引用本文： 劉嘉琳, 陳欣, 李朋, 段昊楠, 程霞, 周喬, 張月秋, 劉彧, 荊春麗, 周楊, 吳佳玲, 侯秀昆, 季于晨, 孫仙知, 李曉楓. 傳統二維超聲和自動乳腺全容積掃查對乳腺良惡性腫塊診斷價值的 Meta 分析. 中國循證醫學雜志, 2020, 20(2): 152-159. doi: 10.7507/1672-2531.201909054 復制
乳腺癌是全球女性惡性腫瘤發病及死亡的首位原因[1]。20 世紀 70 年代初以來，我國乳腺癌的發病率逐年增加，且發病年齡呈年輕化趨勢[2, 3]。由于中國女性乳腺小且致密，超聲被認為是目前乳腺病變檢測的首選成像模式。傳統二維超聲（hand-held ultrasound，HHUS）檢查是目前診斷乳腺癌最為常用的方法，但存在一定不足。隨著現代超聲技術的不斷發展，自動乳腺全容積掃查（automated breast volume scanner，ABVS）系統作為乳腺疾病篩查診斷的新技術，運用日益廣泛。其可利用計算機對采集到的一系列二維圖像進行信息重構形成三維圖像，除可顯示常規二維超聲的矢狀面、橫切面外，還能顯示與皮膚平行的冠狀面，為乳腺腫瘤疾病的診斷提供更有價值的參考信息。
近年來，ABVS 已廣泛應用于臨床，其診斷價值的研究陸續發表。但其與 HHUS 相比，診斷性能仍存爭議。因此，本研究系統評價 ABVS 和 HHUS 比較在乳腺良惡性腫塊中的診斷價值。
1 資料與方法
1.1 納入與排除標準
1.1.1 研究類型
診斷性試驗。
1.1.2 研究對象
同時采用 ABVS 和 HHUS 診斷乳腺腫塊性質的女性患者，年齡不限。
1.1.3 診斷方法
待評價的診斷方法為 HHUS、ABVS、HHUS+ABVS。“金標準”為經穿刺或手術組織學病理活檢確診。
1.1.4 結局指標
敏感度（sensitivity，SEN）、特異度（specificity，SPE）、陽性似然比（positive likelihood ratio，PLR）、陰性似然比（negative likelihood ratio，NLR）、診斷比值比（diagnostic odds ratio，DOR）及受試者工作特征曲線（summary receiver operating characteristic curves，SROC）下面積（area under curve，AUC）。
1.1.5 排除標準
① 重復發表的文獻只選擇數據最全、最新的報告；② 樣本量≤100 例；③ 數據不完整、不能獲得完整資料的文獻。
1.2 文獻檢索策略
計算機檢索 PubMed、The Cochrane Library、EMbase、Web of Science、Biosis Preview、WanFang Data、VIP、SinoMed 和 CNKI 數據庫，搜集關于 HHUS 和 ABVS 診斷乳腺腫塊的研究，檢索時限均從建庫至 2019 年 5 月 31 日。此外，追溯納入文獻的參考文獻，以補充獲取相關文獻。英文檢索詞包括：breast cancer、breast tumor、ABVS、automated breast volume scanner 等；中文檢索詞包括：乳腺、乳腺癌、乳腺腫瘤、自動乳腺全容積、三維超聲等。以 PubMed 為例，其具體檢索策略見框 1。
1.3 文獻篩選和資料提取
由 2 名研究者獨立篩選文獻、提取資料并交叉核對。如有分歧，則通過討論或與第三方協商解決。文獻篩選時首先閱讀文題，在排除明顯不相關的文獻后，進一步閱讀摘要和全文以確定是否納入。如有需要，通過郵件、電話聯系原始研究作者獲取未確定但對本研究非常重要的信息。資料提取內容包括：① 納入研究的基本信息：研究題目、第一作者、發表雜志等；② 研究對象的基線特征和診斷信息；③ 偏倚風險評價的關鍵要素；④ 所關注的結局指標和結果測量數據，包括直接獲取或計算得出真陽性（true-positive，TP）、假陽性（false-positive，FP）、假陰性（false-negative，FN）和真陰性（true-negative，TN）的值。
1.4 納入研究的偏倚風險評價
由 2 名研究者使用診斷準確性研究的質量評估工具（quality assessment of diagnostic accuracy studies 2，QUADAS-2）獨立評價納入研究的偏倚風險[4]，并交叉核對結果，如遇分歧，討論解決。
1.5 統計分析
采用 Meta-Disc 軟件進行 Meta 分析。采用 Spearman 相關性分析檢驗有無閾值效應，如果 SEN 和（1?SPE）的對數之間存在強烈的正相關性，說明存在閾值效應。SEN、SPE、PLR、NLR、DOR 以及 AUC 為效應分析統計量，各效應量均提供其 95%CI。納入研究結果間的異質性采用 χ2 檢驗進行分析（檢驗水準為 α=0.1），同時結合 I2 定量判斷異質性大小。若各研究結果間無統計學異質性，則采用固定效應模型進行 Meta 分析；若各研究結果間存在統計學異質性，則進一步分析異質性來源，在排除明顯臨床異質性的影響后，采用隨機效應模型進行 Meta 分析。Meta 分析的水準設為 α=0.05。使用 Stata 15.1 軟件繪制漏斗圖及 Deek’s 檢驗法進行發表偏倚的檢驗。明顯的臨床異質性采用亞組分析或敏感性分析等方法進行處理，或只行描述性分析。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得相關文獻 1 996 篇，經逐層篩選，最終納入 24 篇文獻[5-28]。文獻篩選流程及結果見圖 1。
圖1
文獻篩選流程及結果
*所檢索的數據庫及檢出文獻數具體如下：PubMed（
2.2 納入研究的基本特征和偏倚風險評價結果
表1
納入研究的基本特征
表2
納入研究的偏倚風險評價結果
2.3 Meta 分析結果
2.3.1 異質性檢驗
HHUS 和 ABVS 的 SEN、SPE、PLR、NLR、DOR 均存在較高異質性，通過計算 Spearman 相關系數確定有無閾值效應的存在。HHUS 的 Spearman 相關系數為 0.045（P=0.834）；ABVS 的 Spearman 相關系數為 0.097（P=0.654），提示二者均不存在閾值效應，說明異質性來源于非閾值效應。
2.3.2 亞組分析與 Meta 回歸分析
為探討異質性來源，將 HHUS 和 ABVS 分別按文獻發表年份、患者平均年齡、設計方法、所用儀器等協變量進行亞組分析，結果表明，ABVS 研究間異質性來源可能為納入不同研究患者平均年齡不同所致（表 3）。但 Meta 回歸分析結果顯示 HHUS 與 ABVS 異質性來源與以上協變量無明顯相關性（表 4）。
表3
納入研究的亞組分析結果
表4
HHUS 和 ABVS 的 Meta 回歸分析結果
2.3.3 Meta 分析結果
隨機效應模型 Meta 分析結果表明，HHUS 的合并 SEN、SPE、DOR（圖 2）、PLR 和 NLR 分別為 0.83［95%CI（0.82，0.85）］、0.81［95%CI（0.79，0.82）］、19.71［95%CI（14.93，26.01）］、4.05［95%CI（3.49，4.69）］和 0.22［95%CI（0.18，0.26）］；ABVS 的合并 SEN、SPE、DOR（圖 3）、PLR 和 NLR 分別為 0.90［95%CI（0.89，0.92）］、0.88［95%CI（0.87，0.89）］、76.86［95%CI（55.13，107.17）］、7.40［95%CI（6.07，9.04）］和 0.11［95%CI（0.09，0.14）］。二者 SROC 的 AUC 分別為 0.88 和 0.96（圖 4、圖5）。除了 NLR，ABVS 的其余各項診斷準確性指標均高于 HHUS。HHUS 聯合 ABVS 的 3 項研究的合并 SEN、SPE、DOR、PLR 和 NLR 分別為 0.97［95%CI（0.94，0.98）］、0.76［95%CI（0.71，0.81）］、141.00［95%CI（23.95，830.46）］、4.30［95%CI（3.04，6.07）］和 0.03［95%CI（0.01，0.15）］。
圖2
HHUS 診斷比值比的 Meta 分析
圖3
ABVS 診斷比值比的 Meta 分析
圖4
HHUS 診斷準確性的 SROC 曲線
圖5
ABVS 診斷準確性的 SROC 曲線
2.3.4 發表偏倚
針對 HHUS 診斷乳腺腫塊使用 Deek’s 模型繪制漏斗圖，各研究點基本對稱分布，P=0.911，提示存在發表偏倚的可能性較小（圖 6）。
圖6
HHUS 診斷乳腺腫塊的漏斗圖
3 討論
乳腺癌是全球女性的最常見癌癥之一，嚴重影響著婦女的健康和生活[29]。乳腺癌的早期檢測可以通過臨床診斷有癥狀的乳腺癌和篩查無癥狀女性來實現，早期檢測可降低乳腺癌晚期的死亡率和減少其他嚴重后果[30]。目前，超聲是篩查、診斷乳腺疾病不可或缺的方法之一，在乳腺癌檢測、圖像引導活檢和淋巴結診斷中具有非常重要的作用[31]。超聲具有操作簡單、方便、經濟、無輻射的優勢，且不受腺體類型和年齡的限制。但對于局部腺體增厚、結構排列紊亂、無明顯立體占位效應的少部分非腫塊型乳腺腫瘤，超聲結果易被醫師忽視或與乳腺增生混淆。此外，超聲對操作者有一定的依賴性。超聲醫師的工作經驗、手法等對診斷結果均有一定影響。ABVS 是一種新的成像模式，相比于傳統手持超聲，ABVS 的圖像能更加清晰精確地顯示病灶定位、大小、結構、形態、組織結構和血管的空間關系等[32]。此外，ABVS 對操作者技術水平的依賴小，可重復觀察超聲圖像，不同操作者間的結果一致性較好。乳腺病灶 ABVS 冠狀面的影像學表現在乳腺病變的鑒別診斷上起到了重要作用。然而，ABVS 無法研究乳腺病變血管分布和組織彈性。因此，臨床上多采用 HHUS 和 ABVS 結合診斷的方法以提高乳腺腫塊良惡性診斷的準確性。
目前，已經有多個 Meta 分析[2, 33-35]報道了 ABVS 的診斷效能較高。而對于 HHUS 和 ABVS 診斷性能比較的 Meta 分析[36]結果表明，ABVS 和 HHUS 的診斷 SEN 和 SPE 分別為 90.8%［95%CI（88.3%，93.0%）］、82.2%［95%CI（80.0%，84.2%）］和 90.6%［95%CI（88.1%，92.8%）］、81.0%［95%CI（78.8%，83.0%）］，顯示兩者具有相似的診斷性能。王穎彥等的 Meta 分析[37]結果表明，ABVS 和 HHUS 的診斷 SEN 和 SPE 分別 91%［95%CI（88%，93%）］、90%［95%CI（86%，93%）］和 84%［95%CI（79%，88%）］、84%［95%CI（78%，89%）］，ABVS 的診斷性能相對于 HHUS 較高。
本研究共納入 24 個診斷性試驗。Meta 分析結果顯示，ABVS 在良性和惡性乳腺病變的診斷中表現出的 SEN 和 SPE 均高于 HHUS，這說明 ABVS 在診斷乳腺良惡性病變的準確性高于 HHUS，漏診率和誤診率 ABVS 較 HHUS 相對較低；合并 DOR 分別為 76.86 和 19.71，提示 ABVS 對乳腺良惡性病灶鑒別具有更高的準確性；ABVS 的合并 PLR、NLR 為 7.40 和 0.11，HHUS 的合并 PLR、NLR 為 4.05 和 0.22。說明 ABVS 診斷乳腺病變為陽性時，患乳腺癌的可能性更高，而 HHUS 在診斷乳腺病變為陰性時，不患乳腺癌的可能性更高。HHUS 和 ABVS 在良性和惡性乳腺病變分化中診斷的 SROC 曲線下面積 AUC 分別為 0.88 和 0.96，提示 ABVS 具有更高的診斷效能。本研究結果與王穎彥等[37]結果一致，表明 ABVS 具有較高診斷性能。研究[38]表明，ABVS 和 HHUS 聯合使用較兩者單獨使用具有更好的鑒別良惡性病變的診斷性能。ABVS 在 HHUS 基礎上優化了掃描方法和讀圖模式，具有穩健的檢測能力，使其在臨床上成為 HHUS 的補充工具。在乳腺癌的實際診斷中，可通過結合 ABVS 的冠狀平面圖像和常規二維彩色超聲探測到的血流信號及其分布特點來評估乳腺病變，以達到提高診斷效率的目的。
Meta 回歸和亞組分析結果顯示，患者平均年齡是 ABVS 的異質性主要來源。其原因可能是乳腺隨著年齡、月經周期、妊娠、哺乳等生理變化而呈現不同的聲像圖表現，大于 50 歲的老年期婦女的乳腺腺體層變薄、回聲增強，易于分辨和診斷[39]。此外，異質性可能與文獻的低質量、是否進行盲法、病變腫塊大小、機器設備靈敏性以及醫生的工作經驗等因素有關。
本研究的局限性：① 納入研究均來自于中國，僅有 3 篇英文文獻，可能與西方國家多使用鉬靶檢查診斷乳腺病變有關；② 兩種檢查方法僅對病灶本身進行良惡性鑒別，未將病灶周邊的受累情況及淋巴結轉移情況考慮在內；③ 納入研究缺乏高質量的文獻，存在一定的偏倚。
綜上所述，HHUS 和 ABVS 在乳腺病變的臨床實踐中均具有一定的診斷價值，但 ABVS 對乳腺良惡性腫塊的鑒別、診斷具有較高的敏感度和特異度。實際臨床應用中，可將二者聯合使用以提高診斷性能。受納入研究數量和質量的限制，上述結論尚待更多高質量研究予以驗證。
乳腺癌是全球女性惡性腫瘤發病及死亡的首位原因[1]。20 世紀 70 年代初以來，我國乳腺癌的發病率逐年增加，且發病年齡呈年輕化趨勢[2, 3]。由于中國女性乳腺小且致密，超聲被認為是目前乳腺病變檢測的首選成像模式。傳統二維超聲（hand-held ultrasound，HHUS）檢查是目前診斷乳腺癌最為常用的方法，但存在一定不足。隨著現代超聲技術的不斷發展，自動乳腺全容積掃查（automated breast volume scanner，ABVS）系統作為乳腺疾病篩查診斷的新技術，運用日益廣泛。其可利用計算機對采集到的一系列二維圖像進行信息重構形成三維圖像，除可顯示常規二維超聲的矢狀面、橫切面外，還能顯示與皮膚平行的冠狀面，為乳腺腫瘤疾病的診斷提供更有價值的參考信息。
近年來，ABVS 已廣泛應用于臨床，其診斷價值的研究陸續發表。但其與 HHUS 相比，診斷性能仍存爭議。因此，本研究系統評價 ABVS 和 HHUS 比較在乳腺良惡性腫塊中的診斷價值。
1 資料與方法
1.1 納入與排除標準
1.1.1 研究類型
診斷性試驗。
1.1.2 研究對象
同時采用 ABVS 和 HHUS 診斷乳腺腫塊性質的女性患者，年齡不限。
1.1.3 診斷方法
待評價的診斷方法為 HHUS、ABVS、HHUS+ABVS。“金標準”為經穿刺或手術組織學病理活檢確診。
1.1.4 結局指標
敏感度（sensitivity，SEN）、特異度（specificity，SPE）、陽性似然比（positive likelihood ratio，PLR）、陰性似然比（negative likelihood ratio，NLR）、診斷比值比（diagnostic odds ratio，DOR）及受試者工作特征曲線（summary receiver operating characteristic curves，SROC）下面積（area under curve，AUC）。
1.1.5 排除標準
① 重復發表的文獻只選擇數據最全、最新的報告；② 樣本量≤100 例；③ 數據不完整、不能獲得完整資料的文獻。
1.2 文獻檢索策略
計算機檢索 PubMed、The Cochrane Library、EMbase、Web of Science、Biosis Preview、WanFang Data、VIP、SinoMed 和 CNKI 數據庫，搜集關于 HHUS 和 ABVS 診斷乳腺腫塊的研究，檢索時限均從建庫至 2019 年 5 月 31 日。此外，追溯納入文獻的參考文獻，以補充獲取相關文獻。英文檢索詞包括：breast cancer、breast tumor、ABVS、automated breast volume scanner 等；中文檢索詞包括：乳腺、乳腺癌、乳腺腫瘤、自動乳腺全容積、三維超聲等。以 PubMed 為例，其具體檢索策略見框 1。
1.3 文獻篩選和資料提取
由 2 名研究者獨立篩選文獻、提取資料并交叉核對。如有分歧，則通過討論或與第三方協商解決。文獻篩選時首先閱讀文題，在排除明顯不相關的文獻后，進一步閱讀摘要和全文以確定是否納入。如有需要，通過郵件、電話聯系原始研究作者獲取未確定但對本研究非常重要的信息。資料提取內容包括：① 納入研究的基本信息：研究題目、第一作者、發表雜志等；② 研究對象的基線特征和診斷信息；③ 偏倚風險評價的關鍵要素；④ 所關注的結局指標和結果測量數據，包括直接獲取或計算得出真陽性（true-positive，TP）、假陽性（false-positive，FP）、假陰性（false-negative，FN）和真陰性（true-negative，TN）的值。
1.4 納入研究的偏倚風險評價
由 2 名研究者使用診斷準確性研究的質量評估工具（quality assessment of diagnostic accuracy studies 2，QUADAS-2）獨立評價納入研究的偏倚風險[4]，并交叉核對結果，如遇分歧，討論解決。
1.5 統計分析
采用 Meta-Disc 軟件進行 Meta 分析。采用 Spearman 相關性分析檢驗有無閾值效應，如果 SEN 和（1?SPE）的對數之間存在強烈的正相關性，說明存在閾值效應。SEN、SPE、PLR、NLR、DOR 以及 AUC 為效應分析統計量，各效應量均提供其 95%CI。納入研究結果間的異質性采用 χ2 檢驗進行分析（檢驗水準為 α=0.1），同時結合 I2 定量判斷異質性大小。若各研究結果間無統計學異質性，則采用固定效應模型進行 Meta 分析；若各研究結果間存在統計學異質性，則進一步分析異質性來源，在排除明顯臨床異質性的影響后，采用隨機效應模型進行 Meta 分析。Meta 分析的水準設為 α=0.05。使用 Stata 15.1 軟件繪制漏斗圖及 Deek’s 檢驗法進行發表偏倚的檢驗。明顯的臨床異質性采用亞組分析或敏感性分析等方法進行處理，或只行描述性分析。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得相關文獻 1 996 篇，經逐層篩選，最終納入 24 篇文獻[5-28]。文獻篩選流程及結果見圖 1。
圖1
文獻篩選流程及結果
*所檢索的數據庫及檢出文獻數具體如下：PubMed（
2.2 納入研究的基本特征和偏倚風險評價結果
表1
納入研究的基本特征
表2
納入研究的偏倚風險評價結果
2.3 Meta 分析結果
2.3.1 異質性檢驗
HHUS 和 ABVS 的 SEN、SPE、PLR、NLR、DOR 均存在較高異質性，通過計算 Spearman 相關系數確定有無閾值效應的存在。HHUS 的 Spearman 相關系數為 0.045（P=0.834）；ABVS 的 Spearman 相關系數為 0.097（P=0.654），提示二者均不存在閾值效應，說明異質性來源于非閾值效應。
2.3.2 亞組分析與 Meta 回歸分析
為探討異質性來源，將 HHUS 和 ABVS 分別按文獻發表年份、患者平均年齡、設計方法、所用儀器等協變量進行亞組分析，結果表明，ABVS 研究間異質性來源可能為納入不同研究患者平均年齡不同所致（表 3）。但 Meta 回歸分析結果顯示 HHUS 與 ABVS 異質性來源與以上協變量無明顯相關性（表 4）。
表3
納入研究的亞組分析結果
表4
HHUS 和 ABVS 的 Meta 回歸分析結果
2.3.3 Meta 分析結果
隨機效應模型 Meta 分析結果表明，HHUS 的合并 SEN、SPE、DOR（圖 2）、PLR 和 NLR 分別為 0.83［95%CI（0.82，0.85）］、0.81［95%CI（0.79，0.82）］、19.71［95%CI（14.93，26.01）］、4.05［95%CI（3.49，4.69）］和 0.22［95%CI（0.18，0.26）］；ABVS 的合并 SEN、SPE、DOR（圖 3）、PLR 和 NLR 分別為 0.90［95%CI（0.89，0.92）］、0.88［95%CI（0.87，0.89）］、76.86［95%CI（55.13，107.17）］、7.40［95%CI（6.07，9.04）］和 0.11［95%CI（0.09，0.14）］。二者 SROC 的 AUC 分別為 0.88 和 0.96（圖 4、圖5）。除了 NLR，ABVS 的其余各項診斷準確性指標均高于 HHUS。HHUS 聯合 ABVS 的 3 項研究的合并 SEN、SPE、DOR、PLR 和 NLR 分別為 0.97［95%CI（0.94，0.98）］、0.76［95%CI（0.71，0.81）］、141.00［95%CI（23.95，830.46）］、4.30［95%CI（3.04，6.07）］和 0.03［95%CI（0.01，0.15）］。
圖2
HHUS 診斷比值比的 Meta 分析
圖3
ABVS 診斷比值比的 Meta 分析
圖4
HHUS 診斷準確性的 SROC 曲線
圖5
ABVS 診斷準確性的 SROC 曲線
2.3.4 發表偏倚
針對 HHUS 診斷乳腺腫塊使用 Deek’s 模型繪制漏斗圖，各研究點基本對稱分布，P=0.911，提示存在發表偏倚的可能性較小（圖 6）。
圖6
HHUS 診斷乳腺腫塊的漏斗圖
3 討論
乳腺癌是全球女性的最常見癌癥之一，嚴重影響著婦女的健康和生活[29]。乳腺癌的早期檢測可以通過臨床診斷有癥狀的乳腺癌和篩查無癥狀女性來實現，早期檢測可降低乳腺癌晚期的死亡率和減少其他嚴重后果[30]。目前，超聲是篩查、診斷乳腺疾病不可或缺的方法之一，在乳腺癌檢測、圖像引導活檢和淋巴結診斷中具有非常重要的作用[31]。超聲具有操作簡單、方便、經濟、無輻射的優勢，且不受腺體類型和年齡的限制。但對于局部腺體增厚、結構排列紊亂、無明顯立體占位效應的少部分非腫塊型乳腺腫瘤，超聲結果易被醫師忽視或與乳腺增生混淆。此外，超聲對操作者有一定的依賴性。超聲醫師的工作經驗、手法等對診斷結果均有一定影響。ABVS 是一種新的成像模式，相比于傳統手持超聲，ABVS 的圖像能更加清晰精確地顯示病灶定位、大小、結構、形態、組織結構和血管的空間關系等[32]。此外，ABVS 對操作者技術水平的依賴小，可重復觀察超聲圖像，不同操作者間的結果一致性較好。乳腺病灶 ABVS 冠狀面的影像學表現在乳腺病變的鑒別診斷上起到了重要作用。然而，ABVS 無法研究乳腺病變血管分布和組織彈性。因此，臨床上多采用 HHUS 和 ABVS 結合診斷的方法以提高乳腺腫塊良惡性診斷的準確性。
目前，已經有多個 Meta 分析[2, 33-35]報道了 ABVS 的診斷效能較高。而對于 HHUS 和 ABVS 診斷性能比較的 Meta 分析[36]結果表明，ABVS 和 HHUS 的診斷 SEN 和 SPE 分別為 90.8%［95%CI（88.3%，93.0%）］、82.2%［95%CI（80.0%，84.2%）］和 90.6%［95%CI（88.1%，92.8%）］、81.0%［95%CI（78.8%，83.0%）］，顯示兩者具有相似的診斷性能。王穎彥等的 Meta 分析[37]結果表明，ABVS 和 HHUS 的診斷 SEN 和 SPE 分別 91%［95%CI（88%，93%）］、90%［95%CI（86%，93%）］和 84%［95%CI（79%，88%）］、84%［95%CI（78%，89%）］，ABVS 的診斷性能相對于 HHUS 較高。
本研究共納入 24 個診斷性試驗。Meta 分析結果顯示，ABVS 在良性和惡性乳腺病變的診斷中表現出的 SEN 和 SPE 均高于 HHUS，這說明 ABVS 在診斷乳腺良惡性病變的準確性高于 HHUS，漏診率和誤診率 ABVS 較 HHUS 相對較低；合并 DOR 分別為 76.86 和 19.71，提示 ABVS 對乳腺良惡性病灶鑒別具有更高的準確性；ABVS 的合并 PLR、NLR 為 7.40 和 0.11，HHUS 的合并 PLR、NLR 為 4.05 和 0.22。說明 ABVS 診斷乳腺病變為陽性時，患乳腺癌的可能性更高，而 HHUS 在診斷乳腺病變為陰性時，不患乳腺癌的可能性更高。HHUS 和 ABVS 在良性和惡性乳腺病變分化中診斷的 SROC 曲線下面積 AUC 分別為 0.88 和 0.96，提示 ABVS 具有更高的診斷效能。本研究結果與王穎彥等[37]結果一致，表明 ABVS 具有較高診斷性能。研究[38]表明，ABVS 和 HHUS 聯合使用較兩者單獨使用具有更好的鑒別良惡性病變的診斷性能。ABVS 在 HHUS 基礎上優化了掃描方法和讀圖模式，具有穩健的檢測能力，使其在臨床上成為 HHUS 的補充工具。在乳腺癌的實際診斷中，可通過結合 ABVS 的冠狀平面圖像和常規二維彩色超聲探測到的血流信號及其分布特點來評估乳腺病變，以達到提高診斷效率的目的。
Meta 回歸和亞組分析結果顯示，患者平均年齡是 ABVS 的異質性主要來源。其原因可能是乳腺隨著年齡、月經周期、妊娠、哺乳等生理變化而呈現不同的聲像圖表現，大于 50 歲的老年期婦女的乳腺腺體層變薄、回聲增強，易于分辨和診斷[39]。此外，異質性可能與文獻的低質量、是否進行盲法、病變腫塊大小、機器設備靈敏性以及醫生的工作經驗等因素有關。
本研究的局限性：① 納入研究均來自于中國，僅有 3 篇英文文獻，可能與西方國家多使用鉬靶檢查診斷乳腺病變有關；② 兩種檢查方法僅對病灶本身進行良惡性鑒別，未將病灶周邊的受累情況及淋巴結轉移情況考慮在內；③ 納入研究缺乏高質量的文獻，存在一定的偏倚。
綜上所述，HHUS 和 ABVS 在乳腺病變的臨床實踐中均具有一定的診斷價值，但 ABVS 對乳腺良惡性腫塊的鑒別、診斷具有較高的敏感度和特異度。實際臨床應用中，可將二者聯合使用以提高診斷性能。受納入研究數量和質量的限制，上述結論尚待更多高質量研究予以驗證。
