Дополнение маммографического скрининга автоматизированным 3D-ультразвуковым исследованием у женщин с молочной железой высокой плотности

Актуальность. В структуре раннего скрининга молочной железы (МЖ) большое значение имеет проблематика ее плотности. У женщин с плотностью МЖ типов C и D по классификации Американской коллегии радиологов (American College of Radiology, ACR) риск развития рака повышается в 4–6 раз по сравнению с женщинами с плотностью МЖ типа А. При таком типе плотности эффективность диагностической маммографии (МГ) значительно снижается. На сегодняшний день можно рассмотреть технологию автоматизированного трехмерного ультразвукового исследования (3D-УЗИ) МЖ в качестве дополнительного метода скрининга у женщин с типами C и D строения МЖ по ACR.
Цель: провести сравнительный анализ диагностической эффективности 2D- и 3D-УЗИ у женщин в возрастной группе 40 лет и старше с высокой плотностью тканей МЖ.
Материал и методы. Проведено ретро-проспективное наблюдательное одноцентровое исследование. С февраля 2019 г. по май 2023 г. исследованы 1283 пациентки в возрасте 40 лет и старше, которые были разделены на две группы. В группе А женщины проходили 2D-УЗИ и МГ, в группе B дополнительно к этим методам выполнялось 3D-УЗИ. В обеих группах результаты оценивали по системе отчетности о риске развития рака МЖ (Breast Imaging-Reporting and Data System, BI-RADS). По итогам исследования определяли положительную (ППЦ) и отрицательную (ОПЦ) прогностическую ценность, чувствительность, специфичность и точность методов, а также вычисляли площадь под кривой (area under curve, AUC) рабочей характеристики приемника (receiver operating characteristic, ROC) предсказательной модели для 2D- и 3D-УЗИ.
Результаты. Метод МГ продемонстрировал ППЦ 0,89, ОПЦ 0,93, чувствительность 0,53, специфичность 0,99, отбалансированную точность 0,76. Показатели для 2D-УЗИ составили: ППЦ 0,8, ОПЦ 0,98, чувствительность 0,9, специфичность 0,97, отбалансированная точность 0,93, AUC ROC предсказательной модели 0,968. Результаты для 3D-УЗИ следующие: ППЦ 0,97, ОПЦ 0,97, чувствительность 0,9, специфичность 0,99, отбалансированная точность 0,94, AUC ROC предсказательной модели 0,98.
Заключение. Диагностическая эффективность автоматизированного 3D-УЗИ МЖ у пациенток 40 лет и старше сопоставима с 2D-УЗИ по показателю чувствительности и лучше по показателям точности и специфичности. Прогностическая модель метода 3D-УЗИ также лучше по сравнению с 2D-УЗИ.

1. Wilkinson L, Gathani T. Understanding breast cancer as a global health concern. Br J Radiol. 2022; 95(1130): 20211033. https://doi.org/10.1259/bjr.20211033.

2. Boyd NF. Mammographic density and risk of breast cancer. Am Soc Clin Oncol Educ Book. 2013; 33(1): e57–62. https://doi.org/10.14694/EdBook_AM.2013.33.e57.

3. Wilczek B, Wilczek HE, Rasouliyan L, et al. 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; 85(9): 1554–63. https://doi.org/10.1016/j.ejrad.2016.06.004.

4. Guo R, Lu G, Qin B, et al. Ultrasound imaging technologies for breast cancer detection and management: a review. Ultrasound Med Biol. 2018; 44(1): 37–70. https://doi.org/10.1016/j.ultrasmedbio.2017.09.012.

5. Berg WA. Tailored supplemental screening for breast cancer: what now and what next? Am J Roentgenol. 2009; 192(2): 390–9. https://doi.org/10.2214/AJR.08.1706.

6. Jia M, Lin X, Zhou X, et al. Diagnostic performance of automated breast ultrasound and handheld ultrasound in women with dense breasts. Breast Cancer Res Treat. 2020; 181(3): 589–97. https://doi.org/10.1007/s10549-020-05625-2.

7. Zanotel M, Bednarova I, Londero V, et al. Automated breast ultrasound: basic principles and emerging clinical applications. Radiol Medica. 2018; 123(1): 1–12. https://doi.org/10.1007/s11547-017-0805-z.

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

9. Бусько Е.А., Семиглазов В.В., Рожкова Н.И. и др. Трехмерное автоматизированное ультразвуковое исследовани – дополнительный инструмент онкомаммоскрининга. Опухоли женской репродуктивной системы. 2024; 20(1): 24–30. https://doi.org/10.17650/1994-4098-2024-20-1-24-30.

10. Рожкова Н.И., Бурдина И.И., Запирова С.Б. и др. Многоликость непальпируемого рака молочной железы. Своевременная диагностика, адекватное лечение и профилактика. Медицинский алфавит. 2021; 38: 34–40. https://doi.org/10.33667/2078-5631-2020-38-34-40.

11. Гаранина А.Э., Холин А.В. Современные методы визуализации образований молочных желез (обзорная статья). Онкологический журнал: лучевая диагностика, лучевая терапия. 2023; 6(3): 41–8. https://doi.org/10.37174/2587-7593-2023-6-3-41-48.

12. Xiao YM, Chen ZH, Zhou QC, et al. The efficacy of automated breast volume scanning over conventional ultrasonography among patients with breast lesions. Int J Gynaecol Obstet. 2015; 131(3): 293–6. https://doi.org/10.1016/j.ijgo.2015.05.036.

13. Vourtsis A. Three-dimensional automated breast ultrasound: technical aspects and first results. Diagn Interv Imaging. 2019; 100(10): 579–92. https://doi.org/10.1016/j.diii.2019.03.012.

14. Golatta M, Franz D, Harcos A, et al. Interobserver reliability of automated breast volume scanner (ABVS) interpretation and agreement of ABVS findings with hand held breast ultrasound (HHUS), mammography and pathology results. Eur J Radiol. 2013; 82(8): e332–6. https://doi.org/10.1016/j.ejrad.2013.03.005.

15. Golatta M, Baggs C, Schweitzer-Martin M, et al. Evaluation of an automated breast 3D-ultrasound system by comparing it with hand-held ultrasound (HHUS) and mammography. Arch Gynecol Obstet. 2015; 291(4): 889–95. https://doi.org/10.1007/s00404-014-3509-9.

16. Гаранина А.Э., Холин А.В. Предикторная модель определения показаний к автоматизированному 3D УЗИ для скрининга женщин с низким риском развития опухолей молочной железы. Research'n Practical Medicine Journal. 2024; 11(2): 57–68. https://doi.org/10.17709/2410-1893-2024-11-2-5.

17. Schmachtenberg C, Fischer T, Hamm B, et al. Diagnostic performance of automated breast volume scanning (ABVS) compared to handheld ultrasonography with breast MRI as the gold standard. Acad Radiol. 2017; 24(8): 954–61. https://doi.org/10.1016/j.acra.2017.01.021.

18. Chang JM, Cha JH, Park JS, et al. Automated breast ultrasound system (ABUS): reproducibility of mass localization, size measurement, and characterization on serial examinations. Acta Radiol. 2015; 56(10): 1163–70. https://doi.org/10.1177/0284185114551565.

19. Amy D (Ed). Lobar approach to breast ultrasound. 1st ed. Springer; 2018: 360 pp.

20. Halshtok-Neiman O, Shalmon A, Rundstein A, et al. Use of automated breast volumetric sonography as a second-look tool for findings in breast magnetic resonance imaging. Isr Med Assoc J. 2015; 17(7): 410–3.

21. Girometti R, Zanotel M, Londero V, et al. Comparison between automated breast volume scanner (ABVS) versus hand-held ultrasound as a second look procedure after magnetic resonance imaging. Eur Radiol. 2017; 27(9): 3767–75. https://doi.org/10.1007/s00330-017-4749-4.

22. Kim Y, Kang BJ, Kim SH, et al. Prospective study comparing two second-look ultrasound techniques: handheld ultrasound and an automated breast volume scanner. J Ultrasound Med. 2016; 35(10): 2103–12. https://doi.org/10.7863/ultra.15.11076.

23. Гажонова В.Е., Ефремова М.П., Бачурина Е.М. и др. 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.

24. Skaane P, Gullien R, Eben EB, et al. Interpretation of automated breast ultrasound (ABUS) with and without knowledge of mammography: a reader performance study. Acta Radiol. 2015; 56(4): 404–12. https://doi.org/10.1177/0284185114528835.

25. Arslan A, Ertaş G, Arıbal E. 3D automated breast ultrasound system: comparison of interpretation time of senior versus junior radiologist. Eur J Breast Health. 2019; 15(3): 153–7. https://doi.org/10.5152/ejbh.2019.4468.

26. Brunetti N, De Giorgis S, Zawaideh J, et al. Comparison between execution and reading time of 3D ABUS versus HHUS. Radiol Med. 2020; 125(12): 1243–8. https://doi.org/10.1007/s11547-020-01209-8.

27. Güldoğan N, Ulus S, Kovan Ö, et al. Evaluating efficiency of time use and operational costs in a breast clinic workflow: a comparative analysis between automated breast ultrasound and handheld ultrasound. Eur J Breast Health. 2023; 19(4): 311–7. https://doi.org/10.4274/ejbh.galenos.2023.2023-8-4.

28. Vourtsis A, Kachulis A. The performance of 3D ABUS versus HHUS in the visualisation and BI-RADS characterisation of breast lesions in a large cohort of 1,886 women. Eur Radiol. 2018; 28(2): 592–601. https://doi.org/10.1007/s00330-017-5011-9.

29. Huppe AI, Inciardi MF, Redick M, et al. Automated breast ultrasound interpretation times: a reader performance study. Acad Radiol. 2018; 25(12): 1577–81. https://doi.org/10.1016/j.acra.2018.03.010.