《International Journal of Women's Health》：The Quantification Paradox in Gynecologic Color Doppler Ultrasound: From Spectral Indices to Microvascular Imaging and Artificial Intelligence
编辑推荐：
摘要彩色多普勒超声长期以来承诺将肿瘤血管转化为一种客观且可重复的测量方法，用于鉴别妇科疾病的良恶性。然而，其历史记录更为复杂。诸如阻力指数（RI）、搏动指数（PI）和收缩期峰值流速（PSV）等定量频谱指数曾反复被提出作为客观鉴别指标，但其临界值并未成为稳定的临
摘要彩色多普勒超声长期以来承诺将肿瘤血管转化为一种客观且可重复的测量方法，用于鉴别妇科疾病的良恶性。然而，其历史记录更为复杂。诸如阻力指数（RI）、搏动指数（PI）和收缩期峰值流速（PSV）等定量频谱指数曾反复被提出作为客观鉴别指标，但其临界值并未成为稳定的临床标准。最终纳入主要附件包块评估系统的是一种粗略的视觉彩色评分，并用于结构化的多变量框架中，例如国际卵巢肿瘤分析（IOTA）模型和卵巢-附件报告与数据系统（O-RADS）。新技术——超微血管成像（SMI）、超声造影（CEUS）、影像组学和深度学习——如今重新开启了血管定量化的旧有抱负。本叙述性综述围绕测量而非疾病类别来重新组织妇科多普勒文献。它提出一个主要的限制性问题可能是可重复性，而非信号内容。当操作者、机器、采集方式及人群变异得到控制时，高分辨率的血管特征更有可能在临床上变得有用。因此，多普勒技术创新的实践议程应优先考虑标准化采集、可重复性报告、校准、外部验证和任务特定部署，而非另一个孤立的、高AUC或高分辨率的血管生物标志物。文献检索通过PubMed/MEDLINE数据库（从建库至2026年5月31日）进行，检索词结合了妇科超声与多普勒、O-RADS/IOTA、SMI、CEUS、影像组学、人工智能和可重复性；同时使用了引文链法，并优先考虑妇科证据。
引言部分指出，肿瘤血管生成是实体瘤生长和治疗的生物学基础，妇科多普勒超声试图将这一生物学过程转化为临床工具。论文引入了“量化悖论”这一概念，指的是日益精确的血管测量与临床实践中采纳的、嵌入标准化多变量系统中的粗略彩色评分之间的巨大反差。早期研究尝试使用频谱多普勒的阻力指数（RI）和搏动指数（PI）来区分卵巢肿瘤良恶性，尽管这些指标看似客观，但临界值在不同操作者、机器和人群间不稳定，且与良性病变存在重叠，性能常不如形态学评估。最终，临床实践采纳的是更粗略的、半定量的视觉“彩色评分”，并嵌入到国际卵巢肿瘤分析（IOTA）模型及卵巢-附件报告与数据系统（O-RADS）等结构化多变量框架中，而非孤立的单一血管参数。论文将此历史演变划分为三个时代：从追求精确数值的频谱指数时代，到采纳粗略视觉评分的系统化时代，再到当前利用超微血管成像（SMI）、超声造影（CEUS）和人工智能（AI）重新追求定量化的时代。
第一时代：定量频谱多普勒与不稳定的阈值。该时代将频谱多普勒视为通往客观性的直接路径，其逻辑是恶性肿瘤新生血管形成会导致低阻抗波形，因此低于选定临界值的阻力指数（RI）或搏动指数（PI）可作为恶性标志物。然而，其局限性并非生物学基础缺失，而是操作目标不稳定。测得的阻力指数（RI）取决于采样血管、多普勒门放置位置、操作者搜索低阻力通道的积极程度以及机器对低速血流的设置。从非标准化采样决策中得出的连续数值并非自动具有可重复性。临床文献迅速暴露了这一弱点，如黄体、子宫内膜瘤和炎性肿块等良性病变可显示显著血流，而某些恶性病变在探查平面内可能相对无血管。在一个队列中优化的临界值，在另一个操作者、机器或患者群体中性能下降。因此，频谱多普勒的有限采纳可能反映了其可移植性不足，而非血管性信息无意义。
第二时代：半定量视觉血管性与受限的方差。该时代转向相反方向，通过国际卵巢肿瘤分析（IOTA）组标准化附件包块术语，使形态学和血管性描述在不同中心间保持一致。IOTA简单规则通过简单描述符而非频谱多普勒临界值来整合彩色多普勒信息。O-RADS US系统则采用标准化词典、形态学风险类别和1-4分彩色评分，将这种实用方案正式化。外部验证研究支持了O-RADS US在真实临床队列中的诊断价值，但荟萃分析也指出其性能因研究设计和目标人群而异。该时代的关键教训是，O-RADS并非消除了方差，而是将其限制到足以使一个粗略的血管描述符在临床上变得有用。
第三时代：再量化浪潮。当前时代重新开启了原始目标，超微血管成像（SMI）、超声造影（CEUS）和人工智能（AI）都承诺以更高分辨率恢复客观性。对于超微血管成像（SMI），其早期验证多来自甲状腺和乳腺，但定量血管指数（VI）测量已显示，即使是看似自动化的超微血管成像（SMI）标量也可能对可重复性约束敏感。妇科超微血管成像（SMI）证据正在涌现，已用于评估宫颈病变和监测宫颈癌放化疗反应。超微血管成像（SMI）最合理的应用场景是患者自身前后对比或空间描绘，而非横断面恶性度阈值。超声造影（CEUS）通过微泡增强信号，其最具可重复性的价值常是分类性的和形态学锚定的，如增强的有无、早于或晚于肌层增强，而时间-强度曲线参数同样面临采集敏感性带来的标准化挑战。对于宫颈癌监测，由于其作为纵向任务，患者自身部分作为对照，因此对方差容忍度更高，连续的血管测量可能比一次性横断面阈值更可靠。影像组学和人工智能（AI）是量化的最新形式，但现有综述强调，AI模型可能学习到扫描仪、增益或注释约定，而非可移植的血管生物学，因此高内部受试者工作特征曲线下面积（AUC）不足以证明其价值，关键在于前瞻性外部鉴别、校准、决策曲线效用和采集变异下的性能。
提出的核心约束：可重复性，而非分辨率。论文认为，贯穿三个时代的相同测量原理是：频谱多普勒提供高名义分辨率但采样不稳定；彩色评分提供低名义分辨率，但嵌入多变量系统时具有更强的实际稳健性；超微血管成像（SMI）、超声造影（CEUS）和人工智能（AI）提供更高的空间或计算分辨率，但它们只有在减少方差而不仅仅是提取更多信号时，才能改变实践。从偏差-方差问题来看，低偏差的连续估计量在方差不受控时会失败，而粗略估计量在方差被控制时变得有用。文献中报告的可重复性估计值有限但具有启发性，例如国际子宫内膜肿瘤分析（IETA）子宫内膜描述符中，彩色评分的加权Kappa值在专家间为0.77，在非专家间为0.69，而七分类血管模式则分别为0.35和0.32。新研究应要求新多普勒终点在展示组间显著差异之外，还需证明可接受的观察者间和观察者内一致性、采集稳定性、机器间可移植性及外部验证。
将血管问题与临床任务相匹配。论文提出了任务特异性部署原则：附件包块恶性度分诊是方差不容忍的，应依赖于O-RADS或IOTA系统中的彩色评分作为支持性特征；子宫内膜病理是模式识别问题，微血管成像应改善血管架构可视化；宫颈癌反应评估是纵向问题，串行血管变化更可靠，超微血管成像（SMI）血管指数（VI）和超声造影（CEUS）时间-强度测量应首先作为监测生物标志物评估；肌瘤、腺肌症和良性血管映射任务为解剖或程序性目的，微血管和造影技术可提供灌注图价值。
研究议程。第一，采集标准化应作为主要终点处理，需预设增益、动态范围、深度、脉冲重复频率、壁滤波、帧频、探头频率和感兴趣区规则。第二，可重复性报告应成为强制要求，包括视觉评分、分割掩膜、血管指数值和人工智能（AI）输出的观察者间和观察者内一致性，以及多中心采纳时所需的机器间一致性。第三，人工智能（AI）应指向方差减少，最有价值的应用可能是采集引导、自动病灶分割、标准化血管指数计算、图像质量控制、校准监测和分布外检测。第四，应将预测模型规范引入多普勒人工智能（AI），包括遵循TRIPOD报告标准、关注校准度以及使用PROBAST评估偏倚风险。最后，新技术应首先在方差容忍度高的任务中测试，如串行监测和标准化空间映射，只有在稳定性得到证实后，高分辨率血管量化才能用于指导管理决策。
结论部分总结，妇科彩色多普勒超声的历史最好被理解为一个持续三十年的测量实验。该领域反复尝试将肿瘤血管转化为客观的高分辨率估计量，但当方差不受控时，该估计量反复失败。最终存活下来的是一个粗略的血管评分，受到标准化术语、多变量背景和外部验证的保护。对超微血管成像（SMI）、超声造影（CEUS）、影像组学和人工智能（AI）等最新工具的判断标准，不应是它们显示了多少血管细节，而应是相同的血管结论是否能被另一位操作者、在另一台扫描仪上、在另一个中心、在另一个患者群体中获得。下一个有用的临床多普勒生物标志物将是使血管信息不仅可见，而且可重复和可移植的。
