Искусственный интеллект в УЗИ молочных желёз: где S-Detect помогает, а где ошибается

Автор: Заболотская Наталия Владленовна — д.м.н., доцент, профессор кафедры; преподаёт ультразвуковую диагностику заболеваний поверхностно расположенных органов, автор и соавтор более 90 научных работ, в том числе девяти монографий и глав в клинических руководствах.

Текст подготовлен редакцией UZI.RU по записи вебинара «Искусственный интеллект как ассистент в ультразвуковой диагностике заболеваний молочных желёз» (РАСУДМ, 2023) и практическому мастер-классу «S-Detect и ElastoScan при экспертном УЗИ молочных желёз».

«Машина говорит только то, что в неё положил сам человек». Эта фраза — ключ ко всей лекции. В ней есть слайды, где алгоритм уверенно назвал кисту доброкачественной, и слайд, где он же назвал злокачественной абсолютно здоровую железу. ИИ в маммологии — не арбитр и не второй врач, а инструмент с известными сильными местами и известными слепыми зонами.

Ниже — разбор того, что показал опыт работы с S-Detect™ for Breast на серии наблюдений: где подсказка совпала с истиной, где дала гипердиагностику и почему её всё равно стоит держать включённой.

Почему ультразвуку понадобился ассистент

Начнём с неприятного числа. Около четверти раков молочной железы в ультразвуковом изображении неотличимы от доброкачественных опухолей — то есть каждый четвёртый выглядит «хорошо». Не «плохо видно», а именно похоже на фиброаденому: округлое, отграниченное, гипоэхогенное. Никакая настройка аппарата эту проблему не снимает, потому что дело не в разрешении, а в перекрытии эхографических картин.

Вторая причина — организационная. Единой стандартизации ультразвуковой аппаратуры нет, единой образовательной базы у специалистов — тоже. Отсюда и ложноположительные, и ложноотрицательные заключения: два врача на двух разных аппаратах описывают одно и то же образование по-разному. Часть этого разброса и снимает алгоритм — он всегда описывает по одному лексикону.

Отдельно Наталия Заболотская настаивает на том, что ультразвук перестал быть «довеском» к рентгеновской маммографии. При выраженно железистом строении эффективность рентгеновской маммографии, по мировым данным, — меньше 50 %. И это не отечественная особенность. Практический вывод, который она формулирует как задачу для молодых коллег: категории 4 и 5, поставленные по ультразвуку, должны давать пациентке право на дообследование по ОМС — сейчас с этим бывают проблемы.

Порог, вокруг которого всё вращается, простой: пока в заключении не прозвучала четвёртая категория, пункцию никто делать не будет. Значит, вся работа с технологиями — про то, чтобы обоснованно её поставить или обоснованно не ставить. Разбор самих категорий — в статье «Классификация BI-RADS для УЗИ молочных желёз», базовая методика осмотра — в «Протоколе УЗИ молочной железы».

Чем смотреть: датчик решает половину задачи

Термин, который лектор просит помнить ординаторов, — доминантная частота. Цифры у производителей разные, смысл один: для поверхностных органов нужна доминантная частота выше 7,5 МГц, и при этом датчик должен оставаться мультичастотным.

Почему это принципиально именно в молочной железе: не каждым «высокочастотным» аппаратом можно одинаково хорошо рассмотреть и близко расположенную структуру, и удалённую. Железа у одной пациентки — это и подкожный слой в паре миллиметров от поверхности, и ретромаммарное пространство на глубине. То же касается щитовидной железы и лимфоузлов. Из линейки Samsung под эту задачу идут LM4-15B — матричный линейный 4–15 МГц с апертурой 50 мм — и высокочастотные LA4-18A и LA3-16A.

Что это даёт на приёме: сегодня уверенно визуализируются злокачественные опухоли меньше сантиметра — категория T1 и carcinoma in situ. Вопрос не в том, увидите ли вы очаг, а в том, как вы его охарактеризуете.

Что делает S-Detect и чего он не делает

Механика простая. На стоп-кадре вы указываете образование, S-Detect сам очерчивает контур (предлагая до шести вариантов), заполняет лексикон BI-RADS — форма, ориентация, граница, эхогенность, дистальные эффекты — и выдаёт дихотомический вывод: «возможно доброкачественное» или «возможно злокачественное». Пошагово, с условиями запуска и типичными ошибками, — в инструкции «S-Detect для молочной железы».

Ограничения, о которых стоит помнить у аппарата:

• Алгоритм видит один кадр. Не исследование целиком, не динамику при компрессии, не то, как образование ведёт себя при смене плоскости. Репрезентативность среза — полностью на вас.
• Алгоритм не знает анамнеза. Ни операции в этой зоне, ни лактации, ни сахарного диабета. Дальше будет случай, где именно это оказалось решающим.
• Алгоритм не изобретает признаки. В нём заложены те же дескрипторы, которыми пользуетесь вы. Он воспроизводимее, но не «умнее».

Родственный модуль — LiveBreastAssist™: он работает не на стоп-кадре, а в потоке сканирования, подсвечивая участки, похожие на очаговые образования. Это помощь в поиске; характеристика найденного остаётся за S-Detect и за вами.

Корональная проекция: то, чего не даёт обычный B-режим

Самая практичная часть лекции — про объёмное сканирование. Объёмный высокочастотный линейный датчик Наталия Заболотская ждала около десяти лет и объясняет почему: когда опухоль меньше сантиметра, других способов получить корональную проекцию нет.

Что в этой проекции видно:

Ретракционный узор — стяжение связок Купера вокруг очага. Аналогия, после которой это перестаёт быть абстракцией: разрежьте лимон поперёк и посмотрите на белые перегородки. Корональное сечение молочной железы устроено похоже — вы видите ход связок, и радиальное подтягивание их к образованию считывается сразу. В сагиттальной и поперечной плоскостях этот признак попросту не формируется.

Строение фиброаденомы. Хирурги знают, что удалённая фиброаденома чаще состоит не из одного фокуса, а из нескольких. В корональной проекции это видно до операции — узел оказывается двух- или многоузловым.

Тип отграничения у жидкостных образований. Все кисты в серии давали в 3D отграниченный тип изображения — дополнительный аргумент к доброкачественности.

И главное предупреждение, которое лектор повторяет дважды. Ретракционный узор не появляется сам. Записать объём мало — его нужно резать: перебирать плоскости, искать срез, где стяжение связок или инвазивный рост становятся видны. «Раз я включила трёхмерный датчик, значит, машина мне всё показала» — так это не работает. Инструменты для работы с готовым объёмом — мультисрезовый просмотр и произвольные косые плоскости — собраны в 3D XI™.

Эластография — второй голос, который часто оказывается решающим

Позиция автора однозначна: от эластографии никто не отказывается, и лучше, когда доступны оба метода — компрессионный и сдвиговолновой. Но если есть хотя бы один, он используется обязательно.

Полезная деталь для компрессионного режима: у жидкостных образований характерен трёхслойный BGR-паттерн (синий — зелёный — красный, в англоязычных источниках его записывают и как RGB). Это признак артефактного происхождения, и он хорошо работает как маркёр кисты — в серии наблюдений все осложнённые кисты были подтверждены именно им.

В сканерах Samsung это ElastoScan™ — качественная цветовая карта жёсткости, E-Breast™ — маммологический пресет с индексом деформации и сдвиговолновым режимом, и S-Shearwave™ Imaging — количественная жёсткость в килопаскалях. Пороговые значения по большой серии образований разобраны в отдельной статье «S-Shearwave Imaging при УЗИ молочной железы».

Разбор наблюдений: где алгоритм был прав, а где ошибся

Все случаи ниже — из клинической серии, показанной в лекции.

Находка	Что сказал S-Detect	Чем закончилось
Простые и осложнённые кисты	доброкачественное	подтверждено (BGR-признак + отграниченный тип в корональной проекции)
Классические фиброаденомы	доброкачественное	подтверждено; 3D дополнительно показал многоузловое строение
Стеатонекроз (олеогранулёма)	доброкачественное	подтверждено
Остаточная железистая ткань, перестройка после лактации	доброкачественное	подтверждено
Десмопластическая реакция после операции	—	мягкая при эластографии, без усиленного кровотока
Отграниченный узел с гиперваскуляризацией и высокой жёсткостью	по B-режиму — доброкачественное	фиброаденома, но заключение выставлено злокачественное: ложноположительное
Железа без опухоли у клинически «подозрительной» пациентки	вероятно злокачественное	здоровая железа: ложноположительное
Плохо ограниченные узлы с инвазивным ростом	злокачественное	подтверждено

Два случая заслуживают подробностей.

Фиброаденома, которую «переголосовали». Отграниченное гипоэхогенное образование; рядом на слайде — отграниченная форма медуллярного рака для сравнения. Команда склонилась к фиброаденоме, алгоритм по B-режиму дал доброкачественный вариант. Дальше включили допплерографию — выраженный смешанный кровоток. Включили эластографию — жёсткое образование. Кумулятивно решение изменили на злокачественное, и оно оказалось ложноположительным. В итоговом подсчёте этот узел попал и в ошибки алгоритма: по совокупности признаков злокачественности он насторожил и машину тоже.

Железа без опухоли. Пациентка с клинически крайне подозрительной картиной. При исследовании обеих желёз — ни опухоли, ни очага: слева чуть более крупные протоковые структуры и небольшие тени от них. Ткань не компрессировалась. Алгоритм очертил ту зону, которую посчитал нужным (он не знает, что именно обводит), и выдал «вероятно злокачественное». Контур поправили вручную — вывод не изменился. Эластография дала высокую жёсткость. Заключение выставили злокачественное — тоже ложноположительное.

Отдельно стоит запомнить два признака, которые ломают шаблон:

• Злокачественная опухоль может быть гиперэхогенной. Редко, но бывает — и об этом нужно помнить, потому что «гиперэхогенное = доброкачественное» въедается в привычку.
• Иногда единственная зацепка — акустическая тень. В одном из наблюдений алгоритм распознал злокачественный процесс фактически по акустической тени вертикальной ориентации.

И про эхогенность как таковую — важная оговорка. Градаций в описании две: относительно окружающих тканей и относительно жира. Одна и та же фиброаденома на фоне жировой ткани выглядит изоэхогенной, а на фоне железистой — гипоэхогенной. Расхождение с чужим протоколом здесь чаще всего не ошибка, а разный референс.

Цифры: алгоритм против начинающих врачей

Серия, на которой строится доказательная часть лекции:

• 39 обследованных пациенток, из них 24 случая узловой формы поражения;
• из 24 — 12 наблюдений опухолевой патологии и 12 неопухолевой;
• опухолевая группа: фиброаденомы — 5, липофибромы — 4, рак молочной железы — 3;
• неопухолевая: простые и осложнённые кисты, узловая форма гиперплазии, диабетический фиброз;
• группа сравнения — 15 начинающих врачей, приглашённых из разных учебных групп.

Термин «аденоз» лектор сознательно не использует: «аденозом каждый второй называет всё что угодно, вплоть до нормальной ткани молочной железы». Вместо него — узловая форма гиперплазии в виде отграниченного гипоэхогенного участка.

Что получилось у начинающих без подсказки: три ложноположительных заключения по осложнённым кистам, два — по дисгормональным изменениям очаговой формы, вопросы вызвала та самая фиброаденома, и один случай рака молочной железы распознан не был. Шести пациентам изменили правила наблюдения и рекомендовали инвазивную манипуляцию.

Что получилось с алгоритмом: ложноположительные заключения тоже были — по дисгормональным процессам одно против двух и та же фиброаденома. Диабетический фиброз алгоритм назвать не мог по определению: он не знает про диабет.

Показатель	Начинающие врачи	С подсказкой ИИ
Ошибки диагностики	29 %	15 %
Изменение тактики ведения	29 %	8 %

Ключевое наблюдение, которое стоит держать в голове: все ошибки алгоритма были гипердиагностикой. Ни одного пропущенного рака. Формулировка автора — «это лучше, чем упустить», и для инструмента поддержки решения это правильный перекос.

Общий вывод из этой части: аппаратура с технологией искусственного интеллекта особенно эффективна среди начинающих специалистов. У опытного маммолога прибавка меньше — там алгоритм чаще работает как подтверждение уже сложившегося мнения.

Как это выглядит у аппарата

Практическая демонстрация в лекции шла на реальной пациентке, и последовательность там ровно такая, какую имеет смысл повторять:

1. Оценка в B-режиме высокочастотным линейным датчиком, находка очага.
2. Цветовое картирование — картина, характерная для злокачественной опухоли: внутриузловой кровоток и питающий сосуд, который часто виден при опухолевом процессе. Базовые настройки, без которых слабый поток не прокрасится, — в инструкции «Базовые настройки цветового допплера»; микроциркуляцию, невидимую в обычном ЦДК, показывает MV-Flow™.
3. Запись объёма и просмотр срезов — в нижнем углу проявляется ретракционный узор.
4. Запуск S-Detect на репрезентативном кадре: контур, лексикон, вывод. В демонстрации машина согласилась с врачом — злокачественный процесс.

Порядок здесь не случайный: своё заключение формулируем первыми, машину спрашиваем последней. Иначе подсказка перестаёт быть вторым мнением и становится первым.

Как встроить подсказку в приём

• Сначала своё решение, потом кнопка. Сформулируйте категорию по B-режиму — и только затем запускайте S-Detect.
• Кадр решает. Чёткий репрезентативный срез, 2D, Freeze, одиночный режим, пресет «Молочная железа», данные пациента введены — иначе модуль просто не запустится.
• Проверяйте контур и лексикон. Синие параметры — автоматические, жёлтые со звёздочкой — ваши правки. Слепое согласие с синим текстом — самая частая ошибка при работе с модулем.
• Не останавливайтесь на дихотомии. «Доброкачественное» от алгоритма при выраженном смешанном кровотоке и высокой жёсткости — повод насторожиться, а не расслабиться. Решение принимается кумулятивно.
• Держите в голове слепые зоны. Операция в анамнезе, лактация, диабет — всё это алгоритму неизвестно, а объясняет находку чаще, чем опухоль. Разбор картины после вмешательств — в статье «УЗИ оперированной молочной железы».
• Ретракционный узор ищите руками. Записанный объём нужно перебрать по срезам; сам он ничего не покажет.

Коротко

• Около 25 % раков молочной железы на УЗИ неотличимы от доброкачественных опухолей — отсюда потребность в дополнительных инструментах, а не в более «красивой» картинке.
• Рабочий диапазон для поверхностных органов — мультичастотный датчик с доминантной частотой выше 7,5 МГц; важна работа и в ближнем, и в дальнем поле.
• S-Detect анализирует один кадр, не знает анамнеза и не изобретает признаков — он даёт воспроизводимость, а не интеллект.
• Корональная проекция — единственный способ увидеть ретракционный узор и многоузловое строение фиброаденомы; узор нужно добывать, перебирая срезы объёма.
• Эластография остаётся обязательной; трёхслойный BGR-паттерн при компрессионном режиме — надёжный маркёр жидкостного образования.
• В серии из 24 узловых форм ошибки составили 15 % с подсказкой ИИ против 29 % у начинающих врачей; тактика менялась в 8 % случаев против 29 %.
• Все ошибки алгоритма были гипердиагностикой — ни одного пропущенного рака.
• Наибольшую прибавку ИИ даёт начинающим специалистам; у опытного врача чаще работает как подтверждение.
• Алгоритм не заменяет разум врача: вы должны знать заранее то, что вам скажет машина.

Смотреть вебинар целиком

Полная лекция с эхограммами, клиническими наблюдениями и записью работы у аппарата — в вебинаре «Искусственный интеллект как ассистент в ультразвуковой диагностике заболеваний молочных желёз» (РАСУДМ, 2023). Практическая часть с разбором технологий у сканера — в мастер-классе «S-Detect и ElastoScan при экспертном УЗИ молочных желёз».

Автор материала — Заболотская Наталия Владленовна: регалии и другие её лекции собраны на странице эксперта.

По теме: S-Detect™ for Breast · LiveBreastAssist™ · ElastoScan™ · E-Breast™ · 3D XI™ · инструкция «S-Detect для молочной железы» · статьи «Классификация BI-RADS», «Протокол УЗИ молочной железы» и «Комплексное УЗИ молочных желёз» · сканеры с модулем — Samsung RS85, V8, W10.