自2013年美国放射学会出版第二版乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)后,乳腺超声的临床实践与科学研究均从中获益。本文总结了2013年版超声BI-RADS出版这10年间,乳腺超声影像技术临床应用与革新、存在的问题与面临的挑战及未来的发展机遇,以期为临床诊治、指南推广与应用提供帮助。
目的:基于动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI)表现构建乳腺单纯型黏液癌(pure mucinous breast carcinoma,PMBC)与T2加权成像(T2-weighted imaging,T2WI)明显高信号乳腺纤维腺瘤鉴别诊断的列线图模型,旨在提高对两种病变鉴别诊断的准确度。方法:回顾并分析64个PMBC和137个T2WI明显高信号纤维腺瘤病变的DCE-MRI表现。记录放射科医师的原始乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)诊断结果。将单因素分析差异有统计学意义的DCE-MRI特征纳入多因素logistic回归分析,建立影像学特征模型,绘制列线图。采用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)、灵敏度、特异度、准确度、阳性预测值(positive predictive value,PPV)和阴性预测值(negative predictive value,NPV)评价影像学特征模型的分类性能。绘制校正曲线,评价模型对病变分类的预测结果与实际结果的一致性。采用临床决策分析曲线(decision curve analysis,DCA)评估模型的临床应用价值。结果:放射科医师原始诊断的灵敏度、特异度、准确度、PPV和NPV分别为76.56%、73.00%、74.13%、56.98%和86.96%。多因素logistic分析显示,患者的年龄、病变的边缘、晚期内部强化特征、内部有无强化分隔和分叶特征是鉴别PMBC和纤维腺瘤的独立预测因子。模型的AUC、灵敏度、特异度、准确度、PPV和NPV分别为96.24%、87.50%、94.89%、92.54%、88.89%和94.20%。校正曲线显示模型的预测结果与实际结果高度一致。DCA显示,影像学特征模型鉴别两种病变的临床净获益明显高于将其全部视为PMBC或纤维腺瘤。结论:基于DCE-MRI表现构建的PMBC与纤维腺瘤鉴别诊断的列线图模型明显优于影像医师原始诊断,可提高对两种病变鉴别诊断的准确度。