Оценка рисков злокачественности US BI-RADS с использованием автоклассификатора S-Detect, допплерографиии и эластографии на УЗ-сканерах Samsung Medison

Рак молочной железы (РМЖ) занимает одно из лидирующих мест в структуре онкопатологии женского населения [1–3]. Ведущим методом диагностики этой злокачественной патологии является рентгеновская маммография (РМ) [4–6]. Специалистам хорошо известен рентгенологический признак злокачественности – сгруппированные микрокальцинаты [7]. Именно этот критерий лежит в основе отбора групп риска и основного контингента заболевших РМЖ. Особенно высока диагностическая эффективность РМ в выявлении РМЖ при преобладании жировой ткани в структуре молочных желез [8]. На протяжении последних 20 лет отмечено увеличение контингента молодых женщин среди заболевших РМЖ. Это женщины в возрасте 25–40 лет с выраженно железистым типом строения молочных желез [9, 10]. Рентгенологическая оценка состояния молочных желез у этой категории женщин имеет ряд ограничений, что при диагностике РМЖ требует проведения дополнительных методов исследования [11].

С учетом высокой оснащенности медицинских учреждений ультразвуковой аппаратурой, возможности эхографии хорошо оценивать состояние железистой ткани ультразвуковое исследование молочных желез является перспективным методом диагностики РМЖ у женщин молодого возраста [12, 13]. Успехи эхографии в диагностике РМЖ у молодого контингента женщин обусловлены возможностью метода различать патологическую перестройку в железистой ткани. Накоплен большой опыт применения ультразвукового исследования для диагностики злокачественных опухолей молочных желез. Отмечается, что чувствительность этого метода у женщин моложе 40 лет выше, чем у РМ. При этом отмечено, что ультразвуковое исследование в режиме серой шкалы характеризуется достаточно низкой специфичностью в сравнении с РМ и МРТ [14, 15]. Внедрение новых методик в виде допплерографии и эластографии позволило повысить показатели специфичности эхографии в диагностике РМЖ [16–19].

В конце XX века появилась идея создания единообразной (для нескольких методов визуализации) системы оценки рисков злокачественности при очаговых изменениях в молочных железах. Система была названа BI-RADS по начальным буквам Breast Imaging Radiology Data System. В начале использовались буквы конкретного метода диагностической визуализации: R – рентгеновского, US – ультразвукового, MRI – магнитно-резонансного [20]. Специалисты ультразвуковой диагностики стали использовать систему US BIRADS в 2003 г. В основу анализа очаговой патологии были заложены критерии формы, пространственной ориентации, контуров, эхогенности и дистальных акустических эффектов. Сегодня специалисты используют систему US BI-RADS в редакции 2013 г. Главное ее отличие от предыдущей версии – расширение критериев оценки злокачественности за счет использования дополнительных характеристик допплерографии и эластографии [21].

Известно, что злокачественные опухоли молочных желез при ультразвуковом исследовании могут быть представлены отдельным образованием или только зоной с нарушением нормального строения окружающих тканей [22]. Детализация изображения мягких тканей молочных желез обусловлена технической оснащенностью ультразвуковой аппаратуры. Это создает широкие границы для визуальной интерпретации эхографических характеристик. Наибольшие трудности возникают при оценке контуров опухолевого фокуса и его границ с окружающими тканями.

Для стандартизации зрительных образов при изучении узлообразования в молочных железах на аппаратуре фирмы Samsung Medison внедрена технология автоматизированной оценки (компьютерной поддержки принятия решений) S-Detect Breast с использованием критериев диагностики рисков злокачественности US BI-RADS.

Согласно системе US BI-RADS, выделяют 5 градаций оценки очаговых изменений в молочных железах. При отсутствии признаков патологической перестройки молочных желез присуждается категория 1 – норма (нет рисков злокачественности). Категория BI-RADS 2 присуждается при выявлении жидкостного образования с признаками простой кисты (нет рисков злокачественности). При выявлении образования овальной формы, пониженной эхогенности, с горизонтальной ориентацией, с четкими ровными контурами, однородной эхоструктурой и с отсутствием эффекта дистального ослабления ультразвуковой волны оно рассматривается как «наверное доброкачественное» и определяется категория BI-RADS 3 (риск злокачественности до 2%). Для таких случаев рекомендован короткий интервал для наблюдения в динамике. Категорию BI-RADS 4 определяют в случаях, подозрительных на злокачественность (риск находится в диапазоне от 3 до 94%), категорию BI-RADS 5 определяют для случаев с вероятностью злокачественности более 95%. Эти две категории рисков злокачественности (4 и 5) требуют проведения обязательной морфологической верификации.

Цель настоящего исследования: изучить возможности применения технологии автоматизированной оценки (компьютерной поддержки принятия решений) S-Detect Breast компании Samsung Medison с использованием критериев US BI-RADS (2003) и US BI-RADS (2013) у двух категорий специалистов, имеющих разный опыт: врач ультразвуковой диагностики со стажем работы в общем ультразвуке более 20 лет с узкой специализацией в маммологии и врач с 5-летним стажем общего ультразвука без специализации в маммологии для дифференциальной диагностики новообразований в молочных железах.

Материалы и методы

В исследование включены данные комплексного (мультипараметрического) ультразвукового исследования 24 новообразований молочных желез у 24 женщин, у которых по данным гинеколога, маммолога или при самообследовании были выявлены узловые формы поражения молочных желез в виде уплотнения или новообразования. Исследования молочных желез производились на базе МСЧ1 и кафедры ультразвуковой диагностики в 2017–2019 гг.

Анализ осуществлялся в несколько этапов. Сначала анализировались очаговые изменения в В-режиме на основании индивидуальных профессиональных знаний врачей, затем была использована система компьютерной оценки US BI-RADS (2003). На завершающем этапе были использованы результаты допплерографии и эластографии (согласно системе US BI-RADS 2013). Морфологическая верификация новообразований была проведена во всех случаях, которые были классифицированы как BI-RADS 3, 4 или 5.

Чувствительность и специфичность были рассчитаны исходя из предположения, что все новообразования, отнесенные к категориям 4 и 5, расценивались как злокачественные, а 2 и 3 – как доброкачественные.

Результаты

С учетом данных морфологического исследования из 24 случаев узловой патологии молочных желез 12 наблюдений составили опухолевые процессы (фиброаденомы – 5, липофибромы – 4, РМЖ – 3). 12 случаев неопухолевого поражения были представлены: простыми кистами – 5, осложненными кистами – 3, дисгормональными изменениями железистой ткани – 3, диабетическим фиброзом – 1 наблюдение.

По результатам индивидуальной оценки у врача со стажем более 20 лет все случаи РМЖ были диагносцированы правильно, чувствительность и специфичность метода у специалиста такого класса были максимальными и составили 100%. При использовании этим врачом автоматизированной системы оценки злокачественности US BI-RADS (кодификатора фирмы Samsung) и функции S-Detect Breast все злокачественные процессы в молочных железах также были классифицированы как BI-RADS 4-5 (рис. 1).

У врача с 5-летним стажем работы в общем ультразвуке, без специализации в ультразвуковой маммологии, наибольшее число ложноположительных результатов в соответствии со шкалой BI-RADS оказалось в категории 3. В группе неопухолевых процессов все осложненные кисты и узловые формы гиперплазии железистой ткани были расценены – как подозрительные на злокачественный процесс (6 ложноположительных заключений). В группе опухолевых процессов одна фиброаденома расценена как образование, подозрительное на злокачественное BI-RADS 4. При этом один случай РМЖ был классифицирован исследователем как доброкачественный BI-RADS 3. Таким образом, у врача с 5-летним стажем работы в общем ультразвуке, без специализации в маммологии, специфичность и чувствительность ультразвукового исследования на основании собственной интерпретации зрительных образов составили 66 и 66% соответственно.

При использовании этим врачом автоматизированной системы оценки злокачественности S-Detect Breast US BI-RADS (2003) полученные результаты распределились следующим образом: в группе опухолевых изменений – 3 ложноположительных заключения (одна фиброаденома, одна осложненная киста и диабетический фиброз классифицированы как возможно злокачественные новообразования BI-RADS 4), что привело к значительному повышению специфичности исследования при прежней чувствительности (66 и 85% соответственно).

Еще более высокие значения чувствительности и специфичности (100 и 80% соответственно) были получены при использовании данных допплерографии (ЦДК) и эластографии (US BI-RADS 2013), что позволило переклассифицировать один случай РМЖ из категории BI-RADS 3 в категорию BI-RADS 5 на основании локального усиления кровотока и локального повышения жесткости в зоне очагового поражения молочной железы (рис. 2, 3).

Заслуживает внимания диагностическая ошибка, допущенная при интерпретации очаговых изменений с использованием функции S-Detect Breast врачом с 5-летним стажем, что стало причиной небольшого снижения специфичности до 80%. Морфологически подтвержденный локальный диабетический фиброз в режиме серошкальной эхографии не имел четкой очерченности и кодификатор функции S-Detect Breast определил эту зону как «подозрительную на злокачественность». Дополнительно в режиме эластографии описанная зона демонстрировала признак патологической жесткости (рис. 4, 5).

В качестве еще одной иллюстрации неукоснительного следования правилам стандартизации может быть рассмот рен случай фиброаденомы у беременной пациентки. В режиме серой шкалы новообразование соответствовал критериям о классического BI-RADS 3. По факту гиперваскуляризации (при допплерографии) и повышения жесткости (по данным эластографии) система S-Detect охарактеризовала как BI-RADS 5 (ложноположительный результат злокачественности процесса) (рис. 6).

О случаях неправильной интерпретации единичных случаев редких форм патологии молочных желез системой S-Detect писали и другие исследователи [23, 24], что не умаляет достоинств системы.

Таким образом, система компьютерной диагностики S-Detect Breast фирмы Samsung Medison является эффективным инструментом обработки и анализа ультразвуковых изображений, и в нашем исследовании использование этой функции показало высокие значения эффективности метода как у врача с многолетним опытом работы в ультразвуковой маммологии, так и у врача с 5-летним стажем.

Значения чувствительности и специфичности, полученные при использовании системы S-Detect Breast на аппаратуре фирмы Samsung, оказались очень близки по значению к результатам исследований, проведенных на большем числе наблюдений зарубежными коллегами [23, 24].

Таким образом очевидно, что для того чтобы поставить правильный диагноз, врачу необходимо хорошее знание предмета исследования. Это достигается не на начальном этапе прохождения профессиональной переподготовки по ультразвуковой диагностике, а после углубленного изучения вопроса с уточнением особенностей онкологических заболеваний молочных желез на узких тематических циклах по эхографии. Важное значение имеют наличие собственного опыта и стаж у врача ультразвуковой диагностики.

По нашему мнению, технология S-Detect Breast фирмы Samsung Medison особенно ценна для начинающих врачей ультразвуковой диагностики или не имеющих достаточного клинического опыта в маммологии, поскольку в помощь исследователю формируется протокол заключения с критериями оценки степени злокачественности процесса. Вариант заключения «вероятно доброкачественный» соответствует категории BI-RADS 3, «вероятно злокачественный» – соответствует категории BI-RADS 4 и 5 (рис. 7). Принципиально важна степень такой градации, поскольку все случаи, отнесенные к категориям BI-RADS 4 и 5, требуют цитологического подтверждения после инвазивных манипуляций в виде биопсии.

Тесное сотрудничество разработчиков программного обеспечения и врачей ультразвуковой диагностики через представителей фирм-производителей ультразвуковой аппаратуры позволяет улучшать дизайн протокола и уточнить терминологию описания исследования.

Литература

1. Аксель Е.М. Злокачественные новообразования молочной железы: состояние онкологической помощи, заболеваемость и смертность // Маммология. 2006; 1: 9–13.
2. Momenimovahed Z., Salehiniya H. Epidemiological characteristics of and risk factors for breast cancer in the world // Breast Cancer. 2019; 11: 151–164.
3. DeSantis C.E., Ma J., Gaudet M.M., Newman L.A. et al. Breast cancer statistics, 2019 // C.A. Cancer J. Clin. 2019; 69 (6): 438–451.
4. Рожкова Н.И. Рентгенодиагностика заболеваний молочной железы / Под ред. А.С. Павлова. М.: Медицина, 1993. 222 с.
5. Корженкова Г.П., Долгушин Б.И. Опыт использования цифровой маммографии // Опухоли женской репродуктивной системы. 2011; 1: 37–41.
6. Терновой С.К., Абдураимов А.Б. Лучевая маммология. М.: ГЭОТАР-Медиа, 2007. 128 с.
7. Nalawade Y.V. Evaluation of breast calcifications // Indian J. Radiol. Imaging. 2009; 19 (4): 282–286.
8. Moon W.K., Chang J.F., Lo C.M. et al. Quantitative breast density analysis using tomosynthesis and comparison with MRI and digital mammography // Comput. Methods. Programs. Biomed. 2018; 154: 99–107.
9. Ковалев Б.Н., Старинский В.В. Эпидемиология рака молочной железы в России. Гормонозависмые опухоли: Материалы IX Всероссийской конференции онкологов. СПб., 2002. 27–29.
10. Дамениа А.О. Рак молочной железы у молодых женщин: Дис ... канд. мед. наук. СПб., 2008. 93 с.
11. Hong Zhao, Liwei Zou, Xiaoping Geng, Suisheng Zheng. Limitations of mammography in the diagnosis of breast diseases compared with ultrasonography: a single-center retrospective analysis of 274 cases // Eur. J. Med. Res. 2015; 20: 49.
12. Thigpen D. The Role of Ultrasound in Screening Dense Breasts – A Review of the Literature and Practical Solutions for Implementation // Diagnostics (Basel). 2018; 8 (1): 20.
13. Bowles D. et al. The Use of Ultrasound in Breast Cancer Screening of Asymptomatic Women with Dense Breast Tissue: A Narrative Review // J. Med. Imaging Radiat. Sci. 2016; 47: S21–S28.
14. Zhi H., Ou B., Luo B.M. et al. Comparison of ultrasound elastography, mammography, and sonography in the diagnosis of solid breast lesions // Ultrasound Med. 2007; 26 (6): 807–815.
15. Nesreen Mohey, Tamir A. Hassan Value of mammography and combined grey scale ultrasound and ultrasound elastography in the differentiation of solid breast lesions // Egyptian J. Radiol. Nucl. Med. 2014; 45 (Issue 1): 253–261.
16. Berg W.A., Cosgrove D.O., Doré C.J. et al.; BE1 Investigators. Shear-wave elastography improves the specificity of breast US: the BE1 multinational study of 939 masses // Radiology. 2012; 262 (2): 435–449.
17. Athanasiou A., Tardivon A., Tanter M. et al. Breast lesions: quantitative elastography with supersonic shear imaging–preliminary results. Radiology // 2010; 256: 297–303.
18. Zhi H., Xiao X.Y., Ou B. et al. Could ultrasonic elastography help the diagnosis of small (<2cm) breast cancer with the usage of sonographic BI-RADS classification // Eur. J. Radiol. 2012; 81 (11): 3216–3221.
19. Митьков В.В., Чубарова К.А., Заболотская Н.В., Митькова М.Д. Возможности эластографии сдвиговой волной в дифференциальной диагностике очаговой формы злокачественных и доброкачественных опухолей молочных желез // Ультразвуковая и функциональная диагностика. 2013; 6: 27–38.
20. Lazarus E., Mainiero M.B., Schepps B. et al. BI-RADS Lexicon for US and Mammography: Interobserver Variability and Positive Predictive Valueby // Radiology. 2006; 239 (2): 385–391.
21. Cho N., Jang M., Lyou C.Y. et al. Distinguishing benign from malignant masses at breast US: combined US elastography and color doppler US-influence on radiologist accuracy // Radiology. 2012; 262 (1): 80–90.
22. Kobayashi T. Grey-scale echography for breast cancer // Radiology. 1977; 122: 207–214.
23. Bartolotta T., Orlando A., Cantisani V. et al. Focal breast lesion characterization according to the BI-RADS US lexicon: role of a computer-aided decision-making support. La radiologia medica https: //doi.org/10.1007/ s11547-018-0874-7.
24. Park H., Kim S., Yun B. et al. A computer-aided diagnosis system using artificial intelligence for the diagnosis and characterization of breast masses on ultrasound Added value for the inexperienced breast radiologist // Medicine. 2019; 98: 3.