Согласно новому исследованию, опубликованному в журнале Radiology, модели прогнозирования, основанные на клинических характеристиках и результатах визуализации, могут помочь снизить уровень ложноположительных результатов у женщин с плотной грудью, которые проходят дополнительное обследование на рак груди с помощью МРТ.
Женщины с плотной тканью груди имеют гораздо более высокий риск рака груди по сравнению с женщинами со средней плотностью груди. Высокая плотность груди также заметно снижает чувствительность маммографии из-за маскирующего эффекта фиброгландулярной ткани, а это означает, что рак может быть скрыт в плотной ткани груди.
По этим причинам МРТ груди считается потенциально полезным дополнением к маммографическому обследованию у женщин с плотной тканью груди. Это наиболее чувствительный метод визуализации для диагностики рака груди, позволяющий хорошо различать поражения и аномалии груди. Исследования подтвердили его значительную добавленную стоимость в качестве инструмента скрининга женщин с высоким риском рака груди.
Однако высокая чувствительность, которая делает МРТ отличным инструментом для скрининга, также означает, что она часто обнаруживает доброкачественные образования, которые в противном случае остались бы незамеченными. Женщины, которых вызывают на дополнительное обследование на основании этих результатов, потенциально могут столкнуться с повторным сканированием МРТ, прицельным ультразвуком и биопсией. Необходимость дополнительных исследований может вызвать беспокойство у пациента, увеличить расходы на медицинское обслуживание или привести к осложнениям, связанным с биопсией.
"Снижение числа ложноположительных отзывов – важный вопрос при рассмотрении использования МРТ груди в качестве инструмента скрининга," сказал ведущий автор исследования Бьянка М. ден Деккер, М.D., из Медицинского центра Университета Утрехта в Утрехте, Нидерланды.
В новом исследовании доктор. Ден Деккер и его коллеги разработали модели прогнозирования, чтобы отличить истинно-положительный результат МРТ-скрининга от ложноположительного. Для создания моделей они объединили результаты МРТ с клиническими характеристиками, такими как индекс массы тела, семейный анамнез рака груди и использование заместительной гормональной терапии.
Они использовали данные исследования плотных тканей и ранних новообразований груди (DENSE), в котором оценивалась эффективность скрининга с использованием маммографии и МРТ по сравнению с одной только маммографией у голландских участников скрининга рака груди в возрасте от 50 до 75 лет с чрезвычайно плотной грудью.
Из 454 женщин, у которых был положительный результат МРТ в первом раунде дополнительного скрининга МРТ, у 79 был диагностирован рак груди, что означает, что 375 женщин прошли ложноположительные МРТ-обследования. Полная модель прогнозирования, основанная на всех собранных клинических характеристиках и результатах МРТ, могла бы предотвратить 45.5% ложноположительных отзывов и 21.3% доброкачественных биопсий без исключения рака. Модель, основанная исключительно на доступных данных МРТ и возрасте, имела сопоставимые характеристики и могла предотвратить 35 случаев.5% ложноположительных результатов МРТ и 13.0% доброкачественных биопсий.
"Наши модели прогнозирования могут идентифицировать значительное количество ложноположительных результатов после первого раунда дополнительных МРТ-скринингов, уменьшая количество ложноположительных отзывов и доброкачественных биопсий без исключения раковых заболеваний," Доктор. ден Деккер сказал. "Это на один шаг приближает к внедрению дополнительную скрининговую МРТ для женщин с плотной грудью."
Исследователи намерены провести валидационные исследования с использованием данных из разных групп населения. Они также хотят изучить эффективность моделей прогнозирования в последующих раундах скрининга. Доктор. Ден Деккер отметил, что количество ложноположительных результатов в исследуемой группе упало с 79.8 на 1000 просмотров в первом туре до 26.3 на 1000 в секунду.
"Частично это можно объяснить наличием предварительных обследований МРТ, которые позволяют сравнивать интервалы изменения," она сказала. "Поскольку раунды проверки инцидентов имеют гораздо более низкую частоту ложных срабатываний, возможно, придется создавать отдельные модели."