度、特異度及準確度分別為84.5%、95.5%、91.4%，回歸模型ROC曲線下面積為0.964，預報正確率為91.0%，曾婕等[15]研究結果相近。
本研究納入大樣本病例，通過單因素分析，定義超聲良惡性征象，評估各超聲惡性征象鑒別診斷乳腺良惡性疾病的效能，通過多因素分析建立的回歸模型對乳腺癌有良好的預測能力。本研究結果預示著開展多中心大樣本的研究建立具有循證醫學意義的預測模型可用于乳腺超聲臨床決策支持系統，輔助超聲醫師提高對乳腺癌的診斷水平。
乳腺癌是目前中國女性發病率最高的惡性腫瘤[1]。高頻超聲是原衛生部指定的農村乳腺癌篩查項目的首選影像檢查技術，在乳腺癌診斷與鑒別診斷中發揮重要作用。乳腺影像報告數據系統（BI-RADS）是2003年美國放射學院在X線乳腺影像報告及數據系統基礎上建立的，以往多數研究認為其標準評估分類能客觀反映乳腺腫塊聲像圖特征，有利于乳腺良惡性疾病的鑒別診斷[2-3]。本研究將大樣本的乳腺超聲圖文資料，進行BI-RADS標準化處理，對各惡性征象進行單因素及多因素logistic回歸分析，建立回歸模型，根據超聲結論，預測乳腺患病風險。
1 資料與方法
1.1 一般資料
納入2011年1月－9月于四川大學華西醫院行乳腺超聲檢查并經病理證實的乳腺腫塊患者，所有患者均為女性，用Excel刪除重復檢查病例，分析資料時刪除超聲或病理資料不完整的病例及已行臨床干預的病例。最后納入1 660例患者，年齡12～86歲，腫塊直徑4～150 mm。
1.2 方法
回顧性分析納入患者超聲圖像，依據超聲版BI-RADS評估分類指導將各例患者超聲圖像特征標準化[4]，標準化描述包括形態（規則形、不規則形）、方位（平行于表面皮膚、不平行于表面皮膚）、邊緣（局限、模糊、成角、微小分葉、毛刺征）、邊界（清晰、不清晰）、強回聲暈、內部回聲、周圍組織改變（導管異常、Cooper韌帶受牽拉、結構扭曲、水腫、皮膚增厚、回縮）、后方回聲是否衰減、是否有腫塊內微鈣化、是否有簇狀小囊腫、是否有復雜囊腫、皮膚是否有腫塊、是否有乳腺內異物、是否探及乳內淋巴結、腋窩淋巴結是否腫大、血流Adler分級、流速及阻力指數，血流分級為Ⅱ級及以上、阻力指數≥0.7為惡性指征[5-8]。
1.3 統計學方法
應用SPSS 17.0統計學軟件，計數資料采用四格表的χ2檢驗，分析各超聲圖像特征良惡性組的差異，檢驗水準α=0.05，并計算靈敏度、特異度、準確度、比值比（OR）等指標；單因素分析差異有統計學意義的征象進入logistic多因素分析，根據該回歸模型可以得出對乳腺惡性病變的預測概率值P，并繪制P值的受試者工作特征（ROC）曲線。
2 結果
2.1 病理類型分布
1 660例乳腺腫塊患者中，病理檢查結果顯示，良性1 041例，惡性619例，各病理類型分布見圖 1。
圖1
1 660例乳腺腫塊病理類型分布
2.2 圖像特征診斷效能的單因素分析
形態、方位、邊緣模糊、成角（圖 2a）、微小分葉、毛刺征（圖 2b）、邊界、強回聲暈、結構扭曲（圖 2c）、Cooper韌帶受牽拉增厚（圖 2d）、水腫、皮膚增厚回縮、后方回縮衰減、腫塊內微鈣化、腋窩淋巴結腫大、血流Adler分級、流速、阻力指數18個征象在良惡性組間差異有統計學意義（P＜0.001），導管異常、簇狀小囊腫、復雜囊腫、皮膚腫塊、異物、乳內淋巴結6個征象在良惡性組間差異無統計學意義（P＞0.05）。見表 1。
圖2
乳腺癌部分超聲特征 a. 乳腺癌中“成角”征象 b. 乳腺癌中“毛刺”征象 c.乳腺癌中“結構扭曲”征象 d.乳腺癌中“Cooper韌帶增厚”征象
表1
各超聲惡性征象鑒別乳腺腫塊良惡性的診斷效能
2.3 圖像特征診斷效能的多因素分析
將單因素分析有統計學意義的18個指標賦值后納入多因素logistic分析，賦值見表 2，建立超聲診斷乳腺病灶良、惡性的logistic回歸模型，Logit（P）=?3.774+0.924x1+0.660x3+1.053x5+1.506x8+1.788x10+0.790x12+0.761x13+1.272x14+1.595x15+0.731x17，見表 3。
表2
變量賦值表
表3
各超聲惡性征象鑒別乳腺腫塊良惡性的多因素logistic分析
用所得的預測值繪制ROC曲線（圖 3），計算曲線下面積評價模型的預測能力，基于這些圖像特征建立的logistic回歸模型診斷乳腺癌的靈敏度、特異度及準確度分別為84.5%、95.5%、91.4%，曲線下面積為0.964，標準誤為0.005，P＜0.000 1，95%置信區間（95%CI）為（0.954，0.973）。
圖3
logistic回歸方程ROC曲線
3 討論
乳腺癌已成為我國女性發病率最高的惡性腫瘤，目前缺乏一級預防措施，早期發現、早期治療仍是影響乳腺癌預后最重要的因素。超聲是鑒別診斷乳腺癌的重要檢查手段，相關報道研究不在少數，但大多研究存在納入樣本量較少、超聲圖像特征納入不完全、描述不夠規范等問題[9-10]。
本研究納入大樣本病例，首先對各病例的超聲報告術語進行BI-RADS標準化處理，并將包括18個方面30個超聲圖像特征全部納入研究。通過單因素分析，其中形態、方位、邊緣、邊界、強回聲暈、周圍組織改變、后方回聲是否衰減、是否有腫塊內微鈣化、腋窩淋巴結是否腫大、血流Adler分級、流速及阻力指數在鑒別乳腺良惡性疾病中差異有統計學意義（P＜0.05）。征象形態規則形、方位平行于表面皮膚、邊緣局限、邊界清晰、血流Adler分級為0～Ⅰ級、流速＜20 cm/s、阻力指數＜0.7更多表達在乳腺良性病變中，稱為超聲良性征象；征象不規則形、方位不平行于表面皮膚、模糊、成角、微小分葉、毛刺征、邊界不清晰、強回聲暈、Cooper韌帶受牽拉、結構扭曲、水腫、皮膚增厚、回縮、后方回聲衰減、腫塊內微鈣化、腋窩淋巴結腫大、血流Adler分級為Ⅱ～Ⅲ級、流速≥20 cm/s、阻力指數≥0.7更多地表達在乳腺癌中，稱為超聲惡性征象，與以往研究結果[11-12]相近。
OR值是反映病例組中暴露與非暴露人數的比值和對照組中暴露與非暴露人數的比值之比，可以用作相對危險度的估計值，它是反映暴露因素與患該病關聯強度的指標，OR＞1時，值越大，該因素與疾病的關聯程度越強。在本研究中，OR值表示出現某超聲圖像特征與不出現該征象患乳腺癌的危險度之比，OR＞1時，值越大，則出現該征象時越傾向該腫塊為乳腺癌。單因素分析時，18個超聲惡性征象OR值從大到小排序：Cooper韌帶受牽拉＞強回聲暈＞皮膚增厚＞腋窩淋巴結異常＞結構扭曲＞毛刺征＞不規則形＞模糊＞水腫＞邊界不完整＞阻力指數≥0.7＞微鈣化＞成角＞流速≥20 cm/s＞后方回聲衰減＞方位不平行＞微小分葉，其中前6項均由病變周圍組織改變形成，與乳腺癌侵襲性生長方式及可經淋巴道轉移相對應。以往研究中納入的超聲圖像特征不完全，Cooper韌帶受牽拉、結構扭曲及皮膚增厚回縮等征象常常被忽略[3, 13-14]，本研究中這些征象OR值高，單獨鑒別診斷乳腺癌的特異度均在90%以上，是超聲診斷乳腺癌非常好的指標。
本研究采用多因素回歸分析方法，在乳腺超聲惡性征象中篩選出10項危險因素，這些危險因素OR值從大到小依次為Cooper韌帶改變＞腋窩淋巴結＞強回聲暈＞微鈣化＞邊緣微小分葉＞不規則形＞結構扭曲＞皮膚增厚＞阻力指數≥0.7＞邊緣模糊，說明出現上述超聲圖像特征時，腫塊更傾向惡性，OR值越大惡性危險度越高。毛刺征、邊緣模糊、水腫、邊界不完整、邊緣成角、流速≥20 cm/s、后方回聲衰減、方位不平行共8個征象在單因素分析中對鑒別乳腺良惡性疾病差異有統計學意義，但對logistic回歸方程無貢獻，首先可能與征象之間的相關性有關，如出現毛刺征、邊緣成角的腫塊，通常形態是不規則的；其次也可能與征象在樣本中出現的頻率有關，頻率較低的征象在整體樣本分類中作用較弱，不容易進入方程，如1 660例樣本中僅54例出現水腫，這可能是其最終沒有進入logistic回歸方程的原因。征象邊緣成角、毛刺征、后方回聲衰減、流速≥20 cm/s雖然未進入logistic回歸方程，但這些征象診斷乳腺癌的特異度均在90%以上，提示出現這些征象時，腫塊為乳腺癌的危險度高，對單個病例進行預報時，仍是非常重要的指標。
本研究建立的logistic回歸方程對乳腺良惡性病變有較好的預測能力，其診斷乳腺癌的靈敏度、特異度及準確度分別為84.5%、95.5%、91.4%，回歸模型ROC曲線下面積為0.964，預報正確率為91.0%，曾婕等[15]研究結果相近。
本研究納入大樣本病例，通過單因素分析，定義超聲良惡性征象，評估各超聲惡性征象鑒別診斷乳腺良惡性疾病的效能，通過多因素分析建立的回歸模型對乳腺癌有良好的預測能力。本研究結果預示著開展多中心大樣本的研究建立具有循證醫學意義的預測模型可用于乳腺超聲臨床決策支持系統，輔助超聲醫師提高對乳腺癌的診斷水平。
