基于超聲特征及基因檢測技術構建甲狀腺結節惡性風險預測模型

何巧靈，何美男，湛婉華，龍娟，魏雪云，鄒夢晨*（.廣州市增城區中心醫院（南方醫院增城分院），廣東廣州 5340；.南方醫科大學南方醫院，廣東廣州 5055）

甲狀腺結節是指甲狀腺細胞在局部異常生長所引起的散在病變。甲狀腺結節的臨床癥狀并不顯著，通常在體檢時觸及或經由甲狀腺彩超檢查發現[1-2]。目前臨床上多采用影像學、細針穿刺抽吸活檢、血清學檢測等診斷甲狀腺結節，但大量研究證據顯示[3-4]，以上檢查對甲狀腺結節積極的早期判斷仍需進一步完善。促甲狀腺激素（TSH）水平是實驗室檢查中的必查項目。有報道指出[5]，TSH 水平較高的甲狀腺結節患者發生惡性甲狀腺結節的風險更高，但TSH 的診斷特異性不佳。甲狀腺超聲可診斷出結節的大小、邊界有無鈣化及數量等情況，同時還能夠輔助臨床判斷是否侵及頸部淋巴結，但超聲的鑒別能力很大程度上需要依賴超聲醫師的臨床經驗，極易存在主觀性的誤差。甲狀腺細針穿刺活檢則是一種特異度和靈敏度均較高的檢測方法，但其診斷準確性也與穿刺操作者和細胞病理診斷醫師的經驗密切相關[6]。有報道指出，不同組織分型的甲狀腺癌與多種基因突變密切相關，檢測各項基因的突變情況有利于輔助臨床更好地鑒別甲狀腺結節的良惡性[7]。甲狀腺超聲計算機輔助診斷（CAD）軟件具有準確、客觀的特點，但僅能借助超聲圖像對甲狀腺結節良惡性進行診斷，無法對臨床信息和相關實驗室指標進行綜合利用[8]?；诖?，本研究通過logstic 回歸分析模型對超聲特征、細針穿刺病理、TSH 水平、甲狀腺過氧化物酶抗體（TPOAb）、基因突變情況等信息進行篩選分析后，與CAD 技術進行結合，構建了甲狀腺惡性風險預測模型，現報道如下。

1 資料和方法

1.1 臨床資料

回顧性分析2016 年3 月至2020 年12 月于我院行甲狀腺手術的202 例患者的臨床資料（模型建立組），所有患者均完善超聲檢查，而后采用CAD 軟件對其超聲圖像進行分析。另納入同期于我院完善穿刺前檢查并行甲狀腺細針穿刺（FNA）的200 例患者作為模型驗證組。其中，模型建立組男45 例，女157 例，年齡35～60 歲，良性結節64 例，惡性結節138 例，所有患者均于術前完善甲狀腺超聲，若同1 例患者存在多個良性結節，則僅納入最大的良性結節，本組中64 個良性結節，源自64 例患者。若患者同時存在良惡性結節，則納入惡性結節；惡性組中有81 例為單個惡性結節。模型驗證組男72 例，女128 例，年齡33～58 歲，良性結節64 例，惡性結節136 例。納入標準：（1）均于我院擇期行甲狀腺手術，術前完善超聲檢查，術后病理學明確診斷；（2）臨床資料完整；（3）均自愿簽署知情同意書。排除標準：（1）手術病理結果不明確者；（2）排除FNA 細胞學病理不明確者；（3）臨床資料不全者；（4）排除超聲圖像采集不清晰者。我院倫理委員會已批準該方案開展。

1.2 方法

1.2.1 信息采集 應用VolusonE10 彩色多普勒超聲診斷儀（通用電氣，美國）對入組患者的甲狀腺進行掃查，高頻線陣探頭頻率設置為7.5～12.0 MHz，而后采用CAD 軟件（臺灣安克生醫公司）對超聲圖像信息進行分析，并收集患者年齡、性別、結節大小等臨床信息及實驗室檢測指標，包括TSH、游離三碘甲狀腺原氨酸（FT3）、游離甲狀腺素（FT4）甲狀腺球蛋白抗體（TGAb）、甲狀腺過氧化物酶抗體（TPOAb）、癌胚抗原（CEA）、甲狀旁腺素（PTH）及基因檢測結果。

1.2.2 超聲圖像采集方法 由3 位工作經驗≥5 a 的甲狀腺超聲臨床診斷的超聲科醫師完成圖像采集工作，均接受過系統化CAD 培訓，充分了解采圖要求。每個結節采集圖像不少于3 張，包括最大縱切面、最大橫切面及可良好呈現結節良惡性特點的切面，均為無測量點、線的灰階超聲圖像，保存為bmp 或dicom格式。

1.2.3 CAD圖像分析方法 將圖片導入CAD軟件后，該軟件可自行生成感興趣區，定量或定性分析感興趣區內的超聲特征。當低回聲參數值區間為0～0.35 時，表示該結節為高回聲；0.35～0.50 為等回聲；0.50～0.75為低回聲；0.75～1.00 為極低回聲。余下3 個參數的臨界值均為0.5，如強回聲點參數取值超過0.5 時，表明存在直徑＜1 mm 的微鈣化；不均質程度參數取值大于0.5 時，表示結節內部回聲不均質；邊緣模糊程度參數超過0.5 時，表示結節與周圍實質界限不清晰。

1.2.4 醫師圖像分析方法 分別由年資為30 a（高年資）、15 a（中年資）、5 a（低年資）的3 位超聲科醫師進行圖像分析工作。3 位醫師均在盲態狀態下閱讀模型驗證組圖像，并獨立完成讀片。

1.3 統計學處理

采用SPSS 19.0 軟件進行分析。計數資料以例（%）表示，行χ2檢驗；計量資料以x-±s表示，行獨立樣本t檢驗；以logistic 回歸分析篩選對甲狀腺結節良惡性具有預測價值的風險因素；采用受試者工作曲線（ROC）分析風險模型與不同年資醫師對良惡性甲狀腺結節的預測效能。P<0.05 表示差異有統計學意義。

2 結果

2.1 甲狀腺結節惡性風險相關因素分析

以手術病理結果為“金標準”，根據其良惡性診斷結果進行分組，良性組64 例，惡性組138 例。對納入的202 例甲狀腺結節患者的臨床資料進行單因素分析，結果顯示，兩組患者的低回聲強度、強回聲點、內部回聲不均質程度、結節形狀、結節最大徑、結節構成、邊緣模糊程度、縱橫比、基因突變情況及血清TSH、CEA、TGAb、TPOAb、CEA 水平等差異有統計學意義（P<0.05 或0.01）。此外，血清FT3、FT4、PTH 水平、職業、是否吸煙、是否熬夜等指標兩組比較差異無統計學意義（P>0.05）。見表1。

表1 甲狀腺結節惡性風險相關因素分析

2.2 甲狀腺結節惡性風險臨床因素logistic 回歸分析

以患者甲狀腺結節的良惡性（定義“否”=0，“是”=1）為因變量，進行logistic 回歸分析，結果顯示：低回聲強度、強回聲點、邊緣模糊程度、縱橫比＞1、甲狀腺相關基因突變陽性及血清TSH、TPOAb、CEA 水平升高是甲狀腺結節惡性的高危因素，結節最大徑是保護因素（P<0.05 或0.01）。根據以上9 項因素構建甲狀腺結節惡性風險預測模型：Logit=-5.217+2.603 ×（低回聲程度指數）+1.984 ×（強回聲點指數）+3.072×（邊緣模糊程度指數）+1.265 ×（縱橫比>1）+0.616 ×（TSH）-0.073×（結節最大徑）+1.072（TPOAb）1.911（CEA）+1.803（基因突變）。見表2。

表2 甲狀腺結節惡性風險臨床因素logistic 回歸分析

2.3 甲狀腺結節惡性風險預測模型的診斷效能分析

ROC 曲線研究結果顯示，比照模型驗證組病理結果，甲狀腺結節惡性風險預測模型的ROC 線下面積AUC 為0.891（95%CI 0.773～0.981），最佳預測臨界值為70.67%，敏感度為85.63%，特異度為82.13%，陽性預測值為91.36%，陰性預測值為76.81%。由3 位不同年資的醫師分別對甲狀腺結節良惡性進行診斷，并與病理結果進行比對，發現醫師的診斷效能會隨其年資的提高而升高，本研究所構建的預測模型診斷效能高于中、低年資醫師，低于高年資醫師，特異度介于中、低年資醫師之間（P<0.05）。見圖1、表3。

表3 風險預測模型與不同年資醫師診斷惡性甲狀腺結節的 診斷效能對比（%）

圖1 風險預測模型與不同年資醫師診斷惡性甲狀腺結節的 ROC 曲線分析

3 討論

甲狀腺癌的發病率呈現逐年增長的趨勢，最新的全國癌癥統計報告顯示[9]，截至2020 年，全世界范圍內新發甲狀腺癌人數已逾58.6 萬例，較2018 年增加1.9 萬例，占全年所有新發癌癥病例的3.0%。目前關于甲狀腺癌的具體發病機制尚未完全明確，多數研究認為檢測技術以及人們健康意識的提升是導致甲狀腺癌發病率升高的主要原因，但隨著甲狀腺癌的早期診治效率的提升，其致死率仍未明顯降低，這提示我們仍有一些無法排除的暴露因素存在。電離輻射是目前學術界公認的影響甲狀腺癌發生的高危因素，尤其是兒童時期[10]；也有其他研究指出[11]，激素暴露、吸煙、肥胖等因素也與甲狀腺癌的發生密切相關。但本文結果中患者是否吸煙、熬夜等指標對比，差異無統計學意義（P>0.05），這可能與本研究為單中心研究或樣本量較小有關。

甲狀腺癌發生率的升高與檢查手段的提高密切相關，尤其是甲狀腺細針穿刺和高頻超聲的普及應用。超聲、核醫學、CT 是臨床診斷甲狀腺癌的主要影像學方法[12]，其中超聲因其無輻射、實時、動態等顯著特點成為了臨床檢查甲狀腺的首選方法，但此檢查仍存在一些無法忽視的缺點，如超聲診斷結果判斷主要依賴醫師的主觀判讀，檢查結論的主觀性較強；操作者的個人能力和經驗可直接影響超聲檢查結果的準確性，且由于超聲醫師的培養周期較長，臨床上仍缺少高水平超聲檢查醫師[13-14]。以上缺點均極大限制了超聲診斷的準確性和客觀性。由此可見，積極探索一種更為準確、客觀的診斷鑒別手段對減輕患者負擔，避免過度診療具有重要的意義。本研究借助先進的甲狀腺超聲CAD 技術聯合logistic 回歸分析模型構建甲狀腺結節惡性風險預測模型，旨在提高臨床診斷鑒別甲狀腺良惡性結節的準確性，以期在一定程度上節約醫療資源。

超聲檢查主要是依靠邊緣模糊、縱橫比>1、低或極低回聲、強回聲點、形狀不規則及實性結節等惡性聲學征象判斷甲狀腺結節的良惡性[15-16]。但超聲檢查的標準尚未統一，不同甲狀腺指南中提倡采用的征象也不盡相同[17]。本研究通過將患者的超聲圖像輸入CAD 軟件，獲取定量和定性分析數據，而后再將其納入logsitic 回歸分析模型中，發現甲狀腺結節的回聲類型、縱橫比、邊緣及強回聲點、基因突變陽性與甲狀腺惡性風險的相關性最高。此外，本研究還發現，TSH水平的升高及TPOAb 陽性也與甲狀腺惡性風險顯著相關。既往文獻中指出[18-19]，惡性甲狀腺結節的大小較良性結節顯著偏小，本研究結果與其一致。

成功構建甲狀腺癌惡性風險預測模型后，ROC曲線分析結果顯示，醫師對甲狀腺良惡性的診斷效能會隨其年資的提高而升高，本研究所構建的甲狀腺結節惡性風險模型診斷效能高于中、低年資醫師，低于高年資醫師，特異度在中、低年資醫師之間（P<0.05）。有報道顯示，單獨應用CAD 技術診斷甲狀腺結節的敏感度、特異度分別為84.62%和65.65%，其AUC 為0.735[19]。本研究中，甲狀腺結節惡性風險預測模型ROC 的AUC 為0.891（95%CI 0.773～0.981），最佳預測臨界值為70.67%，敏感度為85.63%，特異度為82.13%，陽性預測值為91.36%，陰性預測值為76.81%，表明利用CAD 技術將多學科指標結合所構建的預測模型具有較高的診斷效能。

綜上，本研究所構建的甲狀腺結節惡性風險預測模型對甲狀腺結節良惡性的總體診斷效能較高，能輔助中、低年資醫師更準確、更快速地診斷惡性甲狀腺結節，提高診療水平及效率。因此，在臨床診療過程中，基于超聲特征及基因檢測技術構建甲狀腺結節惡性風險預測模型具有可行性，值得臨床推廣。