Advances in Clinical Medicine
Vol. 12  No. 03 ( 2022 ), Article ID: 49598 , 7 pages
10.12677/ACM.2022.123313

O-RADS分类、GI-RADS分类、简单规则对卵巢肿瘤诊断性能的比较

王荣玲1*,王秀军2,杨宗利1

1青岛大学附属医院腹部超声科,山东 青岛

2莒县中医医院病理科,山东 日照

收稿日期:2022年2月21日;录用日期:2022年3月13日;发布日期:2022年3月23日

摘要

目的:探究卵巢–附件超声报告和数据系统的风险分层与管理(O-RADS)、妇科影像报告与数据系统(GI-RADS)、简单规则对卵巢肿瘤良恶性的诊断能力。方法:回顾性分析卵巢肿瘤患者的声像图资料,绘制受试者工作特征(ROC)曲线,分别计算O-RADS、GI-RADS、简单规则对卵巢肿瘤的诊断效能。结果:O-RADS分类、GI-RADS分类及简单规则的曲线下面积(AUC)分别为0.90、0.89、0.86;O-RADS分类、GI-RADS分类及简单规则诊断恶性附件肿块的灵敏度分别为97.6%、82.8%、89.8%,特异度分别为82.5%、91.2%、89.8%。结论:O-RADS分类灵敏度优于GI-RADS分类、简单规则,具有较高的临床价值,值得在临床推广应用。

关键词

超声检查,卵巢肿瘤,O-RADS,GI-RADS,简单规则

Comparison of O-RADS Classification, GI-RADS Classification and Simple Rules in the Diagnosis of Adnexal Tumors

Rongling Wang1*, Xiujun Wang2, Zongli Yang1

1Department of Ultrasonography, The Affiliated Hospital of Qingdao University, Qingdao Shandong

2Department of Pathology, Juxian Hospital of Traditional Chinese Medicine, Rizhao Shandong

Received: Feb. 21st, 2022; accepted: Mar. 13th, 2022; published: Mar. 23rd, 2022

ABSTRACT

Objective: To explore the diagnostic ability of ovarian-adnexal ultrasound report and data system (O-RADS), gynecological imaging report and data system (GI-RADS) and simple rules for adnexal masses. Methods: The sonographic data of patients with adnexal tumors confirmed by pathology were retrospectively analyzed. The Receiver Operating Characteristic (ROC) curves were drawn and the diagnostic efficacy of O-RADS, GI-RADS and simple rules in the diagnosis of adnexal masses was calculated respectively. Results: The area under the curve (AUC) of O-RADS, GI-RADS and simple rules were 0.90, 0.89, and 0.86, respectively; the sensitivity of O-RADS, GI-RADS and simple rules in diagnosing malignant adnexal masses were 97.6%, 82.8%, 89.8%, and the specificity was 82.5%, 91.2%, and 89.8%, respectively. Conclusion: The sensitivity of O-RADS is better than that of GI-RADS and simple rules, and it has high clinical value and is worthy of clinical application.

Keywords:Ultrasonographic Examination, Ovarian Tumors, O-RADS, GI-RADS, Simple Rules

Copyright © 2022 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

卵巢肿瘤是女性盆腔最常见的肿瘤,尽管大多数肿瘤是良性的,但是也有一些恶性肿瘤。由于卵巢位置较深,发现恶性肿瘤时已经处于晚期阶段,晚期卵巢肿瘤治疗效果不佳,预后较差,导致其病死率在妇科肿瘤中居于首位 [1],因此,早期发现卵巢肿瘤对女性的生命健康尤为重要。目前超声被认为是筛查卵巢肿瘤的首选方法,2008年国际卵巢肿瘤分析小组(The International Ovarian Tumor Analysis, IOTA)制定了诊断附件肿物的简单规则 [2],Amor [3] 等借鉴乳腺肿瘤影像报告与数据系统(BI-RADS),建立了妇科影像报告与数据系统,作为实现附件肿块结构化报告的一种方法,2020年美国放射协会提出的卵巢–附件超声报告和数据系统的风险分层与管理(O-RADS)共识指南 [4] 为超声诊断鉴别卵巢肿瘤提供了新的思路和依据。本文旨在对比分析O-RADS分类、GI-RADS分类及简单规则在卵巢肿瘤鉴别中的诊断价值。

2. 资料与方法

2.1. 研究对象

收集自2020年6月至2021年5月于本院妇科就诊接受卵巢肿瘤手术并获得病理结果的患者345例,,年龄17~87岁,平均年龄(50.32 ± 16.10)岁。纳入标准:① 术前均经妇科超声检查;② 附件区至少有1个包块;③ 患者术前未接受过附件区手术以及放化疗。排除标准:① 正常卵巢(O-RADS 1和GI-RADS 1);② 妊娠状态者;③ 患者信息不完整;④ 由于各种原因超声图像质量不佳,共计345个肿块。

2.2. 仪器与方法

2.2.1. 仪器

使用GE Voluson E8、Mindray Reasona 8T等彩色多普勒超声诊断仪。

2.2.2. 方法

常规行阴道超声检查,检查前嘱患者排空膀胱,取截石位。常规检查子宫及双侧附件等盆腔脏器,若双附件区均有包块,则选择声像图更复杂者;若两侧包块声像图相似,则选择径线更大或更易被超声探测者,重点观察肿块的最大直径、内部回声、壁厚、分隔、乳头状突起物、实性区、有无腹腔积液、有无腹膜结节、有无血供及血供的丰富程度等。若肿块体积较大,经阴道超声不足以显示其完整轮廓,则需要经腹部超声和经阴道超声联合检查。

根据O-RADS分类将卵巢肿瘤分为6类 [4]:0类,超声不能评估;1类,正常卵巢,包括≤3 mm的卵巢和黄体;2类,几乎可以肯定为良性病变(恶性风险小于1%);3类,恶性低风险病变(恶性风险1%~10%);4类,恶性中等风险病变(恶性风险10%~50%);5类,恶性高风险病变(恶性风险 ≥ 50%)。血流评分1~4分,1分:无血流信号,2分:微血流信号,3分:中等血流信号;4分:大量血流信号。

根据GI-RADS分类将卵巢肿瘤分为5类 [3]:1类:超声未发现明显阳性卵巢肿瘤,即正常附件;2类:良性可能性大,为功能性组织;3类:可能良性肿瘤,为良性赘生性肿瘤;4类:可疑恶性肿瘤,除外2~3类病变,且有以下1~2个恶性表现者:大乳头状突起(长径 > 7 mm)、厚壁分隔(>3 mm)、实性区域较明显、腹水、内部血流较丰富,RI < 0.5;5类,恶性肿块可能性大,肿块有3个以上4类病变所述恶性表现者。

简单规则 [2] 包括5个良性病变的超声特征(B特征)和5个恶性病变的特征(M特征)。良性特征(B):B1,无分叶囊性包块;B2,实性结构但其最大径 ≤ 0.7 cm;B3,声影;B4,光滑多分叶包块;B5,无血流信号。恶性特征(M):M1,不规则实性成分;M2,腹水(深度 ≥ 5 cm);M3,乳头状结构;M4,不规则多分叶实性成分且包块最大直径 ≥ 10 cm;M5,丰富血流信号。

由2名超声医师在不了解病理结果的情况下应用O-RADS、GI-RADS、简单规则根据上述方法对卵巢肿瘤进行分级,当意见不一致时,由两位医师共同讨论得出最终结果。

2.3. 统计学方法

使用SPSS26.0对收集的数据进行分析。分类变量比较采用c2检验,连续变量比较采用独立样本t检验。应用受试者工作特征(receiver operating characteristic, ROC)曲线确定最佳分界值,计算曲线下面积(area under the curve, AUC)。计算三种分类方法的灵敏度、特异度、阳性预测值、阴性预测值、诊断准确率并采用c2检验进行比较,采用Z检验比较曲线下面积。P < 0.05为差异有统计学意义。

3. 结果

3.1. 病理学检查结果

组织病理学诊断为判定肿物性质“金标准”,345个卵巢肿块中,良性肿瘤组217例,包括卵巢囊肿6例,卵巢冠囊肿1例,卵巢黄体囊肿7例,卵巢包涵囊肿5例,卵巢子宫内膜异位囊肿34例,卵巢甲状腺肿3例,卵巢腺纤维瘤1例,卵巢畸胎瘤60例,卵巢浆液性囊腺瘤31例,卵巢粘液性囊腺瘤46例,卵泡膜细胞瘤8例,卵泡膜纤维瘤9例,卵巢浆粘液性囊腺瘤1例;恶性肿瘤128例,包括卵巢交界性肿瘤24例,卵巢浆液性癌65例,卵巢黏液性癌7例,卵巢透明细胞癌9例,卵巢梭形细胞肿瘤1例,卵巢子宫内膜样癌4例,鳞状细胞癌2例,粒层细胞瘤4例,未分化癌1例,无性细胞瘤3例,卵黄囊瘤3例,血管肉瘤1例,卵巢浆粘液癌1例,卵巢Brenner瘤1例,神经内分泌肿瘤1例;其中,把交界性肿块归为恶性组。

3.2. 患者年龄和绝经情况的比较

患者年龄和绝经情况的比较如表1所示。卵巢恶性疾病的患者年龄大于良性疾病的患者,差异有统计学意义(P < 0.001),卵巢恶性疾病绝经后的人数多于良性疾病,差异有统计学意义(P < 0.001)。

Table 1. Comparison of patient’s age and menopausal

表1. 患者年龄和绝经情况的比较

3.3. 三种超声分类方法诊断卵巢恶性肿瘤发生率

三种分类方法的恶性率如表2所示。根据O-RADS分类,O-RADS 2、3、4、5的恶性率分别为1.1%、2.3%、61.9%、88.0%。差异有统计学意义(P < 0.001);根据GI-RADS分类,GI-RADS 2、3、4、5的恶性率分别为6.7%、10.2%、76.9%、97.9%,差异有统计学意义(P < 0.001);根据简单规则分类,良性卵巢肿瘤、恶性卵巢肿瘤、不确定性卵巢肿瘤的恶性率分别为6.8%、80.9%、46.4 %,差异有统计学意义(P < 0.001)。

Table 2. Incidence of malignancies among the three diagnostic ultrasound methods

表2. 三种超声诊断方法的恶性肿瘤发生率

3.4. 三种超声分类方法的诊断效能

以病理结果为金标准绘制ROC曲线见图1,O-RADS分类的AUC为0.90 (95% CI: 0.884~0.944),P < 0.001,计算约登指数,得到诊断的最佳截断值为>O-RADS 3。联合应用O-RADS4和O-RADS5作为恶性肿瘤的预测因子,O-RADS分类良性182例(52.7%),恶性163例(47.3%)。GI-RADS分类的AUC为0.89 (95% CI: 0.843~0.926),P < 0.001,计算约登指数,得到诊断的最佳截断值为>GI-RADS 3。联合应用GI-RADS4和GI-RADS5作为恶性肿瘤的预测因子,GI-RADS分类良性220例(63.8%),恶性125例(36.2%)。简单规则的AUC为0.86 (95% CI: 0.813~0.900),P < 0.001。计算约登指数,得到最佳诊断值为只有M征象、没有B征象或者同时有M征象和B征象,将只有M征象、没有B征象或者同时有M征象和B征象作为恶性肿瘤的预测因子,简单规则良性191例(55.4%),恶性154例(44.6%)。三种超声分类分类系统的灵敏度、特异度阳性预测值、阴性预测值、诊断准确率见表3

2名年资相当的超声医师的分级结果一致性检验,发现观察者的一致性较好(Kappa值分别为0.84、0.80、0.77,P < 0.05),提示有较好的一致性。

Figure 1. ROC curves of O-RADS, GI-RADS, and simple rules for the diagnosis of malignant ovarian tumors

图1. O-RADS、GI-RADS、简单规则诊断恶性卵巢肿瘤的ROC曲线

(a) (b)

Figure 2. A 56-year-old woman, (a) transvaginal color Doppler ultrasound shows a cystic and solid mass in the pelvis with irregular shape. (b) Color Doppler ultrasound reveals rich blood flow (color score = 4). The lesion was categorized as ovarian-adnexal ultrasound report and data system (O-RADS) 5, gynecological imaging report and data system (GI-RADS) 4 and simple rules malignant. Pathology: ovarian serous carcinoma

图2. 女,56岁,(a) 经阴道超声显示盆腔内囊实性团块,形态不规则。(b) 彩色血流显示丰富血流(血流评分 = 4分);卵巢–附件超声报告和数据系统的风险分层与管理(O-RADS) 5类,妇科影像报告与数据系统(GI-RADS) 4类,简单规则恶性;术后病理:卵巢高级别浆液性癌

Table 3. Diagnostic performance of three ultrasound diagnostic methods [% (case)]

表3. 三种超声诊断方法的诊断性能[% (例)]

4. 讨论

大多数卵巢癌在发现时已经处于晚期,因此,早发现、及时治疗对卵巢癌患者的生存至关重要。目前超声诊断卵巢主要依据个人经验,经验不同导致诊断正确率相差较大。超声诊断模型可以对卵巢肿瘤进行客观地分类,为患者选择最佳的治疗措施,卵巢–附件超声报告和数据系统的风险分层与管理(O-RADS)是一种新的分类方法,采用规范化的超声术语,使其诊断更加规范、客观。我们使用O-RADS分类、GI-RADS分类、简单规则对卵巢肿瘤进行分类,尽管国内外有许多研究表明GI-RADS分类、简单规则具有较高的临床价值 [5] [6] [7] [8] [9],但到目前为止,国内外对O-RADS分类的诊断性能研究较少。

在本研究中,根据O-RADS分类方法对345例卵巢肿瘤进行分类,O-RADS 2类94例,其中恶性1例;O-RADS 3类88例,其中恶性2例;O-RADS 4类71例,其中恶性44例;O-RADS 5类92例,其中恶性81例。在进行分类时,对一些典型的超声图像,如直径 < 10 cm的单纯性囊肿,卵巢出血性囊肿、子宫内膜异位囊肿、卵巢成熟性畸胎瘤等,直接预判为O-RADS 2类,对于直径 ≥ 10 cm的囊肿,根据其形态学特征与彩色血流评分进行分类。

本次研究中,卵巢恶性肿瘤的患者年龄大于良性肿瘤的患者,卵巢恶性肿瘤绝经后的人数多于良性肿瘤。卵巢肿瘤的恶性率随着O-RADS、GI-RADS简单规则三种超声分类方法的类别增加而增加,其中O-RADS 2、O-RADS 3、O-RADS 5、简单规则的恶性率与推荐率相当 [4],而O-RADS 4和GI-RADS分类的恶性率高于推荐率。其原因可能有两方面:一方面,恶性卵巢肿瘤大多数是囊实混合性(图2),仅有少部分恶性肿瘤表现为实性成分 [10],在本次研究中发现,有8例卵巢浆液性癌体积较小、内壁光滑、实性成分较少,彩色多普勒显示微弱血流,预判为O-RADS 4类,提示O-RADS 4类不能笼统的分为良性或者恶性病变,可一步分类以更好的评估其恶性风险性;另一方面,在本次研究中,交界性肿瘤归为恶性组,超声未表现出恶性特征,增加了其恶性率。

本研究对这三种超声分类方法进行分析,三种超声分类方法均具有较好的诊断价值,其中O-RADS的诊断效果最好,当结合O-RADS 4和O-RADS 5作为恶性肿瘤的预测因子时,O-RADS分类诊断恶性肿瘤的灵敏度高于GI-RADS分类和简单规则(P < 0.01),而三种分类方法的特异度则无明显差别。本研究中采用O-RADS分类诊断卵巢恶性肿瘤的灵敏度、特异度与国外研究 [11] 基本一致。O-RADS灵敏度高主要是由于O-RADS分类对每种病变提供了详细的描述和解释,能够正确的将卵巢肿瘤进行分类,以确定哪些肿块需要随访、进一步检查或者采取手术治疗,而GI-RADS分类和简单规则没有相应的后续指南。Lan Cao等 [11] 用O-RADS分类诊断卵巢肿瘤的ROC曲线下面积为0.960,李琴等 [12] 用GI-RADS分类诊断卵巢肿瘤的ROC曲线下面积为0.934,Koneczny [8] 等用简单规则诊断卵巢肿瘤的ROC曲线下面积为0.930,本研究中曲线下面积均低于上述研究,可能与病例的多少和病理类型有关。

O-RADS 4类中包括27例良性病变、44例恶性病变,在本研究中发现27例良性病变的声像图表现较为混杂,其中6例卵泡膜细胞瘤体积较大,表现为以实性为主的囊实性团块,彩色多普勒显示较丰富血流信号,8例浆液性囊腺瘤具有多房、厚分隔、多乳头状突起的声像图表现,被误判为恶性肿块,增加了假阳性率。这就意味着更多良性的附件肿块将会采取进一步治疗或者进行手术,会导致附件肿块的过度治疗,这是目前需要解决的主要问题。

本文局限性:① 本研究为基于静态图像的回顾性研究,基础的测量会造成不可避免的偏差;② 所有的数据均来自手术病例,可能存在数据偏倚;③ 排除正常卵巢的病例、图像质量差的病例,可能会造成一定的选择偏倚。

综上所述,O-RADS-分类灵敏度优于GI-RADS分类、简单规则,具有较高的临床价值,值得在临床推广使用。

致谢

感谢所有作者对本文章的贡献。

文章引用

王荣玲,王秀军,杨宗利. O-RADS分类、GI-RADS分类、简单规则对卵巢肿瘤诊断性能的比较
Comparison of O-RADS Classification, GI-RADS Classification and Simple Rules in the Diagnosis of Adnexal Tumors[J]. 临床医学进展, 2022, 12(03): 2171-2177. https://doi.org/10.12677/ACM.2022.123313

参考文献

  1. 1. Warren, J.L., Harlan, L.C., Trimble, E.L., et al. (2017) Trends in the Receipt of Guideline Care and Survival for Women with Ovarian Cancer: A Population-Based Study. Gynecologic Oncology, 145, 486-492. https://doi.org/10.1016/j.ygyno.2017.03.016

  2. 2. Timmerman, D., Testa, A.C., Bourne, T., et al. (2008) Simple Ultrasound-Based Rules for the Diagnosis of Ovarian Cancer. Ultrasound in Obstetrics & Gynecology, 31, 681-690. https://doi.org/10.1002/uog.5365

  3. 3. Amor, F., Vaccaro, H., Alcázar, J.L., et al. (2009) Gynecologic Imaging Reporting and Data System: A New Proposal for Classifying Adnexal Masses on the Basis of Sonographic Findings. Journal of Ultrasound in Medicine, 28, 285-291. https://doi.org/10.7863/jum.2009.28.3.285

  4. 4. Andreotti, R.F., Timmerman, D., Strachowski, L.M., et al. (2020) O-RADS US Risk Stratification and Management System: A Consensus Guideline from the ACR Ovarian-Adnexal Reporting and Data System Committee. Radiology, 294, 168-185. https://doi.org/10.1148/radiol.2019191150

  5. 5. Timmerman, D., Ameye, L., Fischerova, D., et al. (2010) Simple Ultrasound Rules to Distinguish between Benign and Malignant Adnexal Masses before Surgery: Prospective Validation by IOTA Group. BMJ, 341, c6839. https://doi.org/10.1136/bmj.c6839

  6. 6. Basha, M.A.A., Refaat, R., Ibrahim, S.A., et al. (2019) Gynecology Imaging Reporting and Data System (GI-RADS): Diagnostic Performance and Inter-Reviewer Agreement. European Radiology, 29, 5981-5990. https://doi.org/10.1007/s00330-019-06181-0

  7. 7. Zhang, T., Li, F., Liu, J., et al. (2017) Diagnostic Performance of the Gynecology Imaging Reporting and Data System for Malignant Adnexal Masses. International Journal of Gynecology & Obstetrics, 137, 325-331. https://doi.org/10.1002/ijgo.12153

  8. 8. Koneczny, J., Czekierdowski, A., Florczak, M., et al. (2017) The Use of Sonographic Subjective Tumor Assessment, IOTA Logistic Regression Model 1, IOTA Simple Rules and GI-RADS System in the Preoperative Prediction of Malignancy in Women with Adnexal Masses. Ginekologia Polska, 88, 647-653. https://doi.org/10.5603/GP.a2017.0116

  9. 9. Wynants, L., Timmerman, D., Verbakel, J.Y., et al. (2017) Clinical Utility of Risk Models to Refer Patients with Adnexal Masses to Specialized Oncology Care: Multicenter External Validation Using Decision Curve Analysis. Clinical Cancer Research, 23, 5082-5090. https://doi.org/10.1158/1078-0432.CCR-16-3248

  10. 10. Moro, F., Baima Poma, C., Zannoni, G.F., et al. (2017) Imaging in Gynecological Disease (12): Clinical and Ultrasound Features of Invasive and Non-Invasive Malignant Serous Ovarian Tumors. Ultrasound in Obstetrics & Gynecology, 50, 788-799. https://doi.org/10.1002/uog.17414

  11. 11. Cao, L., Wei, M., Liu, Y., et al. (2021) Validation of American College of Radiology Ovarian-Adnexal Reporting and Data System Ultrasound (O-RADS US): Analysis on 1054 Adnexal Masses. Gynecologic Oncology, 162, 107-112. https://doi.org/10.1016/j.ygyno.2021.04.031

  12. 12. 李琴, 赵薇, 唐柳林, 等. 妇科影像报告和数据系统鉴别附件肿块良恶性的应用价值[J]. 临床超声医学杂志, 2021, 23(5): 374-378.

  13. NOTES

    *通讯作者Email: qingyichaosheng@126.com

期刊菜单