СРАВНЕНИЕ ВОЗМОЖНОСТЕЙ 2D И 3D УЗИ ДЛЯ ОПРЕДЕЛЕНИЯ РАЗМЕРА И КОЛИЧЕСТВА НОВООБРАЗОВАНИЙ У ЖЕНЩИН С ПЛОТНОЙ МОЛОЧНОЙ ЖЕЛЕЗОЙ
Оригинальная статья
Дата публикации: ноября 2, 2024
Ключевые слова
рак молочной железы
ультразвуковое исследование
размер узлов
ультразвуковое исследование
размер узлов
Аннотация
В сочетании с маммографией (ММГ) ультразвуковое исследование молочных желез УЗИ получило широкое признание в качестве диагностического инструмента для оценки и характеристики пальпируемых и непальпируемых образований молочной железы (МЖ). Автоматизированное УЗИ молочной железы (3D УЗИ) позволяет стандартизировать сканирование и снижает зависимость от оператора, по сравнению с традиционным ультразвуковым исследованием (2D УЗИ). Цель исследования. Провести сравнительное исследование определения локализации и размера образований методами 2D и 3D УЗИ у женщин с плотной МЖ. Материалы и методы. С февраля 2019 по май 2023 года проводилось ретро-проспективное клиническое исследование. В исследование вошло 628 пациенток до 40 лет. Пациенток 40 лет и старше в исследование вошло 655. Всем пациенткам выполнялось 2D УЗИ и автоматизированного 3D УЗИ. Пациенткам 40 лет и старше также выполнялась ММГ. Проводилось сравнение количества и размеров, выявленных образований. Результаты. В группе пациенток до 40 лет статистически значимой разницы по показателю «размер узлов» не было выявлено. В сравнении методов 2D УЗИ и 3D УЗИ в группе 40 лет и старше также не было выявлено разницы ни по количеству узлов, ни по размерам узлов. В то время как при сравнении методов 2D УЗИ/3D УЗИ и ММГ выявлена статистически значимая разница в пользу УЗИ в выявлении размеров 0,5-1,0 см, 1,1-1,5 см, 2,5-3,0 см, и в пользу ММГ при размерах более 3 см (p-уровень = 0.023). Так же найдена разница в пользу всех методов УЗИ при обнаружении одного узла и двух узлов и нахождении узлов в целом по сравнению с ММГ. Выводы. Размер узлов и количество узлов, выявленных с помощью 3D УЗИ, сопоставимо с 2D УЗИ, методы лучше выявляют образования менее 2 см в сравнении с ММГ. Метод 3D УЗИ имеет улучшенную визуализацию мультицентричных и мультифокальных очагов, может использоваться для оперативного планирования, имеет улучшенную визуализацию участков нарушения архитектоники за счет уникального коронарного среза, позволяет более четко определить размеры образований, позволяет проводить повторный анализ данных за счет возможности архивного хранения и возможности сопоставлять размеры очагов при динамическом наблюдении и на фоне неоадьювантного лечения.Литература
1. Barba D. et al. Breast cancer, screening and diagnostic tools: All you need to know //Critical reviews in oncology/hematology. – 2021. – V. 157. – P. 103174.
2. Alshehri A., AlSaeed D. Breast Cancer Diagnosis Using Artificial Intelligence Approaches: A Systematic Literature Review //Intelligent Automation & Soft Computing. – 2023. – V. 37. – No.1. – P. 939 – 970. DOI: 10.32604/iasc.2023.037096
3. Joshi P. et al. Performance evaluation of digital mammography, digital breast tomosynthesis and ultrasound in the detection of breast cancer using pathology as gold standard: An institutional experience //Egyptian Journal of Radiology and Nuclear Medicine. – 2022. – V. 53. – P. 1-11.
4. Holm J. et al. Risk factors and tumor characteristics of interval cancers by mammographic density. – 2020.
5. Vourtsis A., Berg W. A. Breast density implications and supplemental screening //European radiology. – 2019. – V. 29. – P. 1762-1777.
6. Dileep G., Gyani S. G. G. Artificial intelligence in breast cancer screening and diagnosis //Cureus. – 2022. – V. 14. – No.10.
7. Iranmakani S. et al. A review of various modalities in breast imaging: technical aspects and clinical outcomes //Egyptian Journal of Radiology and Nuclear Medicine. – 2020. – Т. 51. – С. 1-22.
8. Гаранина А. Э., Холин А. В. Современные методы визуализации образований молочных желез (обзорная статья) //Онкологический журнал: лучевая диагностика, лучевая терапия. – 2023. – Т. 6. – №. 3. – С. 41-48. [Garanina A.E., Kholin A.V. Modern Methods of Imaging of Breast Neoplasms (Literature Review). //Journal of oncology: diagnostic radiology and radiotherapy. – 2023. - V. 6. - No.3. – P. 41-48. In Russian]. DOI:10.37174/2587-7593-2023-6-3-41-48.
9. Литвинова С. П. и др. Поиск новых решений ультразвуковой диагностики рака молочной железы //Сибирское медицинское обозрение. – 2020. – №. 4 (124). – С. 20-28. [Litvinova S. P. et al. New solutions search for mammary gland cancer ultrasonic diagnostics. Siberian Medical Review. – 2020. – No.4 (124). – P. 20-28. In Russian]
10. Vourtsis A. Three-dimensional automated breast ultrasound: technical aspects and first results //Diagnostic and interventional imaging. – 2019. – V. 100. – No.10. – P. 579-592.
11. Zheng D., He X., Jing J. Overview of artificial intelligence in breast cancer medical imaging //Journal of Clinical Medicine. – 2023. – V. 12. – No.2. – P. 419.
12. Villa-Camacho J. C., Baikpour M., Chou S. H. S. Artificial intelligence for breast US //Journal of Breast Imaging. – 2023. – V. 5. – No.1. – P. 11-20.
13. Autier P. et al. Effect of screening mammography on the risk of breast cancer death and of all-cause death: A systematic review with meta-analysis of cohort studies //Journal of Clinical Epidemiology. – 2024. –P. 111426.
14. Dan Q. et al. Ultrasound for breast cancer screening in resource-limited settings: current practice and future directions //Cancers. – 2023. – V. 15. – No.7. – С. 2112.
15. Boca I. et al. Pros and cons for automated breast ultrasound (ABUS): a narrative review //Journal of Personalized Medicine. – 2021. – V. 11. – No.8. – P. 703.
16. Chen H. et al. Dependability of automated breast ultrasound (ABUS) in assessing breast imaging reporting and data system (BI-RADS) category and size of malignant breast lesions compared with handheld ultrasound (HHUS) and mammography (MG) //International Journal of General Medicine. – 2021. – P. 9193-9202.
17. Mostafa A. A. E. et al. Automated breast ultrasound (ABUS) as a screening tool: initial experience //Egyptian Journal of Radiology and Nuclear Medicine. – 2019. – V. 50. – P. 1-6.
18. Dar R. A. et al. Breast cancer detection using deep learning: Datasets, methods, and challenges ahead //Computers in biology and medicine. – 2022. – V. 149. – P. 106073.
2. Alshehri A., AlSaeed D. Breast Cancer Diagnosis Using Artificial Intelligence Approaches: A Systematic Literature Review //Intelligent Automation & Soft Computing. – 2023. – V. 37. – No.1. – P. 939 – 970. DOI: 10.32604/iasc.2023.037096
3. Joshi P. et al. Performance evaluation of digital mammography, digital breast tomosynthesis and ultrasound in the detection of breast cancer using pathology as gold standard: An institutional experience //Egyptian Journal of Radiology and Nuclear Medicine. – 2022. – V. 53. – P. 1-11.
4. Holm J. et al. Risk factors and tumor characteristics of interval cancers by mammographic density. – 2020.
5. Vourtsis A., Berg W. A. Breast density implications and supplemental screening //European radiology. – 2019. – V. 29. – P. 1762-1777.
6. Dileep G., Gyani S. G. G. Artificial intelligence in breast cancer screening and diagnosis //Cureus. – 2022. – V. 14. – No.10.
7. Iranmakani S. et al. A review of various modalities in breast imaging: technical aspects and clinical outcomes //Egyptian Journal of Radiology and Nuclear Medicine. – 2020. – Т. 51. – С. 1-22.
8. Гаранина А. Э., Холин А. В. Современные методы визуализации образований молочных желез (обзорная статья) //Онкологический журнал: лучевая диагностика, лучевая терапия. – 2023. – Т. 6. – №. 3. – С. 41-48. [Garanina A.E., Kholin A.V. Modern Methods of Imaging of Breast Neoplasms (Literature Review). //Journal of oncology: diagnostic radiology and radiotherapy. – 2023. - V. 6. - No.3. – P. 41-48. In Russian]. DOI:10.37174/2587-7593-2023-6-3-41-48.
9. Литвинова С. П. и др. Поиск новых решений ультразвуковой диагностики рака молочной железы //Сибирское медицинское обозрение. – 2020. – №. 4 (124). – С. 20-28. [Litvinova S. P. et al. New solutions search for mammary gland cancer ultrasonic diagnostics. Siberian Medical Review. – 2020. – No.4 (124). – P. 20-28. In Russian]
10. Vourtsis A. Three-dimensional automated breast ultrasound: technical aspects and first results //Diagnostic and interventional imaging. – 2019. – V. 100. – No.10. – P. 579-592.
11. Zheng D., He X., Jing J. Overview of artificial intelligence in breast cancer medical imaging //Journal of Clinical Medicine. – 2023. – V. 12. – No.2. – P. 419.
12. Villa-Camacho J. C., Baikpour M., Chou S. H. S. Artificial intelligence for breast US //Journal of Breast Imaging. – 2023. – V. 5. – No.1. – P. 11-20.
13. Autier P. et al. Effect of screening mammography on the risk of breast cancer death and of all-cause death: A systematic review with meta-analysis of cohort studies //Journal of Clinical Epidemiology. – 2024. –P. 111426.
14. Dan Q. et al. Ultrasound for breast cancer screening in resource-limited settings: current practice and future directions //Cancers. – 2023. – V. 15. – No.7. – С. 2112.
15. Boca I. et al. Pros and cons for automated breast ultrasound (ABUS): a narrative review //Journal of Personalized Medicine. – 2021. – V. 11. – No.8. – P. 703.
16. Chen H. et al. Dependability of automated breast ultrasound (ABUS) in assessing breast imaging reporting and data system (BI-RADS) category and size of malignant breast lesions compared with handheld ultrasound (HHUS) and mammography (MG) //International Journal of General Medicine. – 2021. – P. 9193-9202.
17. Mostafa A. A. E. et al. Automated breast ultrasound (ABUS) as a screening tool: initial experience //Egyptian Journal of Radiology and Nuclear Medicine. – 2019. – V. 50. – P. 1-6.
18. Dar R. A. et al. Breast cancer detection using deep learning: Datasets, methods, and challenges ahead //Computers in biology and medicine. – 2022. – V. 149. – P. 106073.