Маммография является ключевым методом диагностики рака молочной железы - одного из самых распространенных онкологических заболеваний среди женщин во всем мире. За последние десятилетия произошел значительный прогресс в развитии технологий маммографического исследования, позволяющих повысить эффективность ранней диагностики.
Цифровая маммография
Переход от аналоговой к цифровой маммографии стал важным этапом в развитии визуализационных методов обследования молочных желез. Цифровые маммографические системы обеспечивают более высокое качество изображения по сравнению с традиционными пленочными аналогами. Кроме того, цифровые изображения удобны в хранении, передаче и обработке, что упрощает проведение диагностики [1].
Согласно данным Американского колледжа радиологии, цифровая маммография демонстрирует более высокую чувствительность в выявлении рака у женщин моложе 50 лет и с плотной тканью молочной железы по сравнению с пленочной маммографией [2]. Это особенно важно, поскольку у молодых женщин опухоли чаще растут быстрее и труднее поддаются ранней диагностике.
3D-маммография
Дальнейшим шагом стало внедрение в клиническую практику 3D-маммографии, или томосинтеза молочной железы. Данная технология основана на получении серии низкодозовых рентгеновских изображений под разными углами, которые затем реконструируются в трехмерное изображение [3].
Трехмерная визуализация позволяет врачам лучше рассмотреть структуру молочной железы, обнаружить более мелкие образования и снизить вероятность ложноположительных результатов. Исследования показывают, что 3D-маммография на 30-40% эффективнее в выявлении раннего рака по сравнению со стандартной маммографией [4].
Искусственный интеллект в маммографии
Еще одно многообещающее направление - применение технологий искусственного интеллекта (ИИ) в маммографической диагностике. Алгоритмы машинного обучения способны анализировать маммограммы и выявлять подозрительные участки с высокой точностью [5].
Использование ИИ может повысить эффективность интерпретации маммограмм врачами, сократить время на их анализ и снизить вероятность ошибок. Кроме того, ИИ-системы могут помочь стратифицировать риски и выявлять женщин, нуждающихся в более частом скрининге [6].
Таким образом, современные технологии маммографии, включая цифровые, 3D-методы и искусственный интеллект, играют все более важную роль в ранней диагностике рака молочной железы. Дальнейшее развитие этих направлений будет способствовать повышению эффективности скрининга и улучшению результатов лечения онкологических пациенток.
Источники:
[1] Pisano E.D. et al. Diagnostic performance of digital versus film mammography for breast-cancer screening // N Engl J Med. 2005;353(17):1773-1783.
[2] Skaane P. et al. Comparison of digital mammography alone and digital mammography plus tomosynthesis in a population-based screening program // Radiology. 2013;267(1):47-56.
[3] Svahn T.M. et al. Breast tomosynthesis and digital mammography: a comparison of diagnostic accuracy // Br J Radiol. 2012;85(1019):e1074-e1082.
[4] Ciatto S. et al. Integration of 3D digital mammography with tomosynthesis for population breast-cancer screening (STORM): a prospective comparison study // Lancet Oncol. 2013;14(7):583-589.
[5] Rodríguez-Ruiz A. et al. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists // J Natl Cancer Inst. 2019;111(9):916-922.
[6] Lehman C.D. et al. Mammographic Breast Density Assessment Using Deep Learning: Clinical Implementation // Radiology. 2019;290(1):52-58.
Цифровая маммография
Переход от аналоговой к цифровой маммографии стал важным этапом в развитии визуализационных методов обследования молочных желез. Цифровые маммографические системы обеспечивают более высокое качество изображения по сравнению с традиционными пленочными аналогами. Кроме того, цифровые изображения удобны в хранении, передаче и обработке, что упрощает проведение диагностики [1].
Согласно данным Американского колледжа радиологии, цифровая маммография демонстрирует более высокую чувствительность в выявлении рака у женщин моложе 50 лет и с плотной тканью молочной железы по сравнению с пленочной маммографией [2]. Это особенно важно, поскольку у молодых женщин опухоли чаще растут быстрее и труднее поддаются ранней диагностике.
3D-маммография
Дальнейшим шагом стало внедрение в клиническую практику 3D-маммографии, или томосинтеза молочной железы. Данная технология основана на получении серии низкодозовых рентгеновских изображений под разными углами, которые затем реконструируются в трехмерное изображение [3].
Трехмерная визуализация позволяет врачам лучше рассмотреть структуру молочной железы, обнаружить более мелкие образования и снизить вероятность ложноположительных результатов. Исследования показывают, что 3D-маммография на 30-40% эффективнее в выявлении раннего рака по сравнению со стандартной маммографией [4].
Искусственный интеллект в маммографии
Еще одно многообещающее направление - применение технологий искусственного интеллекта (ИИ) в маммографической диагностике. Алгоритмы машинного обучения способны анализировать маммограммы и выявлять подозрительные участки с высокой точностью [5].
Использование ИИ может повысить эффективность интерпретации маммограмм врачами, сократить время на их анализ и снизить вероятность ошибок. Кроме того, ИИ-системы могут помочь стратифицировать риски и выявлять женщин, нуждающихся в более частом скрининге [6].
Таким образом, современные технологии маммографии, включая цифровые, 3D-методы и искусственный интеллект, играют все более важную роль в ранней диагностике рака молочной железы. Дальнейшее развитие этих направлений будет способствовать повышению эффективности скрининга и улучшению результатов лечения онкологических пациенток.
Источники:
[1] Pisano E.D. et al. Diagnostic performance of digital versus film mammography for breast-cancer screening // N Engl J Med. 2005;353(17):1773-1783.
[2] Skaane P. et al. Comparison of digital mammography alone and digital mammography plus tomosynthesis in a population-based screening program // Radiology. 2013;267(1):47-56.
[3] Svahn T.M. et al. Breast tomosynthesis and digital mammography: a comparison of diagnostic accuracy // Br J Radiol. 2012;85(1019):e1074-e1082.
[4] Ciatto S. et al. Integration of 3D digital mammography with tomosynthesis for population breast-cancer screening (STORM): a prospective comparison study // Lancet Oncol. 2013;14(7):583-589.
[5] Rodríguez-Ruiz A. et al. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists // J Natl Cancer Inst. 2019;111(9):916-922.
[6] Lehman C.D. et al. Mammographic Breast Density Assessment Using Deep Learning: Clinical Implementation // Radiology. 2019;290(1):52-58.