Классификация очаговых поражений молочной железы согласно лексикону BI-RADS для УЗИ: роль компьютеризованной системы поддержки принятия решений (S-Detect Breast™)

Перевод статьи: "Categorization of focal breast lesions according to the Ultrasound Breast Imaging Reporting and Data System (BI-RADS US) lexicon: Role of a computer aided decision making support (S-Detect™)".

"S-Detect Breast™ представляет собой эффективный инструмент принятия решений c компьютерной поддержкой для классификации очаговых поражений молочной железы, поскольку его применение улучшает выявляемость рака молочной железы, а также специфичность, отрицательную и положительную прогностическую значимость, даже при сравнении с решениями специалистов".

Введение

Ультразвуковое исследование молочной железы - широко распространенный метод визуализации, который часто используется как дополнение к рентгеновской маммографии для классификации очаговых поражений молочных желез, что улучшает диагностику рака и позволяет снизить количество ложноотрицательных результатов при диагностике рака молочной железы. Тем не менее УЗИ молочной железы требует существенного опыта, поэтому эта процедура зависит от опыта оператора и характеризуется меньшей воспроизводимостью результатов, специфичностью и положительной прогностической значимостью, чем рентгеновская маммография.

Лексикон Системы интерпретации и протоколирования результатов лучевых исследований молочной железы (BI-RADS) был впервые разработан Американской коллегией радиологов (American College of Radiology, ACR) в 2003 г. В нем представлены слова-идентификаторы (дескрипторы) для ультразвукового исследования очаговых поражений молочной железы, что позволило стандартизировать терминологию протоколов и последующее клиническое ведение пациентов.

Системы компьютеризованной диагностики (CAD), подобные системе S-Detect Breast™ компании Samsung Medison, разрабатываются в качестве вспомогательного средства для классификации очаговых поражений молочной железы и позволяют эффективно записывать, обрабатывать и анализировать ультразвуковые изображения.

Целью настоящего исследования была оценка роли компьютеризованной системы поддержки принятия решений (S-Detect Breast™) в классификации очаговых поражений молочной железы на основе лексикона BI-RADS.

Методы

CAD-система была использована для анализа ультразвуковых изображений в 160 последовательных случаях исследования очаговых поражений молочной железы в период с декабря 2014 г. по июнь 2015 г. Показаниями к УЗИ молочной железы служили пальпируемые объемные образования, выявленные при физикальном исследовании, уплотнения молочной железы или поражения, выявленные при дополнительной маммографии. Кроме того, были обследованы пациентки с мастодинией и молодые пациентки с доброкачественными узловыми образованиями или кистами молочной железы в семейном анамнезе (а также пациентки с такими же диагнозами, наблюдаемые после обнаружения поражения).

Два радиолога путем консенсуса классифицировали 160 очаговых поражений молочной железы (диапазон размеров: 2,6-47,2 мм; среднее значение: 11,5 мм ± 6,5 С.О.) у 123 пациентов (121 женщина и 2 мужчин; возраст: 13-98 лет, в среднем 50,1 года ±14,4 С.О.) в четырех категориях: 1) BI-RADS 2 - доброкачественные; 2) BI-RADS 3 - вероятно, доброкачественные; 3) BI-RADS 4 - подозрительные; 4) BI-RADS 5 - высокоподозрительные на злокачественность. Классификация была основана на дескрипторах лексикона BI-RADS (форма, ориентация, контур объемного образования, граница, эхогенность и дистальные акустические артефакты). Очаговые поражения молочной железы были обнаружены при помощи ультразвуковой системы высокого разрешения RS80A компании Samsung Medison.

Третий независимый специалист также оценивал те же самые 160 очаговых поражений молочной железы в автономном режиме при помощи системы S-Detect Breast™ - встроенного специализированного программного обеспечения (ПО) для УЗ-BI-RADSклассификации, способного к полуавтоматическому выявлению поражений и проведению управляемой классификации на основе вышеупомянутых дескрипторов. Возраст пациента, сведения о наличии рака молочной железы в семейном анамнезе, а также результаты предшествующих ультразвуковых исследований были доступны исследователю в целях воспроизведения более реалистичной клинической ситуации. Результаты рентгеновской маммографии применительно к очаговым поражениям молочной железы для данной ультразвуковой BI-RADS-классификации не учитывались.

Ультразвуковая пункционная биопсия и тонкоигольная аспирационная биопсия (FNAC) применялись в качестве метода морфологической верификации для всех очаговых поражений молочной железы, имеющих категорию BI-RADS 4 или 5. Результаты контрольного УЗИ в течение 6 мес были доступны для всех 45 поражений, классифицированных как BI-RADS 3, как до, так и после оценки при помощи S-Detect Breast™.

Чувствительность, специфичность, положительная и отрицательная прогностическая значимость были рассчитаны при определении очаговых поражений, классифицированных в категории BI-RADS 4 и 5 (злокачественные), и поражений, определенных в категории BI-RADS 2 и 3 (доброкачественные).

Результаты

В табл. 1 представлены расхождения в классификации 160 очаговых поражений молочной железы при консенсусной оценке двумя радиологами и при оценке их третьим специалистом при помощи программного инструмента S-Detect Breast™. Радиолог, проводивший оценку при помощи S-Detect Breast™, поменял изначально определенную категорию по BI-RADS для 17 (10,6%) из 160 очаговых поражений молочной железы: 9 из них были переведены из категории BI-RADS 3 в категорию BI-RADS 4 (рис. 1), 6 - из категории BI-RADS 4 в категорию BI-RADS 3 (рис. 2), 2 - из категории BI-RADS 5 в категорию BI-RADS 4. Никаких расхождений по поражениям, отнесенным к категории BI-RADS 2, выявлено не было.

Гистологический диагноз (табл. 2) был получен для 45 поражений, отнесенных к категории BI-RADS 4 или BI-RADS 5 без или с помощью S-Detect Breast™:

• 7 доброкачественных поражений: фиброаденома (2), обычная протоковая гиперплазия (2), гранулема (1), осложненная киста (1) и абсцесс (1);
• 2 поражения группы высокого риска: атипичная протоковая гиперплазия (1), склерозирующий аденоз (1);
• 36 злокачественных поражений: инвазивная протоковая карцинома (27), инвазивная дольковая карцинома (6), слизистый рак (1), листовидная цистосаркома (1), хондросаркома (1).

Два радиолога классифицировали 160 поражений следующим образом: BI-RADS 2 (n=70), BI-RADS 3 (n=54), BI-RADS 4 (n=21), BI-RADS 5 (n=15), с чувствительностью, специфичностью, положительной и отрицательной прогностической значимостью 81,6, 95,9, 86,1 и 94,3% соответственно.

Радиолог, пользовавшийся S-Detect Breast™, классифицировал 160 поражений следующим образом: BI-RADS 2 (n=70), BI-RADS 3 (n=51), BI-RADS 4 (n=26), BI-RADS 5 (n=13), с чувствительностью, специфичностью, положительной и отрицательной прогностической значимостью 92,1, 96,7, 89,7 и 97,5% соответственно.

В случае злокачественных новообразований повторная классификация при помощи S-Detect Breast™ оказалась правильной в 12 (70,6%) из 17 случаев: 6 из 9 злокачественных поражений и 1 из 9 новообразований с высоким риском были корректно переведены из категории BI-RADS 3 в категорию BI-RADS 4; 3 из 6 доброкачественных новообразований были переведены из категории BI-RADS 4 в категорию BI-RADS 3. Кроме того, 2 поражения были переведены из категории BI-RADS 5 в категорию BI-RADS 4, но способ лечения для этих случаев не подвергся никаким изменениям.

С другой стороны, 2 из 9 доброкачественных новообразований были ошибочно переведены в категорию BI-RADS 4, а 2 из 6 злокачественных новообразований и 1 из 6 образований с высоким риском были ошибочно переведены в категорию BI-RADS 3.

Обсуждение

В настоящем исследовании радиолог, пользовавшийся ПО S-Detect Breast™, достиг более высокой чувствительности, специфичности, положительной и отрицательной прогностической значимости, чем радиологи, не использовавшие S-Detect Breast™.

Среди 36 злокачественных новообразований лишь 2 были определены как "возможно, доброкачественные" (BI-RADS 3) радиологом, пользовавшимся S-Detect Breast™. В результате гистологического исследования в этих случаях были установлены диагнозы слизистого рака и листовидной цистосаркомы соответственно. У этих объемных образований были отмечены ровные контуры; кроме того, для листовидной цистосаркомы с не более чем тремя дольками была отмечена овальная морфология. Радиолог, использовавший S-Detect Breast™, классифицировал только одно образование с высоким риском злокачественности как BI-RADS 3; гистологическим диагнозом в этом случае оказался склерозирующий аденоз.

Шесть злокачественных новообразований (2 случая инвазивной дольчатой карциномы и 4 случая инвазивной проточной карциномы) и 1 образование с высоким риском злокачественности (атипичная проточная гиперплазия) не были правильно классифицированы двумя специалистами без ПО, но были правильно определены радиологом, использовавшим S-Detect Breast™. Эти новообразования продемонстрировали нерегулярную морфологию; их края были недостаточно четко очерчены. Таким образом, они были охарактеризованы как микродольчатые.

Два злокачественных поражения, которые были ошибочно определены в категорию BI-RADS 4 радиологом, использовавшим S-Detect Breast™, оказались, согласно гистопатологическому диагнозу, фиброаденомой и обычной проточной гиперплазией. В этих двух случаях дескрипторы, которые привели радиолога к повышению категории, оказались тенью (дистальный акустический артефакт и округлая морфология соответственно).

Один случай абсцесса и один случай гранулемы были единственными поражениями, неверно отнесенными к категории BI-RADS 4 как с помощью ПО S-Detect Breast™, так и без него. Причиной этого явились нечеткие контуры в первом случае и непараллельная ориентация во втором.

Заключение

Согласно нашему опыту, S-Detect Breast™ представляет собой эффективный инструмент компьютеризованного принятия решений для классификации очаговых поражений молочной железы, поскольку его применение улучшает диагностику рака молочной железы, а также специфичность, отрицательную и положительную прогностическую значимость, даже при сравнении с решениями специалистов.

Поддерживаемые системы: RS80A, WS80A и HS70A