Development and Validation of a Nomogram Integrating Multimodal Ultrasound and Radiomics for Differentiating Granulomatous Mastitis from Invasive Ductal Carcinoma

In der Landschaft der Brustgesundheit gibt es zwei sehr unterschiedliche Erkrankungen, die auf einer Untersuchung oft identisch aussehen. Die eine ist das invasive duktale Karzinom, eine häufige und ernste Form von Brustkrebs, die eine sofortige Behandlung erfordert. Die andere ist die granulomatöse Mastitis, eine seltene und gutartige entzündliche Erkrankung, die das Erscheinungsbild von Krebs imitiert, aber nicht lebensbedrohlich ist. Für Ärzte schafft diese visuelle Überschneidung ein schwieriges Dilemma. Wenn eine Patientin mit einem verdächtigen Knoten vorstellig wird, ist der Standardweg die Durchführung einer Biopsie, ein Verfahren, bei dem eine Gewebeprobe mit einer Nadel entnommen wird. Obwohl dies der einzige Weg ist, um Gewissheit zu erlangen, ist es ein invasiver Schritt, den viele Patientinnen vermeiden möchten, wenn der Knoten harmlos sein sollte. Die Herausforderung besteht darin, einen Weg zu finden, um diese beiden Zustände zu unterscheiden, bevor die Nadel die Haut berührt, und zwar allein unter Verwendung der durch Ultraschallgeräte erzeugten Bilder.

Der Ultraschall ist seit langem das primäre Instrument zur Untersuchung des Brustgewebes, insbesondere für Frauen in Asien. Er nutzt Schallwellen, um Bilder aus dem Inneren des Körpers zu erzeugen, die Form, Größe und Textur etwaiger Knoten zeigen. In den letzten Jahren haben Ärzte diese Technologie um weitere Ebenen erweitert. Heute nutzen sie den Farbdoppler, um den Blutfluss durch eine Läsion zu sehen, und die Elastographie, um zu messen, wie fest oder weich das Gewebe ist, wenn man darauf drückt. Diese Ergänzungen liefern ein reichhaltigeres Bild, doch selbst mit diesen fortschrittlichen Werkzeugen bleibt die Unterscheidung zwischen dem entzündlichen Mimikry und dem bösartigen Tumor eine erhebliche klinische Hürde. Manchmal sind die Bilder so ähnlich, dass ein Arzt nicht sicher sein kann, was zu einer „Grauzone“ führt, in der der sicherste medizinische Rat darin besteht, alles biopsieren zu lassen, was zu vielen unnötigen Eingriffen führt.

Ein Forscherteam von Krankenhäusern aus Hangzhou, China, setzte sich zum Ziel, genau dieses Problem zu lösen, indem es menschliche Beobachtung mit Computeranalyse kombinierte. Sie sammelten Ultraschallbilder und Patientendaten von 460 Frauen, bei denen entweder eine granulomatöse Mastitis oder ein invasives duktales Karzinom bereits durch Operation oder Biopsie diagnostiziert worden war. Die Forscher teilten diese Patientinnen in zwei Gruppen auf: eine größere Gruppe, die das Computersystem lehrte, worauf es zu achten hat, und eine kleinere, separate Gruppe, um zu testen, ob das System präzise Vorhersagen bei neuen, unbekannten Fällen treffen kann. Das Ziel war es, ein quantitatives Werkzeug zu entwickeln, das mehrere Faktoren zusammen gewichtet, um eine präzise Wahrscheinlichkeit dafür anzugeben, ob ein Knoten bösartig ist.

Die Forscher begannen damit, einen Computer darauf zu trainieren, die rohen Ultraschallbilder Pixel für Pixel zu analysieren. Dieser Prozess, bekannt als Radiomics, extrahiert hunderte winziger Details aus dem Bild, die für das menschliche Auge zu subtil sind, wie etwa die spezifischen Muster von Grau- und Schwarztönen innerhalb des Knotens. Der Computer berechnete einen Score basierend auf diesen verborgenen Texturen. Gleichzeitig erfasste das Team standardmäßige klinische Details, wie das Alter der Patientin, sowie spezifische Merkmale, die im Ultraschall sichtbar waren, wie die Form des Knotens, die Beschaffenheit seiner Ränder, ob er Kalziumablagerungen enthielt und wie fest er unter Druck war. Sie verwendeten anschließend statistische Methoden, um zu bestimmen, welche dieser Faktoren die stärksten Unterscheidungsmerkmale zwischen den beiden Krankheiten waren.

Die Analyse ergab, dass sechs spezifische Faktoren die zuverlässigsten Prädiktoren waren. Dazu gehörten das Alter der Patientin, die Form der Läsion, die Art ihrer Ränder, das Vorhandensein von Verkalkungen, der Steifigkeitswert aus der Elastographie und der computergenerierte Textur-Score. Interessanterweise war die Texturanalyse des Computers zwar für sich genommen nützlich, aber nicht so genau wie die vom Menschen beobachteten Merkmale. Jedoch war das Ergebnis, wenn der Score des Computers mit den menschlichen Beobachtungen kombiniert wurde, ein hochpräzises Diagnosewerkzeug. Die Forscher verwandelten diese Kombination aus sechs Faktoren in eine visuelle Tabelle, ein sogenanntes Nomogramm. Diese Tabelle ermöglicht es einem Arzt, einfach die spezifischen Details einer Patientin einzusehen, die entsprechenden Punkte für jeden Faktor zu finden, diese zu addieren und einen End Prozentsatz abzulesen, der die Wahrscheinlichkeit repräsentiert, dass die Patientin an Krebs erkrankt ist.

Als die Forscher dieses neue Werkzeug an der Gruppe von Patientinnen testeten, die nicht für das Training verwendet worden waren, waren die Ergebnisse beeindruckend. Das Werkzeug identifizierte 99 Prozent der Krebsfälle korrekt und identifizierte 83 Prozent der gutartigen Fälle korrekt. In der Welt der medizinischen Diagnostik ist dieses Maß an Genauigkeit außergewöhnlich. Das Werkzeug schnitt besser ab als die alleinige Verwendung von Ultraschallmerkmalen und weit besser als die alleinige Verwendung der computergestützten Texturanalyse. Die Forscher fanden heraus, dass die kritischsten Hinweise oft die Ränder des Knotens und das Vorhandensein von Kalzium waren. Bösartige Knoten neigten dazu, gezackte, unklar definierte Ränder zu haben und eher Kalziumablagerungen zu enthalten, während die gutartigen entzündlichen Knoten oft glattere Begrenzungen aufwiesen und diese Ablagerungen nicht besaßen. Auch die Steifigkeit des Gewebes spielte eine große Rolle, wobei bösartiges Gewebe im Allgemeinen viel härter als entzündliches Gewebe ist.

Die Studie unterstreicht, dass die computergestützte Analyse von Bildtexturen eine leistungsstarke Ergänzung ist, aber am besten funktioniert, wenn sie die sorgfältige Beobachtung eines geschulten Sonografen unterstützt, statt ihn zu ersetzen. Das fertige Werkzeug benötigt keinen Supercomputer zur Anwendung; es ist ein einfaches Bewertungssystem, das direkt am Krankenbett angewendet werden kann. Durch die Bereitstellung einer klaren, numerischen Wahrscheinlichkeit hilft das Werkzeug Ärzten, fundiertere Entscheidungen zu treffen. Wenn das berechnete Risiko niedrig ist, kann ein Arzt sich wohl dabei fühlen, die Patientin engmaschig zu überwachen, anstatt sofort eine Biopsie anzuordnen. Wenn das Risiko hoch ist, liefert das Werkzeug starke Argumente für eine Intervention.

Die Autoren weisen vorsichtig darauf hin, dass dieses Werkzeug keinen Ersatz für das Urteil eines Arztes darstellt, noch ist es eine endgültige Antwort für jeden Patienten. Es ist speziell für jene schwierigen Fälle konzipiert, in denen die Ultraschallbilder unklar sind. Da die Studie in einem einzelnen Krankenhaus unter Verwendung von Vergangenheitsdaten durchgeführt wurde, räumen die Forscher ein, dass das Werkzeug in anderen Krankenhäusern und mit anderen Geräten getestet werden muss, um sicherzustellen, dass es universell funktioniert. Sie planen zudem, die Methode zu verfeinern, indem sie automatisierte Computerprogramme zur Umzeichnung der Knoten verwenden, was die kleinen Variationen beseitigen würde, die auftreten, wenn verschiedene Ärzte die Grenzen von Hand zeichnen. Bis diese zukünftigen Studien abgeschlossen sind, stellt dieses neue Bewertungssystem einen vielversprechenden Schritt nach vorne dar, der einen Weg bietet, unnötige Biopsien zu reduzieren und Klarheit in einen verwirrenden Bereich der Brustgesundheit zu bringen.