Автоматическая оценка плотности груди была столь же точной для прогнозирования риска рака груди у женщин, обнаруженного и не обнаруженного с помощью маммографии, как и субъективная оценка, сделанная радиологами, в исследовании, проведенном исследователями из Калифорнийского университета в Сан-Франциско и клиники Майо.
Оба метода оценки были одинаково точными в прогнозировании как риска рака, обнаруженного с помощью маммографического скрининга, так и риска интервального инвазивного рака, то есть рака, диагностированного в течение года после отрицательного результата маммографии. Оба метода предсказывают интервальный рак сильнее, чем рак, обнаруженный на экране. Исследование было опубликовано 1 мая 2018 года в Annals of Internal Medicine.
Плотность груди может увеличивать агрессивность опухоли, а также маскировать наличие опухоли на маммограммах, объяснила профессор медицины UCSF Карла Керликовске, доктор медицины, которая провела исследование с профессором эпидемиологии клиники Мэйо Селин Вашон, доктором философии. «Это означает, что у женщин с плотной грудью больше шансов получить диагноз рака молочной железы на поздней стадии, особенно тех, которые относятся к интервальному раку, потому что их рак с большей вероятностью останется незамеченным дольше», – сказала Керликовске.
«Эти результаты показывают, что оценка плотности груди может быть сделана с одинаковой точностью либо радиологом, либо с помощью автоматизированной системы», – сказала она. «Они также демонстрируют потенциальную ценность воспроизводимой автоматизированной оценки, помогающей выявлять женщин с плотной грудью, которые подвержены более высокому риску агрессивных опухолей и, следовательно, с большей вероятностью будут кандидатами на дополнительный скрининг.”
Другим важным результатом исследования было то, что как автоматизированные, так и клинические методы оценки плотности груди были одинаково точными при прогнозировании как выявленных на экране, так и интервальных раковых заболеваний, когда плотность груди оценивалась в течение пяти лет после постановки диагноза рака.
«Эти результаты имеют значение для моделей риска рака груди, в частности для тех, которые предсказывают риск более агрессивного интервального рака», – сказал Вашон, старший автор статьи. «Измерения плотности груди можно использовать для информирования женщин о риске скрининга и / или выявленных с интервалом раковых заболеваний в течение пяти лет после оценки.”
В 30 штатах есть законы, требующие, чтобы женщины получали уведомление о плотности груди, которая оценивается по стандартной четырехкатегориальной шкале системы отчетов и данных визуализации груди (BI-RADS):. почти полностью жирный; б. рассеянные фиброгландулярные плотности; c. неоднородно плотный; и г. чрезвычайно плотный. «Женщины, у которых точно установлено, что у них плотная грудь и имеется высокий риск развития интервального рака, с большей вероятностью будут обсуждаться вопросы о том, подходит ли им дополнительная визуализация», – сказала Керликовске.
В исследовании, самом крупном на сегодняшний день в своем роде, участвовали 1609 женщин с раком, выявленным в течение года после положительного результата маммографии, 351 женщина с интервальным инвазивным раком и 4 409 контрольных участниц, соответствующих возрасту, расе, государству проживания, дате скрининга и маммографический аппарат. Участники приехали из практикующих в Сан-Франциско и Рочестере, штат Миннесота.
Исследователи обнаружили, что женщины с автоматизированной оценкой чрезвычайно плотной груди с помощью BI-RADS имели 5 баллов.В 65 раз выше риск интервального рака и 1.В 43 раза выше риск рака, обнаруженного при скрининге, чем у женщин с рассеянной плотностью фиброгландулярных желез, наиболее распространенной категорией плотности среди женщин среднего риска.
«Были высказаны опасения по поводу надежности измерений плотности груди с помощью BI-RADS, поскольку оценка может варьироваться для каждой женщины в зависимости от рентгенолога и маммограммы», – отмечает Керликовске, которая была первым автором статьи. “Автоматические оценки, которые выполняются с помощью компьютерного алгоритма, более воспроизводимы и менее субъективны. Следовательно, они могут уменьшить вариативность и облегчить чувство субъективности и непоследовательности.”