作者：马梦娇，王娴，江苏大学附属人民医院超声医学科；钱晓芹，苏北人民医院超声医学科

近年甲状腺癌发病率迅速升高，在我国以每年约20%速度持续增长。根据肿瘤起源及分化差异，甲状腺癌可分为甲状腺乳头状癌(papillary thyroid cancer， PTC)、甲状腺滤泡状癌(follicular thyroid cancer， FTC)、甲状腺髓样癌(medullary thyroid cancer， MTC)、甲状腺低分化癌(poorly differentiated thyroid cancer， PDTC)及甲状腺未分化癌(anaplastic thyroid cancer， ATC)，以PTC最为常见，约占全部甲状腺癌的90%。

PTC恶性程度较低，但部分具有高侵袭性生物学特征，主要表现为早期颈部淋巴结转移(cervical lymph node metastasis， CLNM)、甲状腺外侵犯(extrathyroid extension， ETE)及基因突变等，可致过度诊断或治疗。本文就超声影像组学(ultrasound radiomics， USR)及其联合基因检测筛选高侵袭性PTC研究进展进行综述。

1. USR及其联合基因检测预测PTC CLNM

PTC常沿淋巴管至颈部淋巴结而出现多发转移；常规超声难以检出全部CLNM，且其检出中央区淋巴结转移的敏感度仅为10.9%～36.2%。

1.1 二维USR

YU等基于多中心数据分别建立的预测PTC CLNM风险的临床模型、传统USR模型、非迁移学习USR模型及超声迁移学习影像组学(transfer learning radiomic， TLR)模型的曲线下面积(area under the curve， AUC)分别为0.83、0.64、0.82及0.93，以TLR模型预测效能最佳。

既往研究分别采用线性判别分析(linear discriminant analysis， LDA)、逻辑回归CV(logistic regression CV， LRCV)、线性核支持向量机(support vector machine with the linear kernel， SVM-L)及径向基函数核支持向量机(support vector machine with radial basis function kernel， SVM-RBF)建立预测PTC CLNM的模型(临床模型、USR模型及临床-USR模型)，结果显示，临床模型中SVM-L最佳，USR模型以LDA最佳，临床-USR模型则以LRCV最佳，且后者在所有模型中效能最高(AUC=0.71)。

1.2 多模态USR

JIANG等基于2个中心共237个PTC病灶的二维超声和剪切波弹性超声(shear wave elastography， SWE)资料筛选出其6个特征，其中的二维超声所示淋巴结状态、SWE Radscore及多灶性为CLNM独立危险因素，以之建立的USR列线图具有良好预测效能。刘畅基于常规二维超声横切面及纵切面、超声造影(contrast-enhanced ultrasound，CEUS)和弹性成像，采用递归特征消除(recursive feature elimination， RFE)方法及10折交叉验证筛选出15个特征，之后以LDA分类器建立多模态USR及临床-多模态USR模型，其预测验证集PTC CLNM的AUC分别为0.768及0.932。

1.3 USR联合基因检测

WEI等基于390例PTC的临床及基因检测资料构建列线图，发现年龄、性别、肿瘤直径和RET基因状态均有助于预测CLNM；基于此构建的列线图的预测敏感度、特异度和AUC分别为82.7%、52.9%和0.724；且PTC伴CLNM更有可能发生RET基因突变。

2. USR及其联合基因检测预测PTC ETE

预测PTC ETE十分重要。多项指南建议对伴ETE的PTC患者行甲状腺全/次全切除术及术后131I治疗，而对不伴ETE者则仅需切除受侵犯的甲状腺叶和峡部；然而常规超声诊断PTC ETE的准确率一般。

2.1 二维USR

WANG等回顾性分析161例PTC，发现肿瘤位置及超声示ETE为PTC ETE的危险因素；于二维超声图像中提取6个非零系数特征作为影像组学标签构建的临床-USR模型预测PTC ETE的AUC为0.824。LI等分别采用K近邻、随机森林、支持向量机和光梯度增强机(light gradient boosting machine， LightGBM)机器学习基于164例儿童PTC超声图像构建USR模型，发现各模型预测PTC ETE的效能均较佳。

2.2 三维USR

三维超声指利用计算机对以常规二维超声连续采集的图像进行三维重建的技术。与二维超声图像相比，三维超声预测PTC ETE的敏感度更高。

卢文洁回顾性分析122个PTC病灶资料，采用逻辑回归(logistic regression， LR)构建三维USR模型，并联合临床风险因素(肿瘤最大径≥1.0 cm及超声诊断ETE)构建临床-三维USR联合模型，其预测PTC ETE的AUC分别为0.79及0.81。LU等以三维USR列线图预测训练集和验证集PTC ETE的AUC分别为0.810和0.798。

2.3 多模态USR

CEUS可提供PTC内部及边缘的微血管及血流信息，以提高诊断ETE的敏感度。JIANG等采集216例PTC的二维超声及CEUS图像，结合临床资料构建的临床-双模态USR列线图预测PTC ETE的AUC为0.792。WAN等针对235例PTC的二维超声、CDFI、SWE、超微血管成像(superb microvascular imaging， SMI)和CEUS图像筛选出13个USR特征临床模型、单模态USR及多模态USR模型，其预测ETE的AUC分别为0.700、0.908及0.911。

2.4 USR联合基因检测

当前罕见USR联合基因检测预测PTC ETE的报道。陈蕾等纳入206例接受BRAF基因检测及甲状腺二维超声和CEUS检查的PTC患者，发现以CEUS联合BRAF基因检测诊断PTC ETE的准确率为88.37%，高于二维超声联合BRAF基因检测(82.95%)，而单纯以BRAF基因检测诊断的准确率仅为38.76%；上述结果提示，BRAF基因检测可作为预测PTC ETE的指标之一，但需与其他检查联合应用。

3. USR预测PTC基因突变

超声引导下甲状腺结节细针穿刺抽吸(fine needle aspiration， FNA)细胞学检查可于术前诊断PTC，但15%～30%检测结果为Bethesda系统定义的“不确定”，需联合病灶基因突变状态进一步分析。YOON等基于患者年龄、病灶大小和深度卷积神经网络计算机辅助诊断(computer aided diagnosis， CAD)值建立的预测PTCBRAF V600E突变模型的效能明显优于单CAD值预测模型。

WANG等基于138例PTC患者的二维超声和SWE图像分别提取8个及5个与BRAF V600E突变相关的特征并建立模型，发现二维超声、SWE及双模态USR模型预测PTCBRAF V600E突变的AUC分别为0.725、0.931及0.938；该团队进一步优化模型，提取肿块硬度特征及内部结构丰富度特征，分别采用SVM-L、SVM-RBF、LR、贝叶斯算法、k近邻和线性判别分析结合既往研究提取的特征建立模型，结果显示SVM-RBF模型预测PTCBRAF V600E突变的AUC最佳(0.980)，且优于既往研究所获双模态USR模型(AUC=0.938)。

2021年美国甲状腺学会(American Thyroid Association， ATA)指南指出，BRAF V600E突变联合其他基因(如TERT、RAS、TP53等)突变提示甲状腺癌侵袭性更高、预后更差。基于此，有学者制备了包含4基因的panel， 并比较二代测序与质谱检测预测PTC多基因突变的效能，发现其检测结果的符合率为84.9%。

4. USR及其联合基因检测诊断高侵袭性PTC亚型

PTC亚型包括滤泡亚型、高细胞亚型、柱状细胞亚型、弥漫硬化亚型(diffuse sclerosing variant PTC， DSV-PTC)、筛状-桑葚亚型、鞋钉样亚型及梭形细胞亚型等；其中，DSV-PTC生长迅速、侵袭性较高，预后差。有学者联合应用超声弹性成像、FNA和BRAF V600E基因检测诊断高侵袭性DSV-PTC，其敏感度、特异度、阴性预测值、阳性预测值和准确率分别为92.5%、95.3%、93.2%、94.9%和94.0%，均显著高于各单一方法。

来源：马梦娇,王娴,钱晓芹.超声影像组学及联合基因检测筛选高侵袭性甲状腺乳头状癌研究进展[J].中国医学影像技术,2024,40(07):1100-1103.

(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)