声辐射力弹性成像技术在乳腺肿物良恶性鉴别诊断中的应用

摘要

目的:超声声辐射力弹性成像技术(Acoustic radiation forceimpulse;ARFI)是定量测量组织硬度的新方法，探讨ARFI技术在乳腺肿物良恶性鉴别诊断中的应用价值。
　　方法:选取于2014年01月至2014年11月在我院接受乳腺超声检查并行手术切除经病理证实的乳腺实性肿物患者102例，患者均为女性，年龄12～82岁，平均年龄(47.62±14.13)岁，共106个肿物，大小0.76～11.23cm，平均(2.74±1.81)cm。单发肿物的患者为71人，多发肿物的患者为31人，其中病理证实良性肿物42个，恶性肿物64个。
　　使用西门子公司Siemens Acuson S2000彩色多普勒超声诊断仪，选用线阵探头(9L4)，探头频率7-9MHZ，机器配备有ARFI技术，可进行声触诊组织定量(virtual touch tissue quantification，VTQ)检测，得到肿物的剪切波速度。检查时患者取仰卧位，充分暴露乳房，选择仪器预设的乳腺检查条件，分别进行常规的乳腺彩色多普勒超声检查及VTQ检查。
　　常规乳腺超声的检查包括乳腺肿物的横切、纵切等多个切面的检查以及彩色多普勒超声检查。乳腺肿物二维的超声检查记录包括乳腺肿物的大小、位置、边界、形态、纵横比、内部回声、钙化特点、单发或多发等。再应用彩色多普勒超声观察肿物内部的血流情况，描计出结节内小动脉血流频谱，测量其阻力指数（取其平均值）从而进行BI-RADS分级。
　　启用VTQ软件，对乳腺肿物进行定性及定量测量，并对同侧同水平肿物周围的正常乳腺组织及肿物内部不同深度进行VTQ测量，测量时嘱患者屏气，探头一定要与组织垂直，以探头自身的重量轻触被测者胸部，不施加任何外力，采集图像并保存，记录所测剪切波速度(shearwave velocity，SWV)值，部分所测结节的SWV值为x.xxm/s者需结合VTI图像决定取值的大小。每个肿物3个位置分别测量3次，取其平均值，肿物中央部位同深度的周围正常乳腺组织亦测量3次，取其平均值。常规彩色多普勒超声诊断乳腺肿物良恶性及所测得结节的剪切波速度与结节的手术病理结果进行对照，采用SPSS.21.0分析软件，计量资料以均数±标准差表示，良恶性病灶组间比较、良性恶性病灶内部区域与同深度正常腺体的SWV值比较、同一病灶不同深度的SWV比较均采用秩和检验。再对于良恶性的病灶内部区域与同深度正常腺体的SWV比值分别构建受试者工作曲线(receiver operating characteristic，ROC)，计算并比较曲线下面积(are under curve，AUC)，获得区分乳腺肿物良恶性的剪切波速度的临界值，并根据曲线下面积得出其敏感性、特异性、准确性、阳性预测值及阴性预测值。常规超声联合ARFI测得值综合进行BI-RADS分类与病理结果比较测得敏感性、特异性、准确性、阳性预测值及阴性预测值，使其与单独使用常规超声进行的BI-RADS分类结果相比较。
　　结果:
　　1、病理检查结果:102例患者共106个肿物，经手术病理证实，良性肿物42个，恶性肿物64个。
　　2、ARFI检查结果:经ARFI检查后得出如下结论:(1)良性肿块内部的浅、中位置，深、中位置及深、浅位置的SWV值差异均具有统计学意义，而且不同位置的SWV值大小为:深＞中＞浅（P均＜0.05）。(2)恶性肿块内部的浅、中位置及深、浅位置的SWV值差异具有统计学意义，而且肿物正中的SWV值＞较浅位置的SWV值，较深位置的SWV值＞较浅位置的SWV值（两者P值均＜0.05）。(3)恶性肿块内部的深、中位置SWV值差异不具有统计学意义(P=0.594)。(4)以手术病理结果为金标准，绘制ROC曲线，ROC曲线下面积(SUC)为0.906，有统计学意义。确定诊断良、恶性组结节SWV值的临界点为6.27m/s，其敏感性、特异性及准确性分别为85.9％、95.2％、89.6％，阳性预测值及阴性预测值分别为:96.4％，81.6％。
　　3、以病理结果为金标准，应用ARFI技术联合常规超声进行的BI-RADS分类诊断乳腺肿物良恶性的敏感性、特异性、准确性、阳性预测值、阴性预测值均高于单独使用常规超声进行的BI-RADS分类。
　　结论:本研究表明，ARFI技术可对乳腺肿物良恶性作出定性及定量诊断，为鉴别乳腺肿物的良恶性提供了一种新的方法。ARFI技术与常规超声联合进行的BI-RADS分类有助于提高乳腺肿物的良恶性的诊断率，是乳腺常规超声的有益补充，为肿块的超声鉴别提供了更多有价值的信息，为临床诊疗方案的制定提供了更多的依据。

目录

声明

摘要

英文缩写

前言

材料与方法

结果

附图

附表

讨论

结论

参考文献

综述 超声BI-RADS分级与ARFI在乳腺疾病诊断中的应用

致谢

个人简历