CC BY
0
ВЕСТНИК РОССИЙСКОГО НАУЧНОГО ЦЕНТРА РЕНТГЕНОРАДИОЛОГИИ (ВЕСТНИК РНЦРР), 2023, Т. 2023, № 1
ОРИГИНАЛЬНАЯ СТАТЬЯ. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В МЕДИЦИНЕ
Возможности искусственного интеллекта в оценке риска рака молочной железы на маммографических изображениях (клинические примеры)
В.А. Солодкий \ А.Д. Каприн 2, Н.В. Нуднов и, Н.В. Харченко 2, Г.М. Запиров 2, Ш.М. Дибирова М.В. Подольская 2, М.А. Кунда 2
1 ФГБУ «Российский научный центр рентгенорадиологии» Минздрава России, Россия, 117997, г. Москва, ул. Профсоюзная, д. 86
2 ФГАОУ ВО «Российский университет дружбы народов», Россия, 117198, г. Москва, ул. Миклухо-Маклая, д. 6
Для цитирования: Солодкий В.А., Каприн А.Д., Нуднов Н.В., Харченко Н.В., Запиров Г.М., Дибирова Ш.М., Подольская М.В., Кунда М.А. Возможности искусственного интеллекта в оценке риска рака молочной железы на маммографических изображениях (клинические примеры). Вестник Российского научного центра рентгенорадиологии. 2023.1.
Адрес для корреспонденции: Шахрузат Магомедовна Дибирова, shakhru95@yandex. ш
Статья поступила в редакцию 25.01.2023; одобрена после рецензирования 27.02.2023; принята к публикации 10.03.2023.
Резюме
В статье представлены описания клинических наблюдений рака молочной железы. В ходе эксперимента при ретроспективных исследованиях была задействована платформа обработки и анализа медицинских изображений с использованием искусственного интеллекта - Botkin.AI. Заключительный диагноз выставлен при патоморфологическом исследовании.
Исследования, проанализированные в ходе работы, зарегистрированы в ФГБУ «РНЦРР».
Ключевые слова: рак молочной железы, скрининг, искусственный интеллект, машинное обучение, маммография, компьютерное зрение
The possibilities of artificial intelligence in breast cancer risk assessment on mammographic images (clinical examples)
V.A. Solodkiy \ A.D. Kaprin 2, N.V. Nudnov u, N.V. Kharchenko 2, G.M. Zapirov 2, Sh.M. Dibirova u, M.V. Podolskaya 2, M.A. Kunda 2
1 Russian Scientific Center of Roentgenoradiology (RSCRR), 86 Profsoyuznaya St., Moscow, 117997, Russia
9 .... .
Peoples Friendship University of Russia, 6 Miklukho-Maklaya St., Moscow, 117198, Russia
For citation: Solodkiy V.A., Kaprin A.D., Nudnov N.V., Kharchenko N.V., Zapirov G.M., Dibirova Sh.M., Podolskaya M.V., Kunda M.A. Artificial intelligence capabilities in breast cancer risk assessment on mammographic images (clinical examples). Vestnik of the Russian Scientific Center of Roentgenoradiology. 2023.1.
Address for correspondence: Shakhruzat M. Dibirova, shakhru95@yandex.ru
The article was submitted on January 25, 2023; approved after reviewing on February 27, 2023; accepted for publication on March 10, 2023.
Summary
The article presents descriptions of clinical observations of breast cancer. During the experiment in retrospective studies, the Botkin.AI platform for processing and analyzing medical images using artificial intelligence was used. The final diagnosis was made during pathomorphological examination.
The studies analyzed in the course of the work are registered with the Federal State Budgetary Institution "RSCRR".
Key words: breast cancer, screening, artificial intelligence, machine learning, mammography, computer vision
1. Введение
Заболеваемость раком молочной железы быстро растет, отражая изменения в распространенности факторов риска в сочетании с увеличением числа случаев выявления в результате широкого внедрения маммографического скрининга. Благодаря внедрению скринингового исследования, в России рак молочной железы чаще устанавливается на момент I-II стадии и лишь 0,14 % на стадии in situ в 2021 г. [1].
«Золотым стандартом» в диагностике рака молочной железы была и остается цифровая маммография в двух стандартных, краниокаудальной (СС) и медиолатеральной (MLO), проекциях для женщин старше 40 лет и УЗИ молочных желез для женщин до 40 лет. Но имеется ряд причин, затрудняющих диагностику заболевания, таких как: недостаточный опыт врача, человеческий (когнитивный) фактор, высокая нагрузка на врача-рентгенолога, плотный рентгенологический фон; эти факторы могут способствовать возникновению пропущенного рака [2,3]. Важно также отметить такие аспекты маммографического скрининга как гипердиагностика и ложноположительные результаты, которые, в свою очередь, связаны с негативным психологическим воздействием на пациентов и лишними инвазивными манипуляциями [4]. При столкновении с данными проблемами возникает вопрос: «Как это предотвратить?».
Для исключения ошибок или гипердиагностики в Европе каждый случай рассматривается двумя рентгенологами (обычно независимо). Данная практика в литературе описывается как метод двойного чтения или просто двойное чтение. В России двойное чтение не входит в стандарт оказания медицинской услуги, и чаще второе чтение является мнением коллеги или более опытного врача [4].
В современном мире роль искусственного интеллекта (ИИ) неуклонно растет, тенденция использования его в сфере здравоохранения дает свои результаты. Технологии компьютерного зрения могут применяться и при диагностике рака молочной железы. Для осуществления данного технологического решения необходимы многочисленные рентгеновские изображения. Использование компьютерной программы позволяет избежать ошибок со стороны рентгенолога, тем самым нивелируя субъективную составляющую оценки [5,6]. Именно ИИ на сегодняшний день активно внедряется в работу онкологов-маммологов (рентгенологов) в качестве альтернативы «второму чтению». Использование ИИ для расшифровки маммографических изображений реализуется через такие сервисы / программы как Kheiron Medical (Mia™), Lunit и Curemetrix. В РФ также активно внедряется работа по применению ИИ в диагностике рака молочной железы. Программа Цельс уже используется медицинскими учреждениями в 13 субъектах Российской Федерации в рамках пилотных проектов, а также интегрирована с Единым радиологическим информационным сервисом (ЕРИС) Москвы, охватывающим более чем 200 отделений лучевой диагностики.
Помимо сервиса Цельс, компания «Интеллоджик» разработала свой проект для анализа медицинских изображений с использованием искусственного интеллекта Botkin.AI [7]. Данный сервис предоставляет модель ИИ, базирующуюся на классификации злокачественных / незлокачественных заболеваний (вероятностная оценка наличия злокачественности) и сегментации (выделение региона интереса на снимке цветом). Искусственный интеллект помогает решать эту проблему уникальным способом. Цель исследования: продемонстрировать алгоритм работы искусственного интеллекта Botkin.AI в рамках маммографического скрининга на примере клинических случаев.
2. Материалы и методы
Был проведен ретроспективный анализ 1000 маммографических изображений пациенток с диагнозом рак молочной железы Tig.2N0.2Mx, прошедших диагностику и лечение в клинике комплексных методов диагностики и лечения заболевания молочной железы ФГБУ РНЦРР МЗ РФ с 2020 по 2022 г. с помощью системы искусственного интеллекта Botkin.AI. Пациенткам маммография выполнялась в 2-х стандартных проекциях: прямой (краниокаудальной CC) и косой (медиолатеральной MLO) с помощью цифровых маммографов Amulet компании "Fujifilm corp.", Япония. Изображения в формате DICOM были направлены в программу ИИ.
Интерфейс программы искусственного интеллекта Botkin.AI совмещает в себе режим просмотра DICOM-изображений и режим анализа изображений. При анализе изображений ИИ самостоятельно определяет плотность по системе ACR, область поражения, наличие кальцинатов и определяет категорию BIRADS (Breast imaging-reporting and data system / Система отчетности данных по визуализации молочной железы) для выявленных образований.
3. Результаты Клинический пример №1
Больная Г*, женщина, 53 года, направлена для дообследования в связи с появлением узлового образования по данным маммографии. Наследственность отягощена: у матери рак молочной железы.
Объективные данные. При клиническом осмотре молочные железы правильной формы и размеров, кожа и соски не изменены. Выделений из сосков нет. При пальпации узловые образования не определяются. Аксиллярные лимфатические узлы не увеличены. Результаты обследования. На маммограммах обеих молочных желез - картина фиброзно-жировой инволюции. Тип плотности по ACR-A На этом фоне в левой молочной железе, в верхненаружном квадранте, определяются два рядом расположенных узла размерами 6 и 10 мм в диаметре с лучистыми очертаниями (рис. 1).
Выполнена трепан-биопсия образований левой молочной железы. Гистологическое исследование: инфильтративный протоковый рак молочной железы, 1 степени злокачественности. При иммуногистохимическом исследовании реакция с антителами к рецепторам эстрогена положительна в 42% ядер опухолевых клеток (интенсивное окрашивание) (7 баллов (TS) Allred score), реакция с антителами к рецепторам прогестерона положительна в 86% ядер опухолевых клеток (интенсивное окрашивание) (8 баллов (TS) Allred score), реакция с антителами к онкобелку cerb-B2 0,реакция с антителами к Ki-67 положительна в 12% ядер опухолевых клеток.
Маммографическое изображение было проанализировано ИИ (рис. 2).
Рис. 1. Маммограмма левой молочной железы в краниокаудальной (СС) и медиолатеральной (MLO) проекциях.
* ACR 1(А) - жировая ткань (< 25 % железистой ткани)
ACR П(B) - отдельные участки фиброзно-железистой ткани (железистая ткань 25-50 %)
ACR Ш^) - фиброзно-железистая ткань равномерно распределена во всем объеме (железистая ткань 51-75 %) ACR ГУ(Р) - высокая плотность молочной железы (железистая ткань > 75 %)
В О Т К 1 N ■ Л Г' we ста. И «л! Параметры снимка * 1 /
и 9 а + Q. У 9 0 О © Ф is: Г~® )Г~• п
Серия Режим просмотр* Оки. Перемещение Масштаб Длин« Ист ü г но Очистить Сброс HU Е вимов
DO 1 [©• | ® Пользовательский В1ЯА05 4 4А 48 4С 5 6 Плотность молочных желез по АСЯ
Ser 1002 4728 х 5928 Г Zoom: 5% W: 4096 L: 2048 Lossless / Uncompressed Ser 1002 4728 x 5928 ■ Имплант/ты молочных желез Доброкачественные кальцинаты ■ Диффузная асимметрия молочной
DO Ser: 1004 4728 х 5928 \ Zoom: 5* W: 4096 L 2048 Lossless / Uncompressed GO Ser 1004 4728 x 5928 | железы ЕЕ Металлические объекты ■ Недостаточный охват молочных желез/ небольшие артефакты • • • О Го1_0 • ГО|_1
Рис. 2. Пример работы в программе Botkin.AI. В правой колонке «Результаты анализа» красным цветом выделена область поражения, установлена категория по системе BIRADS и плотность по ACR.
Клинический пример №2
Больная К*, женщина, 60 лет, обратилась с жалобами на уплотнение в правой молочной железе. Настоящие жалобы отмечает в течение месяца. Роды - 1. Наследственность отягощена: у матери - рак молочной железы. Обратилась в центр для консультации. Объективные данные. При клиническом осмотре молочные железы правильной формы и размеров, кожа и соски не изменены. Выделений из сосков нет. При пальпации справа, в нижне-внутреннем квадранте, пальпируется плотное, малоподвижное образование, без четких контуров размерами до 2,5 см, слева узловые образования не определяются. Аксиллярные лимфатические узлы не увеличены.
Результаты обследования. На маммограммах обеих молочных желез в краниокаудальных (СС) и медиолатеральных (МЬ) проекциях тип плотности по АСЯ-В* На этом фоне справа, в нижне-внутреннем квадранте, определяется образование без четких контуров, с включенными в структуру кальцинатами размерами 26,4*27,5*20,4 мм, слева узловых образований не выявлено. Аксиллярные лимфатические узлы не увеличены.
При УЗИ обеих молочных желез - картина нерезко выраженной фиброзной мастопатии, на этом фоне справа, в нижне-внутреннем квадранте, лоцируется гипоэхогенное образование с неровным, нечетким контуром размерами 24,1*13,0 мм, гиперваскулярное при ЦДК, слева узловых образований не определяется. Млечные протоки не расширены. Аксиллярные лимфатические узлы структурно не изменены, не увеличены. На рис. 3 представлена маммограмма молочной железы без обработки искусственным интеллектом.
R сс
Ser 1001 3540 X 4740
|
/ Zoom: 7%
W: 4096 L 2048 Lossless / Uncompressed
►
3540 X 4740
Zoom: 7% W: 4096 L 2048 Lossless / Uncompressed
Ser 1003 3540 X 4740
Zoom: 7% 1 W: 4096 L 2048 Ser 1004 Lossless / Uncompressed I 3540 x 4740
Zoom: 7% W: 4096 L 2048 Lossless / Uncompressed
Рис. 3. Рентгенологическое исследование обеих молочных желез в краниокаудальной (СС, верхние панели) и медиолатеральной проекциях (МЬО, нижние панели).
На рис. 4 искусственным интеллектом размечено в нижне-внутреннем квадранте правой молочной железы образование, высоко подозрительное в отношении рака молочной железы, оно выделено красным цветом. В аксиллярной области ИИ размечен неизмененный лимфатический узел зеленым цветом.
В О Т К I N • Л 1°"""*
:: Q 0 * Q
Серия Режим просмотра Окна * Перемещение Масштаб Длина
СО
R «с
Ser 1001 3540 x 4740
СО
Ser 1003 3540 х 4740
Zoom: 7* W: 4096 L 2048 Lossless / Uncompressed
Zoom: 7* 1 W 4096L 2048 Lossless / Uncompressed
Параметры снимка v
вмшв «
Пользовательский В1КА0Б
4 4Л 4В 4С 5 6
Плотность молочных желез по АСЯ ь
■ Имплант/ты молочных желез
✓ Доброкачественные кальцинаты
■ Диффузная асимметрия молочной железы
■ Металлические объекты
■ Недостаточный охват молочных желез/ небольшие артефакты
roi_0
roi_1
# roi_2
Рис. 4. Рентгенологическое исследование с обработкой технологии ИИ.
Выполнена трепан-биопсия образования правой молочной железы под контролем ультразвукового метода исследования. При цитологическом исследовании выявлены элементы крови, капли и дольки жира, фрагменты стромы, преимущественно разрушенные, немногочисленные клетки с полиморфизмом и атипией ядер, принадлежащие раку. Гистологическое исследование: в молочной железе множественные очаги низкодифференцированного протокового рака in situ. Инфильтративный компонент рака не обнаружен. В ходе комплексного обследования был выставлен диагноз - рак правой молочной железы.
4. Заключение
В процессе выполняемой работы анализа маммографических изображений моделью ИИ был показан хороший результат в оценке обнаружения патологических изменений, что позволяет предположить возможность внедрения его в качестве средства поддержки принятия медицинских решений. Внедрение технологии ИИ в ближайшем будущем в клиническую практику в качестве «помощника» врача уменьшит высокую рабочую нагрузку на врача вследствие увеличения количества выполненных исследований, сократит продолжительность рабочего времени на описание одного снимка и снизит вероятность пропуска патологии врачом.
Вклад авторов. В.А. Солодкий: определение основной идеи статьи, анализ материалов, подготовка иллюстративного материала; А.Д. Каприн: концепция и дизайн исследования;
Н.В. Нуднов: концепция и дизайн исследования, редактирование текста; Н.В. Харченко: концепция и дизайн исследования, научное руководство; Г.М. Запиров: сбор и анализ материалов, редактирование текста; Ш.М. Дибирова: осуществляла подготовку диагностических исследований, написание статьи; М.В. Подольская: обзор публикаций по теме статьи, анализ литературы; М.А. Кунда: анализ материалов, редактирование текста. Все авторы прочитали и согласились с версией рукописи, представленной для публикации.
Финансовая поддержка. Это исследование не получило внешнего финансирования.
Соблюдение прав пациентов и правил биоэтики. Комитет по этике РНЦРР одобрил данное исследование и предоставил освобождение от необходимости получения информированного согласия в связи с ретроспективным дизайном исследования.
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Список литературы
1. Злокачественные новообразования в России в 2021 году (заболеваемость и смертность). Под ред. Каприна А.Д., Старинского В.В., Петровой Г.В.М.: МНИОИ им. П.А. Герцена -филиал ФГБУ «НМИРЦ» Минздрава России; 2022. 252 c. ISBN 978-5-85502-280-3.
2. Lamb LR, Mohallem Fonseca M, Verma R, Seely JM. Missed Breast Cancer: Effects of Subconscious Bias and Lesion Characteristics. Radiographics. 2020 Jul-Aug;40(4):941-960. doi: 10.1148/rg.2020190090.
3. Croskerry P. Achieving quality in clinical decision making: cognitive strategies and detection of bias. Acad Emerg Med. 2002 Nov;9(11):1184-204. doi: 10.1111/j.1553-2712.2002.tb01574.x.
4. Солодкий В.А., Каприн А.Д., Нуднов Н.В., Харченко Н.В., Ходорович О.С., Запиров Г.М. и др. Искусственный интеллект в скрининге рака молочной железы (литературный обзор). Вестник Российского научного центра рентгенорадиологии. 2023; 2023(1):ХХ-ХХ. Интернет-ссылка. 2022;4:21-47. Доступно по:
http://vestnik.rncrr.ru/vestnik/v22/docs/solodkiy_t4.pdf. Дата обращения: 02.03.2023.
5. Тамкович С.Н., Войцицкий В. Е., Лактионов П.П. Современные методы диагностики рака молочной железы. Биомедицинская химия, 2014;60(2): 141-160. doi: 10.18097/PBMC20146002141.
6. Корженкова Г.П., Долгушин Б.И. Опыт использования цифровой маммографии. Радиология-практика. 2009;(6):42-48.
7. Морозов С.П., Говорухина В.Г., Диденко В.В., Пучкова О.С., Павлов Н.А., Овсянников А.Г. и др. Перспективы использования технологий искусственного интеллекта (ИИ) в скрининге рака молочной железы. Вопросы онкологии. 2020;66(6):603-608. doi: 10.37469/0507-3758-2020-66-6-603-608.
Информация об авторах
Владимир Алексеевич Солодкий - д.м.н., академик РАН, профессор, директор ФГБУ «Российский научный центр рентгенорадиологии» Минздрава России. ORCID: https://orcid.org/0000-0002-1641-6452
Андрей Дмитриевич Каприн - д.м.н., академик РАН., профессор, генеральный директор ФГБУ «НМИЦ радиологии» Минздрава России. ORCID: https://orcid.org/0000-0001-8784-8415
Николай Васильевич Нуднов - д.м.н., профессор, заместитель директора по науке ФГБУ «Российский научный центр рентгенорадиологии» Минздрава России. ORCID: https://orcid.org/0000-0001-5994-0468
Наталья Владимировна Харченко - д.м.н., профессор кафедры онкологии и рентгенорадиологии им. В.П. Харченко РУДН. ORCID: https://orcid.org/0000-0002-5352-492X
Гаджимурад Магомедович Запиров - к.м.н., доцент кафедры онкологии и рентгенорадиологии им. В.П. Харченко РУДН. ORCID: https://orcid.org/0000-0002-3171-8731 Шахрузат Магомедовна Дибирова - врач-рентгенолог отделения комплексной (включая лучевую) диагностики молочной железы ФГБУ «Российский научный центр рентгенорадиологии» Минздрава России; аспирант кафедры онкологии и рентгенорадиологии им. В.П. Харченко РУДН. ORCID: https://orcid.org/0000-0001-9657-7776 Мария Владимировна Подольская - к.м.н., доцент онкологии и рентгенорадиологии им. В.П. Харченко РУДН. ORCID: https://orcid.org/0000-0003-0453-6956
Михаил Александрович Кунда - к.м.н., доцент кафедры онкологии и рентгенорадиологии им. В.П. Харченко РУДН
Information about the authors
Vladimir A. Solodkiy - Doctor of Medical Sciences, Academician of the Russian Academy of Sciences, Professor, Director of the Russian Scientific Center of Roentgenoradiology. ORCID: https://orcid.org/0000-0002-1641-6452
Andrey D. Kaprin - Doctor of Medical Sciences, Academician of the Russian Academy of Sciences, Professor, General Director of the National Medical Research Center for Radiology. ORCID: https://orcid.org/0000-0001 -8784-8415
Nikolay V. Nudnov - Doctor of Medical Sciences, Professor, Deputy Director for Science of the Russian Scientific Center of Roentgenoradiology. ORCID: https://orcid.org/0000-0001-5994-0468 Natalya V. Kharchenko - Doctor of Medical Sciences, Professor at the Department of Oncology and Radiology named after V.P. Kharchenko, Peoples' Friendship University of Russia. ORCID: https://orcid.org/0000-0002-5352-492X
Hajimurad M. Zapirov - Candidate of Medical Sciences, Associate Professor at the Department of Oncology and Radiology named after V.P. Kharchenko, Peoples' Friendship University of Russia. ORCID: https://orcid.org/0000-0002-3171-8731
Shakhruzat M. Dibirova- Radiologist, Department of Complex (including radiation) Methods of Breast Diagnostics, Russian Scientific Center of Roentgenoradiology; Postgraduate Student, Department of Oncology and Radiology named after V.P. Kharchenko, Peoples' Friendship University of Russia. ORCID: https://orcid.org/0000-0001-9657-7776
Maria V. Podolskaya - Candidate of Medical Sciences, Associate Professor at the Department of Oncology and Radiology named after V.P. Kharchenko, Peoples' Friendship University of Russia. ORCID: https://orcid.org/0000-0003-0453-6956
Mikhail A. Kunda - Candidate of Medical Sciences, Associate Professor at the Department of Oncology and Radiology named after V.P. Kharchenko, Peoples' Friendship University of Russia
