关键词
How to Cite
摘要
В целях стандартизации описания медицинской визуализации молочной железы в мировой практике широко используется система протоколирования изображений BI-RADS (Breast Imaging Reporting And Data System), разработанная американской коллегией радиологов ACR. Вместе с тем, многочисленные визуальные проявления заболеваний молочной железы при разных лучевых методах исследования затрудняют принятие диагностических решений при использовании системы BI-RADS. Наибольшие сложности возникают при оценке многообразных мультипараметрических ультразвуковых (УЗ) признаков заболеваний. В этой связи для повышения эффективности настоящих технологий и скорейшего принятия диагностических решений становится актуальной разработка системной модели на основе алгоритмов с использованием лексикона BI-RADS.
Материалы и методы. С 2017 по 2019 гг. на базе ФГБУ «НМИЦ онкологии им. Н.Н. Петрова» Минздрава России были обследованы 277 женщин с различными жалобами на заболевание молочных желез с помощью мультипараметрического УЗИ с применением эластографии и контрастного усиления (2,5 мл Соновью) на ультразвуковом сканере Hitachi Hi Vision Ascendus. Программная реализация модели принятия диагностических решений осуществлялась средствами языка программирования C# с использованием интегрированной среды разработки Microsoft Visual.
Результаты. Эффективность разработанной диагностической модели с помощью оптимального алгоритма применения различных УЗ технологий при определении злокачественности образования показала чувствительность (Ч) = 90,8%, специфичность (С) = 95,5%, прогностичность положительного результата (ППР) = 88,5%, прогностичность отрицательного результата (ПОР) = 96,4%, точность (Т) = 94,2%. Эффективность разработанной модели при группировании заболеваний показала Ч = 84,2%, С = 81,1%, ППР = 62,7%, ПОР = 93,1%, Т = 81,9%.
Выводы. Предложенная системная модель оптимального алгоритма принятия диагностического решения на основании статистически значимых мультипараметрических УЗ признаков повышает диагностическую эффективность.
参考
Mendelson E.B., Böhm-Vélez M., Berg W.A. et al. ACR BI-RADS Ultrasound. In: ACR BI-RADS Atlas, Breast Imaging Reporting and Data System, 5th Edition, American College of Radiology, Reston, VA. 2013:128-130.
D’Orsi C.J., Sickles E.A., Mendelson E.B. et al. ACR BI-RADS Atlas, Breast Imaging Reporting and Data System. Reston, VA, American College of Radiology. 2013.
Dietzel M., Baltzer P.A.T. How to use the Kaiser score as a clinical decision rule for diagnosis in multiparametric breast MRI: a pictorial essay. Insights Imaging. 2018;(9):325–335. doi: 10.1007/s13244-018-0611-8.
Itoh A., Ueno E., Tohno E. et al. Breast disease: clinical application of US elastography for diagnosis. Radiology. 2006;239(2):341-350. doi:10.1148/radiol.2391041676.
Бусько Е.А., Мищенко А.В., Семиглазов В.В. Определение порогового значения соноэластографического коэффициента жесткости в дифференциальной диагностике доброкачественных и злокачественных образований молочной железы. Кремлевская медицина. Клинический вестник. 2013;1:112-115 [Busko E.A., Mishchenko A.V., Semiglazov V.V. Determination of the cut of the sonoelastographic stiffness coefficient in the differential diagnosis of benign and malignant breast lesions. Kremlin Medicine. Clinical Bulletin. 2013;1:112-115 (In Russ.)].
Бусько Е.А. Паттерны контрастного ультразвукового исследования молочной железы. Радиология-Практика. 2017;4:6-17 [Busko E.A. Patterns of contrast ultrasound examination of the breast. Radiology-Practice. 2017;4:6-17 (In Russ.)].
Гончарова А.Б., Аржаник А.А. Сравнение способов преобразования количественных данных в бинарные при предсказании рисков осложнений внебольничной пневмонии. Процессы управления и устойчивость. 2020;7(1):148-152 [Goncharova A.B. Arzhanik A.A. Comparison of methods for converting quantitative data into binary data in predicting the risks of complications of community-acquired pneumonia. Control processes and stability. 2020;7(1):148-152 (In Russ.)].
Бейли Н. Математика в биологии и медицине. М.: Мир. 1970:327 [Bailey N. Mathematics in biology and medicine / N. Bailey. M.: Mir;1970:327 (In Russ.)].
Гончарова А.Б. Постановка предварительного медицинского диагноза на основе теории нечетких множеств с использованием меры Сугено. Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. 2019;15(4):529–543. doi: https://doi.org/10.21638/11702/spbu10.2019.409 [Goncharova A. B. Formulation of a preliminary medical diagnosis based on the theory of fuzzy sets using the Sugeno measure. Bulletin of St. Petersburg University. Applied Mathematics. Computer science. Management processes. 2019;15(4):529–543. doi:https://doi.org/10.21638/11702/spbu10.2019.409 (In Russ.)].
Cai Z. et al. Values of contrast-enhanced ultrasound combined with BI-RADS in differentiating benign and malignant breast lesions. Int J Clin Exp Med. 2018;11(11):11957-11964.
Kapetas P., Clauser P., Woitek R. et al. Quantitative multiparametric breast ultrasound: application of contrast-enhanced ultrasound and elastography leads to an improved differentiation of benign and malignant lesions. Investigative radiology. 2019;54(5):257-264. doi.org/10.1097/RLI.0000000000000543.
Li J., Liping Guo, Li Yin et al. Can different regions of interest influence the diagnosis of benign and malignant breast lesions using quantitative parameters of contrast-enhanced sonography? European journal of radiology. 2018;108:1-6. doi:10.1016/j.ejrad.2018.09.005.
Cheng R., Li J., Ji L., Liu H. et al. Comparison of the diagnostic efficacy between ultrasound elastography and magnetic resonance imaging for breast masses. Experimental and therapeutic medicine. 2018;15(3):2519-2524. doi: 10.3892/etm.2017.5674.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
© АННМО «Вопросы онкологии», Copyright (c) 2020