Эффективность включения в состав системы компьютерного анализа маммограмм блока идентификации и дифференцирования кальцинатов: результаты одноцентрового проспективного рандомизированного исследования

Цель исследования: создание блока автоматической идентификации кальцинатов (БАИК) системы компьютерного анализа (CAD) маммограмм, позволяющего маркировать различные варианты кальцинатов молочной железы (МЖ), и оценка его клинической эффективности.

Материал и методы. Проведено проспективное, рандомизированное исследование, в которое было включено 9078 пациенток, явившихся для выполнения маммографии. Все они были рандомизированы в соотношении 1:1 в контрольную группу (группу CAD), где выполнялась обработка маммограмм с помощью CAD MammCheck (без БАИК), и опытную группу, где дополнительно выполнялась обработка полученных маммограмм с помощью БАИК (группу CAD + БАИК). После первичного скрининга пациентки наблюдались в течение минимум 3 лет.

Результаты. В процессе визуального анализа маммограмм в группах CAD + БАИК и CAD было верифицировано 170 (3,74%) и 159 (3,50%; р = 0,3716) случаев злокачественных новообразований МЖ, соответственно. После анализа меток CAD было дополнительно верифицировано 10 и 6 случаев злокачественных новообразований МЖ соответственно (р = 0,8175). В процессе последующего анализа меток БАИК в соответствующей группе было верифицировано 7 (0,15%) случаев рака МЖ (РМЖ). В итоге, в процессе первичного скрининга было верифицировано 187 и 165 случаев РМЖ, соответственно (р = 0,0477). В процессе последующего наблюдения в течение 3 лет в группе CAD + БАИК было идентифицировано 16 (0,35%) случаев РМЖ, впоследствии у 2 (0,04%) пациенток этой группы в зоне верифицированного РМЖ обнаруживались микрокальцинаты. В группе CAD соответствующие показатели составили 22 (0,48%) и 9 (0,20%) случаев соответственно (р = 0,054).

Заключение. Включение БАИК в структуру CAD обеспечивает достоверное (на 5,81%) повышение выявляемости РМЖ, проявляющихся кальцинатами, за счет небольшого (на 0,89%) повышения частоты вызова пациенток для дообследования.

1. Sung H., Ferlay J., Siegel R.L. et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA: Cancer J. Clin. 2021; 7 (3): 209–249. https://doi.org/10.3322/caac.21660

2. Каприн А.Д., Старинский В.В., Шахзадова А.О. Состояние онкологической помощи населению России в 2022 году. М.: МНИОИ им. П.А. Герцена − филиал ФГБУ “НМИЦ радиологии” Минздрава России, 2022. 239 с.

3. Lauby-Secretan B., Scoccianti C., Loomis D. et al. Breast-cancer screening – viewpoint of the IARC Working Group. New Engl. J. Med. 2015; 372 (24): 2353–2358. https://doi.org/10.1056/NEJMsr1504363

4. Громов А.И., Комин Ю.А., Мозеров С.А., Красницкая С.К. Ультразвуковой мерцающий артефакт в дифференциальной диагностике кальцинатов молочных желез. Медицинская визуализация. 2021; 25 (3): 157–166. https://doi.org/10.24835/1607-0763-1025

5. Duffy S.W., Tabár L., Yen A. M.-F. et al. Beneficial Effect of Consecutive Screening Mammography Examinations on Mortality from Breast Cancer: A Prospective Study. Radiology. 2021; 299: 541–547. https://doi.org/10.1148/radiol.2021203935

6. Masud R., Al-Rei M., Lokker C. Computer-Aided Detection for Breast Cancer Screening in Clinical Settings: Scoping Review. JMIR Med Inform. 2019; 7 (3): e12660. https://doi.org/10.2196/12660

7. Egoshin I., Pasynkov D., Kolchev A. et al. A segmentation approach for mammographic images and its clinical value (2018). 2017 IEEE International Conference on Microwaves, Antennas, Communications and Electronic Systems, COMCAS 2017, 2018-January: 1–6. https://doi.org/10.1109/COMCAS.2017.8244764

8. Пасынков Д.В., Егошин И.А., Колчев А.А., Клюшкин И.В., Бусыгина О.В. Сравнительный анализ диагностической ценности систем компьютерного анализа маммограмм I и II поколений. Медицинская визуализация. 2017; (1): 90–102. https://doi.org/10.24835/1607-0763-2017-1-90-102

9. Пасынков Д.В., Егошин И.А., Колчев А.А., Клюшкин И.В., Пасынкова О.О. Эффективность системы компьютерного анализа маммограмм в диагностике вариантов рака молочной железы, трудно выявляемых при скрининговой маммографии. Russian Electronic Journal of Radiology. 2019; 9 (2): 107–118. https://doi.org/10.21569/2222-7415-2019-9-2-107-118

10. Duffy S.W., Dibden A., Michalopoulos D. et al. Screen detection of ductal carcinoma in situ and subsequent incidence of invasive interval breast cancers: a retrospective population-based study. Lancet Oncol. 2016; 17 (1): 109–114. https://doi.org/10.1016/S1470-2045(15)00446-5

11. Ward W.H., DeMora L., Handorf E. et al. Preoperative delays in the treatment of DCIS and the associated incidence of invasive breast cancer. Ann. Surg. Oncol. 2020; 27 (2): 386–396. https://doi.org/10.1245/s10434-019-07844-4

12. Horvat J.V., Keating D.M., Rodrigues-Duarte H. et al. Calcifications at Digital Breast Tomosynthesis: Imaging Features and Biopsy Techniques. Radiographics. 2019; 39 (2): 307–318. https://doi.org/10.1148/rg.2019180124

13. Scott R., Kendall C., Stone N. Elemental vs. phase composition of breast calcifications. Sci. Rep. 2017; 7: 136. https://doi.org/10.1038/s41598-017-00183-y

14. Ekpo E., Alakhras M., Brennan P. Errors in Mammography Cannot be Solved Through Technology Alone. Asian Pacific J. Cancer Prevention. 2018; 19 (2): 291–301. https://doi.org/10.22034/APJCP.2018.19.2.291

15. Кузнецов А.А., Климова Н.В. Возможности программы поиска скоплений микрокальцинатов на цифровых маммограммах для повышения эффективности диагностики рака молочной железы. Вестник СурГУ. Медицина. 2022; 3 (53): 46–50. https://doi.org/10.34822/2304-9448-2022-3-46-50

16. Хасанов Р.Ш., Тухбатуллин М.Г., Пасынков Д.В. Эффективность применения системы компьютерного анализа маммограмм при скрининге рака молочной железы: одноцентровое, проспективное, рандомизированное клиническое исследование. Вопросы онкологии. 2021; 67 (6): 777–784. https://doi.org/10.37469/0507-3758-2021-67-6-777-784