Page 117 - 南京医科大学学报自然科学版

第41卷第2期 潘加珍，查海玲，杜丽雯，等. S⁃Detect技术与常规超声不同联合方案在乳腺结节评估中的应用［J］.
2021年2月 南京医科大学学报（自然科学版），2021，41（02）：262-267 ·267 ·

调一级）和方案四（即最大长轴切面结果为“可能恶 computer⁃aided diagnosis in breast ultrasound interpreta⁃
性”或“可能良性”时，原 BI⁃RADS 分类上调或下调 tion：improvements in diagnostic performance according
一级）；这可能是由于 S⁃Detect 诊断特异性较高，识 to reader experience［J］. Ultrasonography，2018，37（3）：
别良性病灶更具优势，这两种方案均较大限度地发 217-225
［8］ YONGPING L，ZHOU P，JUAN Z，et al. Performance of
挥了该项优势。事实上，临床实践中乳腺超声门诊
computer⁃aided diagnosis in ultrasonography for detection
检查的乳腺结节良恶性比例远大于本研究中的87∶
of breast lesions less and more than 2 cm：Prospective
88，S⁃Detect 技术的发挥空间更大。此外，本研究中
comparative study［J］. JMIR Med Inform，2020，8（3）：
方案三和方案四并未体现出显著差异，这可能与本 e16334
研究中恶性比例较高有关，或许增加样本量能进一 ［9］ KAPETAS P，CLAUSER P，WOITEK R，et al. Quantita⁃
步比较方案三、四的优劣。 tive multiparametric breast ultrasound application of con⁃
本研究存在一些局限性。包括：①为单中心研 trast ⁃ enhanced ultrasound and elastography leads to an
究，样本数较少，结果可能存在一定选择偏倚误差； improved differentiation of benign and malignant lesions
②钙化、硬度等因素是判断乳腺肿块性质的重要线 ［J］. Invest Radiol，2019，54（5）：257-264
索，而S⁃Detect缺乏相关参数；③排除了非肿块性病 ［10］ HUANG Y S，TAKADA E，KONNO S，et al. Computer⁃
aided tumor diagnosis in 3 ⁃ D breast elastography［J］.
变和囊肿等典型良性病变，恶性病灶占比较高，与
Comput Methods Programs Biomed，2018，153：201-209
临床实际情况存在差异，这也同样可能造成偏倚。
［11］ 刘 薇，巩海燕，查海玲，等. 超声造影与动态增强MRI
S⁃Detect 技术具有良好的诊断特异性。低、中
在乳腺病灶诊断中的对比研究［J］. 南京医科大学学报
年资医师对乳腺结节进行 BI⁃RADS 分类时联合 S⁃ （自然科学版），2019，39（10）：1533⁃1536
Detect技术可以提高诊断准确性，其中，BI⁃RADS分 ［12］ 晋秀丽，李风娟，万 辉，等. S⁃Detect 技术与弹性成像
类联合方案三（S⁃Detect 最大长轴切面或其垂直切 技术联合应用对乳腺 BI⁃RADS4 类结节良恶性评估的
面为可能良性时下调一级）和方案四（S⁃Detect 最大 诊断价值［J］. 河北医科大学学报，2020，41（1）：66-71
长轴切面为可能恶性或可能良性时分别上调或下 ［13］ 周永刚，袁丽君，邢长洋，等. 超声S⁃Detect 分类技术在
调一级）评估乳腺结节良恶性效能较佳。 乳腺包块良恶性诊断中的应用价值［J］. 中华超声影像
学杂志，2017，26（12）：1053-1056
［参考文献］
［14］ WU J Y，ZHAO Z Z，ZHANG W Y，et al. Computer⁃aided
［1］ FERLAY J，SOERJOMATARAM I，DIKSHIT R，et al. diagnosis of solid breast lesions with ultrasound：factors
Cancer incidence and mortality worldwide：sources，meth⁃ associated with false ⁃ negative and false ⁃ positive results
ods and major patterns in GLOBOCAN 2012［J］. Int J ［J］. J Ultrasound Med，2019，38（12）：3193-3202
Cancer，2015，136（5）：E359-E386 ［15］ DI SEGNI M，DE SOCCIO V，CANTISANI V，et al. Auto⁃
［2］ SIEGEL R L，MILLER K D，JEMAL A. Cancer statistics， mated classification of focal breast lesions according to S⁃
2019［J］. CA Cancer J Clin，2019，69（1）：7-34 detect：validation and role as a clinical and teaching tool
［3］ YOON J H，KIM M J，MOON H J，et al. Subcategorization ［J］. J Ultrasound，2018，21（2）：105-118
TM
of ultrasonographic BI⁃RADS category 4：positive predic⁃ ［16］ 刘 琰，王 雁，丁全全，等. 超声 S⁃Detect 技术在鉴
tive value and clinical factors affecting it［J］. Ultrasound 别乳腺良恶性肿块中的应用分析［J］. 中国超声医学杂
Med Biol，2011，37（5）：693-699 志，2020，36（1）：33-36
［4］ AKKUS Z，CAI J，BOONROD A，et al. A survey of deep⁃ ［17］ KIM K，SONG M K，KIM E K，et al. Clinical application
learning applications in ultrasound：artificial intelligence⁃ of S⁃Detect to breast masses on ultrasonography：a study
powered ultrasound for improving clinical workflow［J］. J evaluating the diagnostic performance and agreement with
Am Coll Radiol，2019，16（9 Pt B）：1318-1328 a dedicated breast radiologist［J］. Ultrasonography，2017，
［5］ WU G G，ZHOU L Q，XU J W，et al. Artificial intelligence 36（1）：3-9
in breast ultrasound［J］. World J Radiol，2019，11（2）： ［18］ 葛 雪，杜建文，王 洪，等. S⁃Detect 技术在不同级别
19-26 超声医师乳腺肿物性质诊断的应用价值［J］. 中国超声
［6］ STAVROS A T，FREITAS A G，DEMELLO G G N，et al. 医学杂志，2020，36（2）：112-115
Ultrasound positive predictive values by BI⁃RADS catego⁃ ［19］ 李 响，程慧芳，闫 虹，等. 常规超声联合S⁃Detect 技
ries 3⁃5 for solid masses：an independent reader study［J］. 术对乳腺病灶的诊断价值［J］. 中国超声医学杂志，
Eur Radiol，2017，27（10）：4307-4315 2019，35（3）：225-228
［7］ CHOI J H，KANG B J，BAEK J E，et al. Application of ［收稿日期］ 2020-10-03