UZI.RU

S-Detect™ for Breast

ИИ-модуль, который автоматически оконтуривает образование молочной железы, описывает его по лексикону BI-RADS и даёт вывод «вероятно доброкачественное / вероятно злокачественное».

Что это и зачем

S-Detect™ for Breast — это модуль компьютерной диагностики (CAD) на основе свёрточной нейросети. По одному репрезентативному 2D-кадру он автоматически очерчивает контур образования молочной железы, извлекает характеристики по лексикону BI-RADS и формирует дихотомический вывод: «возможно доброкачественное» или «возможно злокачественное». Поддерживаются версии лексикона BI-RADS 2003 и 2013.

Нейросеть обучена на тысячах ультразвуковых изображений с подтверждёнными гистологически диагнозами, поэтому её оценка опирается на верифицированные данные. Модуль задуман как объективное «второе мнение», которое снижает зависимость заключения от личного опыта врача и помогает выровнять расхождения между разными специалистами.

Видео

Короткие разборы технологии и её работы на сканерах Samsung.

Технология S-Detect for Breast
S-Detect for Breast на сканере Samsung HS60

Как работает

  • Автоматический контур

    По выбранному 2D-кадру нейросеть сама очерчивает границы образования, не требуя ручной обводки.

  • Дескрипторы BI-RADS

    Модуль описывает форму, ориентацию, контур, постериорные особенности и эхогенность в терминах лексикона BI-RADS.

  • Дихотомический вывод

    На основе извлечённых признаков система выдаёт заключение «возможно доброкачественное» или «возможно злокачественное».

S-Detect™ оценивает один репрезентативный кадр и не заменяет врача — это вспомогательный инструмент поддержки решения, а не самостоятельный диагноз.

Клиническое применение

Образования молочной железы
Объективная классификация узлов по BI-RADS как второе мнение при оценке очаговых образований.
Узлы категории BI-RADS 4A
Помогает обоснованно выбрать между биопсией и динамическим наблюдением, снижая число избыточных биопсий.
Скрининговые программы
Снижает число ложноположительных результатов и расхождения между врачами при большом потоке исследований.

Доказательность

По данным опубликованных исследований (см. источники)

ПоказательЗначение
AUC S-Detect™ (cut-off 4a)0,725
AUC врача-эксперта0,653
Корректная реклассификация узлов 4A в доброкачественные50–53%
Частота биопсий при сохранении чувствительности ≥95%снижение с 72% до 41%

Ограничения

  • Анализирует только один репрезентативный 2D-кадр и не учитывает всю динамику исследования
  • Не учитывает анамнез, семейную историю и носительство BRCA
  • Возможна гипердиагностика при некоторых типах фиброаденом
  • Не заменяет врача — это инструмент поддержки решения

На каких сканерах доступно

Технология доступна на ультразвуковых сканерах Samsung:

Samsung RS85Samsung V6Samsung V7Samsung V8Samsung W9Samsung W10Samsung Z20
Подобрать сканер в каталоге

Источники

  1. Deep Learning–Based CAD for Breast Lesion Classification on Ultrasound — AJR 2024
  2. Deep learning-based CAD in screening breast US to reduce false-positive diagnoses — Scientific Reports
  3. Biopsy or Follow-up: AI Improves Clinical Strategy of US BI-RADS 4A Nodules — 2024