Предикторная модель определения показаний к автоматизированному 3D УЗИ для скрининга женщин с низким риском развития опухолей молочной железы

Автоматизированное ультразвуковое исследование молочной железы (3D УЗИ) является важным инструментом в диагностике рака молочной железы (РМЖ). Установлено, что 3D УЗИ обладает высокой воспроизводимостью, низкой зависимостью от оператора, меньшими временными затратами на получение изображений, автоматической трехмерной реконструкцией всей молочной железы.

Цель исследования. Разработать показания к 3D УЗИ на основании предикторных моделей скрининга пациенток с низким риском развития опухолей молочной железы на основе выявления наиболее значимых факторов риска.

Пациенты и методы. С февраля 2019 по май 2023 г. проводилось ретропроспективное клиническое исследование. Всего в исследование были включены 2794 пациентки. Всем пациентам проводили клинический осмотр, пальпацию, собрали информацию о социально-демографических данных и потенциальных факторах риска РМЖ, также было проведено 2D УЗИ. В выборку до 40 лет вошли 1511 пациенток, из них 628 выполнено 3D УЗИ. В выборку 40 лет и старше вошли 1283 пациенток, из них 655 выполнено 3D УЗИ. У пациенток от 40 лет и старше проводилась маммография. Фиксировались количественные и качественные показатели анамнеза и клинического осмотра, а также результаты маммографии у пациенток старше 40 лет. На основании этих данных составлялась логистическая регрессия с последующим подбором наиболее значимой модели путем отсечения незначимых факторов по p-уровню значимости и представлением модели в виде ROC-кривой.

Результаты. Были выявлены наиболее значимые факторы риска выявления РМЖ. На их основании скрининг с 3D УЗИ в выборке до 40 лет в 95,96 % можно использовать, и он не показан в 4,04 %. Представленная модель в выборке до 40 лет сработала корректно в 99,21 %. В то время как скрининг с 3D УЗИ в выборке 40 лет и старше в 84,26 % целесообразен и не показан в 15,74 %. Представленная модель сработала корректно в 97,12 %.

Заключение. Исследование выявило важные преддиагностические факторы для выбора алгоритма обследования молочной железы у женщин разных возрастных групп и определило показания для 3D УЗИ. Разработанные алгоритмы помогут оптимизировать скрининг и направление на дополнительные обследования, что имеет практическую значимость для улучшения диагностики и оптимизации ресурсов здравоохранения.

1. Guo R, Lu G, Qin B, Fei B. Ultrasound Imaging Technologies for Breast Cancer Detection and Management: A Review. Ultrasound Med Biol. 2018 Jan;44(1):37–70. https://doi.org/10.1016/j.ultrasmedbio.2017.09.012

2. Mann RM, Kuhl CK, Moy L. Contrast-enhanced MRI for breast cancer screening. J Magn Reson Imaging. 2019 Aug;50(2):377–390. https://doi.org/10.1002/jmri.26654

3. Rix A, Piepenbrock M, Flege B, von Stillfried S, Koczera P, Opacic T, et al. Effects of contrast-enhanced ultrasound treatment on neoadjuvant chemotherapy in breast cancer. Theranostics. 2021 Sep 21;11(19):9557–9570. https://doi.org/10.7150/thno.64767

4. Yang L, Wang S, Zhang L, Sheng C, Song F, Wang P, Huang Y. Performance of ultrasonography screening for breast cancer: a systematic review and meta-analysis. BMC Cancer. 2020 Jun 1;20(1):499. https://doi.org/10.1186/s12885-020-06992-1

5. Suter MB, Pesapane F, Agazzi GM, Gagliardi T, Nigro O, Bozzini A, et al. Diagnostic accuracy of contrast-enhanced spectral mammography for breast lesions: A systematic review and meta-analysis. Breast. 2020 Oct;53:8–17. https://doi.org/10.1016/j.breast.2020.06.005

6. Гаранина А. Э., Холин А. В. Современные методы визуализации образований молочных желез (обзорная статья). Онкологический журнал: лучевая диагностика, лучевая терапия. 2023;6(3):41–48. https://doi.org/10.37174/2587-7593-2023-6-3-41-48

7. Brem RF, Tabár L, Duffy SW, Inciardi MF, Guingrich JA, Hashimoto BE, et al. Assessing improvement in detection of breast cancer with three-dimensional automated breast US in women with dense breast tissue: the SomoInsight Study. Radiology. 2015 Mar;274(3):663–673. https://doi.org/10.1148/radiol.14132832

8. Hooley RJ, Greenberg KL, Stackhouse RM, Geisel JL, Butler RS, Philpotts LE. Screening US in patients with mammographically dense breasts: initial experience with Connecticut Public Act 09-41. Radiology. 2012 Oct;265(1):59–69. https://doi.org/10.1148/radiol.12120621

9. Wilczek B, Wilczek HE, Rasouliyan L, Leifland K. Adding 3D automated breast ultrasound to mammography screening in women with heterogeneously and extremely dense breasts: Report from a hospital-based, high-volume, single-center breast cancer screening program. Eur J Radiol. 2016 Sep;85(9):1554–1563. https://doi.org/10.1016/j.ejrad.2016.06.004

10. Mandelson MT, Oestreicher N, Porter PL, White D, Finder CA, Taplin SH, White E. Breast density as a predictor of mammographic detection: comparison of interval- and screen-detected cancers. J Natl Cancer Inst. 2000 Jul 5;92(13):1081–1087. https://doi.org/10.1093/jnci/92.13.1081

11. Narayan AK, Lee CI, Lehman CD. Screening for Breast Cancer. Med Clin North Am. 2020 Nov;104(6):1007–1021. https://doi.org/10.1016/j.mcna.2020.08.003

12. Xin Y, Zhang X, Yang Y, Chen Y, Wang Y, Zhou X, Qiao Y. A multicenter, hospital-based and non-inferiority study for diagnostic efficacy of automated whole breast ultrasound for breast cancer in China. Sci Rep. 2021 Jul 6;11(1):13902. https://doi.org/10.1038/s41598-021-93350-1

13. Гажонова В. Е., Ефремова М. П., Бачурина Е. М., Хлюстина Е. М., Поткин С. Б. Возможности сонотомографии (автоматического объемного сканирования молочных желез) в оценке железистого типа строения молочных желез как фактора риска возникновения рака молочной железы. Вестник рентгенологии и радиологии. 2015;(5):5–10. https://doi.org/10.20862/0042-4676-2015-0-5-32-41

14. Berg WA, Blume JD, Cormack JB, Mendelson EB. Operator dependence of physician-performed whole-breast US: lesion detection and characterization. Radiology. 2006 Nov;241(2):355–365. https://doi.org/10.1148/radiol.2412051710

15. Wang ZL, Xu JH, Li JL, Huang Y, Tang J. Comparison of automated breast volume scanning to hand-held ultrasound and mammography. Radiol Med. 2012 Dec;117(8):1287–1293. https://doi.org/10.1007/s11547-012-0836-4 Epub 2012 Jun 28. Erratum in: Radiol Med. 2012 Dec;117(8):1443. Xw, Jian Hong [corrected to Xu, Jian Hong].

16. Zhang Q, Hu B, Hu B, Li WB. Detection of breast lesions using an automated breast volume scanner system. J Int Med Res. 2012;40(1):300–306. https://doi.org/10.1177/147323001204000130

17. Xiao YM, Chen ZH, Zhou QC, Wang Z. The efficacy of automated breast volume scanning over conventional ultrasonography among patients with breast lesions. Int J Gynaecol Obstet. 2015 Dec;131(3):293–296. https://doi.org/10.1016/j.ijgo.2015.05.036

18. Skaane P, Gullien R, Eben EB, Sandhaug M, Schulz-Wendtland R, Stoeblen F. Interpretation of automated breast ultrasound (ABUS) with and without knowledge of mammography: a reader performance study. Acta Radiol. 2015 Apr;56(4):404–412. https://doi.org/10.1177/0284185114528835

19. Kim SH, Kim HH, Moon WK. Automated Breast Ultrasound Screening for Dense Breasts. Korean J Radiol. 2020 Jan;21(1):15–24. https://doi.org/10.3348/kjr.2019.0176

20. Klein Wolterink F, Ab Mumin N, Appelman L, Derks-Rekers M, Imhof-Tas M, Lardenoije S, et al. Diagnostic performance of 3D automated breast ultrasound (3D-ABUS) in a clinical screening setting-a retrospective study. Eur Radiol. 2024 Jan 19. https://doi.org/10.1007/s00330-023-10568-5

21. Gatta G, Somma F, Sardu C, De Chiara M, Massafra R, Fanizzi A, et al. Automated 3D Ultrasound as an Adjunct to Screening Mammography Programs in Dense Breast: Literature Review and Metanalysis. J Pers Med. 2023 Dec 4;13(12):1683. https://doi.org/10.3390/jpm13121683

22. Foglia E, Marinelli S, Garagiola E, Ferrario L, Depretto C, Cartia F, et al. Budget impact analysis of breast cancer screening in Italy: The role of new technologies. Health Serv Manage Res. 2020 May;33(2):66–75. https://doi.org/10.1177/0951484819870963

23. Wang HY, Jiang YX, Zhu QL, Zhang J, Dai Q, Liu H, et al. Differentiation of benign and malignant breast lesions: a comparison between automatically generated breast volume scans and handheld ultrasound examinations. Eur J Radiol. 2012 Nov;81(11):3190–3200. https://doi.org/10.1016/j.ejrad.2012.01.034

24. Chang JM, Cha JH, Park JS, Kim SJ, Moon WK. Automated breast ultrasound system (ABUS): reproducibility of mass localization, size measurement, and characterization on serial examinations. Acta Radiol. 2015 Oct;56(10):1163–1170.

25. Kaplan SS. Automated whole breast ultrasound. Radiol Clin North Am. 2014 May;52(3):539–546. https://doi.org/10.1016/j.rcl.2014.01.002