Современные тенденции и инновации в скрининге рака молочной железы: от маммографии до ИИ: обзор
https://doi.org/10.22328/2079-5343-2025-16-3-17-26
Аннотация
Введение: Скрининг рака молочной железы сыграл ключевую роль в раннем выявлении заболевания и снижении смертности. Современные технологии заметно изменили методы скрининга, улучшая диагностические результаты и расширяя возможности исследований.
Цель: Обзор современных подходов к скринингу с акцентом на использование искусственного интеллекта (ИИ), который обещает улучшение диагностики и представляет новые вызовы в клинической практике.
Материалы и методы: Анализ охватывает многообразие научных публикаций и клинических данных, включая традиционные методы, такие как маммография, и новейшие разработки в ультразвуковом исследовании и магнитно-резонансной томографии, а также вклад ИИ.
Результаты: Показано, что ИИ может значительно увеличить точность маммографий и других скрининговых методов, минимизируя ложноположительные результаты и повышая индивидуализацию процедур.
Обсуждение: Подчеркнута роль ИИ в улучшении эффективности скринингов, хотя остаются вопросы, связанные с этикой и конфиденциальностью данных.
Заключение: Внедрение ИИ в скрининг рака молочной железы открывает новые перспективы для диагностики и лечения, требуя дальнейших исследований и разработки регулятивных мер.
Об авторах
С. П. Жумагулова
Медицинский университет Караганды
Казахстан
Казахстан
Жумагулова Салтанат Пернебаевна — резидент-радиолог,
г. Караганда, ул. Гоголя, д. 40
Ф. Б. Даулетбек
Медицинский университет Караганды
Казахстан
Казахстан
Даулетбек Фатима Бақытбекқызы - резидент-радиолог,
г. Караганда, ул. Гоголя, д. 40
А. М. Келдиев
Медицинский университет Караганды
Казахстан
Казахстан
Келдиев Асқат Мақсатұлы - резидент-радиолог,
г. Караганда, ул. Гоголя, д. 40
Список литературы
1. Harbeck N., Penault-Llorca F., Cortes J. et al. Breast cancer // Nature Reviews Disease Primers. 2019. Vol. 5, No. 1. Р. 66. doi: 10.1038/s41572-019-0111-2.
2. Baker S.G., Prorok P.C. Breast cancer overdiagnosis in stop-screen trials: more uncertainty than previously reported // Journal of Medical Screening. 2020. Vol. 27, No. 4. Р. 232–236. doi: 10.1177/0969141320950784.
3. Bitencourt A.G., Rossi Saccarelli C., Kuhl C., Morris E.A. Breast cancer screening in average-risk women: towards personalized screening // British Journal of Radiology. 2019. Vol. 92, No. 1103, Art. 20190660. doi: 10.1259/bjr.20190660.
4. Pashayan N., Antoniou A.C., Ivanus U. et al. Personalized early detection and prevention of breast cancer: ENVISION consensus statement // Nature Reviews Clinical Oncology. 2020. Vol. 17, No. 11. Р. 687–705. doi: 10.1038/s41571-020-0388-9.
5. Држевецкая К.С. Обзор подходов к массовому скринингу рака молочной железы в России и мире // Российский электронный журнал лучевой диагностики. 2020. Т. 10, № 4. С. 225–236. https://doi.org/10.21569/2222-7415-2020-10-4-225-236.
6. Азимханова Г.К., Узакбаева Ж.У. Распространенность рака молочной железы (обзор литературы) // Theoretical and Applied Science. 2020. № 2 (82). С. 350– 354. https://doi.org/10.15863/TAS.2020.02.82.57.
7. Chhikara B.S., Parang K. Global Cancer Statistics 2022: the trends projection analysis // Chemical Biology Letters. 2023. Vol. 10, No. 1. Р. 451.
8. Giaquinto A.N., Sung H., Newman L.A., et al. Breast cancer statistics 2024 // CA: A Cancer Journal for Clinicians. 2024. Vol. 74, No. 6. Р. 477–495. doi: 10.3322/caac.21863.
9. Harkness E.F., Astley S.M., Evans D.G. Risk-based breast cancer screening strategies in women // Best Practice & Research Clinical Obstetrics and Gynaecology. 2020. Vol. 65. Р. 3–17. doi: 10.1016/j.bpobgyn.2019.11.005.
10. Allweis T.M., Hermann N., Berenstein-Molho R., Guindy M. Personalized screening for breast cancer: rationale, present practices, and future directions // Annals of Surgical Oncology. 2021. Vol. 28, No. 3. Р. 1204–1216. doi: 10.1245/s10434-020-09426-1.
11. Cerdas M., Farhat J., Elshafie S.I., et al. Exploring the evolution of breast cancer imaging: a review of conventional and emerging modalities // Cureus. 2025. Vol. 17, No. 4. e82762. doi: 10.7759/cureus.82762.
12. Бурдина И.И., Запирова С.Б., Лабазанова П.Г. и др. Развитие маммографии в России и мире // Медицинский алфавит. 2023. № 27. С. 13–20. https://doi.org/10.33667/2078-5631-2023-27-13-20.
13. Nicosia L., Di Giulio G., Codari M. et al. History of mammography: analysis of breast imaging diagnostic achievements over the last century // Healthcare (Basel). 2023. Vol. 11, No. 11, Art. 1596. doi: 10.3390/healthcare11111596.
14. Aristokli N., Christodoulou C., Masoura K. et al. Comparison of the diagnostic performance of MRI, ultrasound and mammography for detection of breast cancer based on tumor type, breast density and patient’s history: a review // Radiography. 2022. Vol. 28, No. 3. Р. 848–856. doi: 10.1016/j.radi.2022.02.003.
15. Fico N., Pizzuto D., Menciassi A. et al. Breast imaging physics in mammography (Part I) // Diagnostics (Basel). 2023. Vol. 13, No. 20, 3227. doi: 10.3390/diagnostics13203227.
16. Pereira R.O., Chojniak R., Bitencourt A.G.V. et al. Evaluation of the accuracy of mammography, ultrasound and magnetic resonance imaging in suspect breast lesions // Clinics (São Paulo). 2020. Vol. 75. e1805. doi: 10.6061/clinics/2020/e1805.
17. Boca I., Pătraşcu A., Vasile C. et al. Pros and cons for automated breast ultrasound (ABUS): a narrative review // Journal of Personalized Medicine. 2021. Vol. 11, No. 8, P. 703. doi: 10.3390/jpm11080703.
18. Sujlana P.S., Srivastava P.N., Gopinathan A. et al. Digital breast tomosynthesis: image acquisition principles and artifacts // Clinical Imaging. 2019. Vol. 55. Р. 188– 195. doi: 10.1016/j.clinimag.2018.07.013.
19. Canelo-Aybar C., Posso M., Montero-Gutierrez N. et al. Digital breast tomosynthesis compared to diagnostic mammographic projections among women recalled at screening mammography: a systematic review for the ECIBC // Cancer Medicine. 2021. Vol. 10, No. 7. Р. 2191–2204. doi: 10.1002/cam4.3776.
20. Hofvind S., Holen Å. S., Hovda T. et al. Two-view digital breast tomosynthesis versus digital mammography in a population-based screening programme (To-Be): a randomised, controlled trial // The Lancet Oncology. 2019. Vol. 20, No. 6. Р. 795–805. doi: 10.1016/S1470-2045(19)30161-5.
21. Alabousi M., Shahid M., Tagliati F. et al. Digital breast tomosynthesis for breast cancer detection: a diagnostic test accuracy systematic review and meta-analysis // European Radiology. 2020. Vol. 30, No. 3. Р. 2058–2071. doi: 10.1007/s00330-019-06467-3.
22. Skaane P., Bandos A.I., Gullien R. et al. Digital mammography versus digital mammography plus tomosynthesis in breast cancer screening: the Oslo Tomosynthesis Screening Trial // Radiology. 2019. Vol. 291, No. 1. Р. 23–30. doi: 10.1148/radiol.2019180622.
23. Saadatmand S., Lourens M., Boosman H. et al. MRI versus mammography for breast cancer screening in women with familial risk (FaMRIsc): a multicentre, randomised, controlled trial // The Lancet Oncology. 2019. Vol. 20, No. 8. Р. 1136–1147. doi: 10.1016/S1470-2045(19)30320-5.
24. Zhu X., Yao X., Zhang L., Ma L. Diagnostic performance of mammography and magnetic resonance imaging for evaluating mammographically visible breast masses // Journal of International Medical Research. 2021. Vol. 49, No. 9. Art. 0300060520973092. doi: 10.1177/0300060520973092.
25. Lee S.H., Shin H.J., Moon W.K. Diffusion-weighted magnetic resonance imaging of the breast: standardization of image acquisition and interpretation // Korean Journal of Radiology. 2021. Vol. 22, No. 1. Р. 9–33. doi: 10.3348/kjr.2020.0803.
26. Baltzer P.A., Boetes C., Fischer U. et al. Diffusion-weighted imaging of the breast — a consensus and mission statement from the EUSOBI International Breast DWI Working Group // European Radiology. 2020. Vol. 30, No. 3. Р. 1436–1450. doi: 10.1007/s00330-019-06374-7.
27. Bruno F., Tang J., Cheng H., Tsourkas A. Advanced magnetic resonance imaging techniques: technical principles and applications in nanomedicine // Cancers. 2022. Vol. 14, No. 7, Art. 1626. doi: 10.3390/cancers14071626.
28. Серебрякова С.В., Шумакова Т.А., Юхно Е.А., Куцкая А.О. Возможности МР-маммографии в диагностике реконструированной молочной железы после комплексного лечения рака (обзор литературы с собственными клиническими наблюдениями) // Радиология — практика. 2021. № 3. С. 88–102. https://doi.org/10.52560/2713-0118-2021-3-88-102.
29. Newman L.A. Role of preoperative MRI in the management of newly diagnosed breast cancer patients // Journal of the American College of Surgeons. 2020. Vol. 230, No. 3. Р. 331–339. doi: 10.1016/j.jamcollsurg.2019.11.012.
30. Kuhl C.K. Abbreviated magnetic resonance imaging for breast cancer screening: rationale, concept, and transfer to clinical practice // Annual Review of Medicine. 2019. Vol. 70. Р. 501–519. doi: 10.1146/annurev-med-041217-010739.
31. Foglia E., Castorina P., Gianfredi V. et al. Budget impact analysis of breast cancer screening in Italy: the role of new technologies // Health Services Management Research. 2020. Vol. 33, No. 2. Р. 66–75. doi: 10.1177/0951484820920491.
32. Hernández M. L., Sardanelli F., Giunta D. et al. Abbreviated magnetic resonance imaging in breast cancer: a systematic review of literature // European Journal of Radiology Open. 2021. Vol. 8, Art. 100307. doi: 10.1016/j.ejro.2021.100307.
33. Najjar R. Redefining radiology: a review of artificial intelligence integration in medical imaging // Diagnostics (Basel). 2023. Vol. 13, No. 17, Art. 2760. doi: 10.3390/diagnostics13172760.
34. Tan X.J., Bitencourt A.G.V., Brennan P.C., Tang J. Artificial intelligence in breast imaging: a scientometric umbrella review // Diagnostics (Basel). 2022. Vol. 12, No. 12, Art. 3111. doi: 10.3390/diagnostics12123111.
35. Sheth D., Giger M. L. Artificial intelligence in the interpretation of breast cancer on MRI // Journal of Magnetic Resonance Imaging. 2020. Vol. 51, No. 5. Р. 1310– 1324. doi: 10.1002/jmri.26911.
36. Bitencourt A., Rubin D.L., Vargas H.A. AI-enhanced breast imaging: where are we and where are we heading? // European Journal of Radiology. 2021. Vol. 142, Art. 109882. doi: 10.1016/j.ejrad.2021.109882.
37. McKinney S.M., Sieniek M., Godbole V. et al. International evaluation of an AI system for breast cancer screening // Nature. 2020. Vol. 577, No. 7788. Р. 89–94. doi: 10.1038/s41586-019-1799-6.
38. Kim H.E., Kim H.S., Moon W.K. Changes in cancer detection and false-positive recall in mammography using artificial intelligence: a retrospective, multireader study // The Lancet Digital Health. 2020. Vol. 2, No. 3. Р. e138–e148. doi: 10.1016/S2589-7500(20)30003-0.
39. Salim M., Rodríguez-Ruiz A., Helvie M.A. et al. External evaluation of three commercial artificial intelligence algorithms for independent assessment of screening mammograms // JAMA Oncology. 2020. Vol. 6, No. 10. Р. 1581–1588. doi: 10.1001/jamaoncol.2020.2790.
40. Larsen M., Heiberg M.L., Balleyguier C., Zahl P.H. Performance of an AI system for breast cancer detection on screening mammograms from BreastScreen Norway // Radiology: Artificial Intelligence. 2024. Art. e230375. doi: 10.1148/ryai.230375.
41. Park E.K., Hong H., Lee S.E., Kim E.K. Impact of AI for digital breast tomosynthesis on breast cancer detection and interpretation time // Radiology: Artificial Intelligence. 2024. Art. e230318. doi: 10.1148/ryai.230318.
42. Lee S.E., Hong H., Kim E.K. Positive predictive values of abnormality scores from a commercial AI-based CAD for mammography // Korean Journal of Radiology. 2024. Vol. 25, No. 7. Р. 741–749. doi: 10.3348/kjr.2023.1133.
43. Carter S., Leslie-Mazwi T., Horvitz E., Mattick J. S. Ethical, legal and social implications of artificial intelligence systems for screening and diagnosis // Conference paper. 2019.
44. Niehoff J.H., Kalaitzidis J., Kroeger J.R. et al. Evaluation of the clinical performance of an AI-based application for automated analysis of chest X-rays // Scientific Reports. 2023. Vol. 13, No. 1, Art. 3680. doi: 10.1038/s41598-023-29661-3.
45. Geis J.R., Brady A.P., Wu C.C. et al. Ethics of artificial intelligence in radiology: summary of the joint European and North American multisociety statement // Radiology. 2019. Vol. 293, No. 2. Р. 436–440. doi: 10.1148/radiol.2019191586.
46. Tachkov K., Damyanova I., Atanasova K. Barriers to use artificial intelligence methodologies in health technology assessment in Central and East European countries // Frontiers in Public Health. 2022. Vol. 10, Art. 921226. doi: 10.3389/fpubh.2022.921226.
Рецензия
Для цитирования:
Жумагулова С.П., Даулетбек Ф.Б., Келдиев А.М. Современные тенденции и инновации в скрининге рака молочной железы: от маммографии до ИИ: обзор. Лучевая диагностика и терапия. 2025;16(3):17-26. https://doi.org/10.22328/2079-5343-2025-16-3-17-26
For citation:
Zhumagulova S.P., Dauletbek F.B., Keldiyev A.M. Modern trends and innovations in breast cancer screening: from mammography to AI: a review. Diagnostic radiology and radiotherapy. 2025;16(3):17-26. (In Russ.) https://doi.org/10.22328/2079-5343-2025-16-3-17-26
Просмотров:
2
Послать статью по эл. почте 