常规超声及弹性成像对甲状腺结节的鉴别诊断价值

论文摘要

甲状腺结节是指甲状腺内异常增生形成的肿块,是甲状腺内局部硬度、结构发生异常的组织。通常报道女性发病率多于男性,且随年龄增长结节发生率逐步增加。有文献报道,甲状腺结节大部分为良性病变,约2.7%-17%为恶性。临床诊断的首要目的即为确定结节的良、恶性,制定合理的治疗方案,减少不必要的甲状腺手术和手术并发症,提高患者的生活质量。但由于甲状腺癌多起病隐匿,生物学特性多变,临床、影像学及细胞学特征与良性病变存在交叉,使现有的术前评价甲状腺结节良、恶性的方法存在一定的误诊率。目前,虽然在甲状腺良、恶性结节鉴别中涌现出各种各样的技术手段,如CT和MRI、核素扫描法、PET显像、细针穿刺细胞学检查、基因检测等,常规超声（二维及彩色多普勒超声）做为一种非侵入性的检查手段,因其无创、方便、费用低廉、无放射性,已得到广泛应用,成为甲状腺结节性疾病的首选辅助检查。所有影像学检查手段中,超声对甲状腺结节的敏感性最高,几乎达100%,能发现直径1-2mm的病灶,对<2cm的小病灶检出率明显高于CT、MRI及核素显像。常规超声以其不断改进的高分辨率性能在甲状腺结节的筛查及鉴别诊断中仍有其独特的优势。常规超声不仅能提供肿块的数量及大小,还能明确肿块的囊实性及包膜是否完整,与周围组织关系等特征。有些临床未能触及的肿块,常规超声可探及,这对肿瘤的早期发现有一定的价值,但是常规超声在鉴别甲状腺结节的良恶性方面还存在一定的局限性。由于甲状腺结节病理结构的多源性,导致了图像的复杂性,诊断特异性较低,良、恶性结节之间的征象往往存在一些交叉。近年来发展起来的超声弹性成像技术,在甲状腺良、恶性鉴别方面进一步拓展了常规超声诊断的空间,弥补了X线、常规超声、MRI、CT等传统医学成像模态不能直接提供组织弹性的不足,具有无创、简便等优点,被广泛应用于临床,成为目前医学弹性成像的一个研究热点。超声弹性成像已在许多领域显示了它的优越性,具有广阔的应用前景。目前,在应用超声弹性成像对结节病变进行硬度分级标准不一,但国内外多参照日本筑波大学植野教授提出的弹性成像评分5分法进行评估。国内外学者将弹性成像5分法标准应用于对乳腺良恶性结节的鉴别诊断,已取得了较好的效果。在甲状腺结节的临床评估中,结节的硬度增加同其恶性风险升高有着密切联系,超声弹性成像能反映被测组织的弹性（即硬度）方面的信息,而组织的硬度与其内部病理结构密切相关。甲状腺恶性结节要比良性结节内的组织硬度高,组织弹性的重建就能为这些疾病的诊断提供重要的信息。同时甲状腺位置表浅,探头可以直接对其施加压力,容易获得弹性信息。国内外学者认为超声弹性成像是对传统超声成像的一种非常有用的补充,能够在甲状腺占位性病灶的诊断上提供一定的信息。目前的国内外关于甲状腺结节性疾病超声弹性成像研究较少,甲状腺弹性成像的临床应用价值还需要大量的临床研究来做进一步的探讨,并且完善其诊断标准,确定其诊断界点。国内外有文献报道Logistic回归分析应用于乳腺超声的研究,但未见有运用二分类Logistic回归模型综合分析甲状腺结节性疾病的二维灰阶超声、彩色多普勒超声以及超声弹性成像各特征的相关报道。本研究以甲状腺结节为研究对象,以术后病理结果为诊断金标准,第一部分采用5分法对甲状腺结节的弹性图像进行评分,应用ROC曲线评价超声弹性成像在甲状腺良恶性结节鉴别诊断中的价值,同时确定最佳诊断界点。第二部分依据Hae Kyungd及Stacul等建议的超声分类标准将结节分类,运用二分类Logistic回归模型综合分析甲状腺结节性疾病二维灰阶超声、彩色多普勒超声及超声弹性成像的各自特征,研究各自特征在甲状腺结节良恶性鉴别诊断中的价值,从中找出最有意义的征象和构建Logistic回归模型,以期获得一种简便而有效的方法来鉴别甲状腺单发结节的良、恶性。1、探讨超声弹性成像在甲状腺结节性疾病良恶性鉴别诊断中的应用价值。2、评价二维超声,彩色多普勒超声及超声弹性成像三种影像技术在甲状腺结节性疾病中的应用价值。2009年6月至2009年12月期间因甲状腺结节性疾病来我院手术的患者共244例,291个结节；术前均行超声弹性成像,术后所有结节均经病理检查。男61例,女183例,年龄7-79岁,平均（43.38±0.83）岁。结节直径0.3-3.2cm,位于右侧叶144个,位于左侧叶141个,峡部6个。另将2010年1月至2010年2月间甲状腺结节性疾病患者50例,共63个结节用于对Logistic回归模型的检验,所有患者甲状腺术前均行超声弹性成像,术后所有结节均经病理检查。使用Hitachi公司HI Vision 900彩色超声诊断仪（具有超声弹性成像功能）,探头频率6.0-13.0 MHz。对患者甲状腺行常规超声扫查,发现甲状腺结节且病灶周围有2-3倍的正常腺体组织,再对甲状腺结节行实时超声弹性成像检查。由两名超声科医师对弹性图像进行盲法评分,意见不一致时,由多人讨论得出评分。第一部分：采用5分法对甲状腺结节弹性图像进行评分,根据病灶区显示的不同颜色（即不同相对硬度）,定义病灶内50%以上显示为绿色定义为以绿色为主,50%以上显示为蓝色,定义为以蓝色为主,将弹性图像表现将弹性图像评为0-4分（见表1）：将甲状腺结节弹性图像评分与病理结果对照进行统计学分析,计算以各个弹性评分为界点时的诊断敏感性及特异性；以敏感性为纵坐标,1—特异性为横坐标绘制ROC曲线,选取最佳诊断界点。第二部分：依据Stacul等建议的良恶性结节分类标准,观察结节的各常规超声特征及甲状腺结节弹性评分情况。常规超声特征即结节数目、形态、边界、声晕、钙化、纵横比、后方回声有无衰减、内部回声及血供情况,甲状腺弹性图像评分标准见表1。对上述每个特征变量进行Logistic回归赋值,行二分类Logistic回归分析。另将2010年1月至2010年2月间甲状腺结节性疾病患者50例,共63个结节用于对Logistic回归模型预测能力的检验,所有患者甲状腺术前均行超声弹性成像,术后所有结节均经病理检查。以术后病理结果为金标准,将甲状腺结节分为良性组及恶性组。良恶性组间的结节数目、形态、边界、声晕、钙化、纵横比、后方回声有无衰减、内部回声及血供情况,甲状腺弹性图像评分比较采用两独立样本比较的x2检验,其中纵横比及后方回声衰减的比较采用Fisher确切概率法。将上述经统计学检验有统计学差异的变量纳入二分类Logistic回归分析。以病理结果良、恶性作为因变量,Logistic回归赋值分别为0和1,采用基于偏最大似然估计前进法进行回归分析,将上述述超声特征作为自变量建立Logistic模型（纳入标准：P≤0.05,排除标准：P>0.1）。统计学分析采用SPSS 13.0软件完成,以P<0.05为差异具有统计学意义。恶性组甲状腺结节共66个：乳头状癌62个（6个隐匿型乳头状癌）,髓样癌1个,滤泡癌1个,淋巴瘤2个。良性组甲状腺结节共225个：甲状腺腺瘤45个（5个伴囊性变）,结节性甲状腺肿175个（5个伴亚甲炎,20个伴囊性变,17个伴腺瘤样增生）,其它5个（亚急性甲状腺炎4个,桥本1个）。2、第一部分：甲状腺良恶性结节弹性图像评分情况见表2、表3：良性组结节84.9%（191/225）弹性图像评分≤2分,恶性组结节89.4%（59/66）弹性图像评分≥3分,经两独立样本比较的Wilcoxon秩和检验,良、恶性组结节弹性图像评分平均秩次分别为120.70、232.25,Z=-10.093,P=0.000,两组之间的弹性图像评分差异有统计学意义,恶性组结节评分高于良性组结节。良性组结节中腺瘤与结甲间弹性图像评分差异比较,经两独立样本比较的Wilcoxon秩和检验,腺瘤与结甲性弹性图像评分平均秩次分别为118.34、108.48,Z=-1.044,P=0.297,两组之间的弹性图像评分无统计学意义。ROC曲线下面积0.883,面积的标准误为0.026,95%置信区间为（0.832-0.935）,说明弹性成像（5分法）用于鉴别良恶性结节有显著性意义（P=0.000）,弹性图像评分越高,恶性结节的可能性越大。弹性图像评分鉴别甲状腺结节良恶性的最佳诊断界点为3分,≥3分为恶性病变,<3分为良性病变的标准,则超声弹性图像评分鉴别甲状腺单发结节良恶性的敏感性、特异性及准确性分别为89.4%、84.5%、85.9%。3、第二部分依据SPSS13.0的输出结果,Logistic回归分析最后一步筛选出4个自变量,即单多发、钙化、内部回声及弹性评分,各变量P值均<0.05,Logistic回归模型为：对上述模型行似然比检验,x2=152.507,P=0.000,表明模型有统计学意义。利用该回归模型预报2010年1月至2010年2月期间来我院手术的63个甲状腺结节,如果在回归值P大于0.5时预报为恶性,小于或等于0.5时预报为良性,则预报正确率高达57/63=90.5%;敏感性为78.6%,特异性为93.4%。1、超声弹性成像在甲状腺结节诊断中提供了更多的信息；对甲状腺结节良恶性鉴别诊断中有较好的临床应用价值。2、二分类Logistic回归模型从9个甲状腺结节常规超声特征变量中筛选出4对甲状腺单发结节良恶性鉴别诊断有意义的特征变量,常规超声检查是甲状腺超声检查的基础,超声弹性成像常规超声检查更有助于甲状腺单发结节良恶性鉴别诊断。两种检查方法联合应用,更有利于甲状腺单发结节良恶性的鉴别诊断。

论文目录

• 摘要
• ABSTRACT
• 前言
• 第一部分 应用ROC曲线评价超声弹性成像在甲状腺结节鉴别诊断中的应用价值
• 一、资料与方法
• 二、结果
• 三、讨论
• 第二部分 甲状腺结节性疾病超声诊断特征Logistic回归分析
• 一、资料与方法
• 二、结果
• 三、讨论
• 四、结论
• 参考文献
• 附图
• 在校期间发表论文
• 致谢
• 统计学证明