Способ прогнозирования "малых" форм рака молочной железы на фоне фиброзно-кистозной болезни

Abstract

Цель исследования - разработать оптимальный рентгенологический симптомокомплекс «малого» рака молочной железы на фоне фиброзно-кистозной болезни (ФКБ) с помощью многомерных методов статистики. Материал и методы. Проведен подробный анализ рентгенологических признаков «малого» рака молочной железы на фоне фиброзно-кистозной болезни у 100 больных с гистологически верифицированным диагнозом. Результаты. Показано, что стандартный подход к анализу маммограмм у данного контингента больных, основанный на выявлении первичных, вторичных и косвенных рентгенологических симптомов злокачественного процесса, обладает недостаточной эффективностью - чувствительность маммографии составляет 62%. Отмечено, что визуализацию на маммограммах «малых» форм рака в наибольшей степени ухудшает наличие в молочных железах фиброзной формы ФКБ и склерозирующего аденоза средней и тяжелой степени выраженности. Углубленный анализ маммограмм позволил выделить дополнительно часто встречаемые проявления «малых» форм рака молочной железы на фоне мастопатии, которые могут указывать на наличие злокачественного процесса. На их основе разработана программа для ЭВМ, позволяющая оценить вероятность наличия «малых» форм рака молочной железы, а также предложен диагностический алгоритм, который повышает эффективность выявления «малых» раков до 92%.

The purpose of the study is to develop an effective radiological symptom-complex of small-sized breast cancer affected by fibrocystic breast disease by using multivariate statistical methods. Materials and methods. Radiological findings of small-sized breast cancer affected by fibrocystic mastopathy were analyzed in 100 patients with histologically verified diagnosis. Results. It was revealed that the conventional approach to the analysis of mammograms based on the detection of the primary, secondary and indirect mammographic signs of small-sized breast cancer is not effective enough - the sensitivity of mammography is only 62%. Fibrocystic disease and moderate-to-severe sclerosing adenosis make small-sized breast cancer hard to visualize by mammography. The detailed analysis of mammograms allowed us to identify the additional manifestations of small-sized breast cancer affected by mastopathy. The computer program allowing us to evaluate the risk of small-size breast cancer and the diagnostic algorithm for detecting small size breast cancer with sensitivity of 92% were developed.