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

In het landschap van de borstgezondheid lijken twee zeer verschillende aandoeningen op een scan vaak identiek. De ene is invasief ductaal carcinoom, een veelvoorkomende en ernstige vorm van borstkanker die onmiddellijke behandeling vereist. De andere is granulomateuze mastitis, een zeldzame en goedaardige ontstekingsziekte die het uiterlijk van kanker nabootst maar niet levensbedreigend is. Voor artsen creëert deze visuele overlap een moeilijk dilemma. Wanneer een patiënt zich presenteert met een verdachte knobbel, is de standaardprocedure om een biopsie uit te voeren, een procedure waarbij een weefselmonster met een naald wordt genomen. Hoewel dit de enige manier is om zekerheid te verkrijgen, is het een invasieve stap die veel patiënten liever zouden vermijden als de knobbel onschadelijk blijkt te zijn. De uitdaging ligt in het vinden van een manier om deze twee aandoeningen van elkaar te onderscheiden voordat de naald de huid raakt, met behulp van alleen de beelden die door echografieapparaten worden vastgelegd.

Echografie is al lang het primaire hulpmiddel voor het onderzoek van borstweefsel, met name voor vrouwen in Azië. Het gebruikt geluidsgolven om beelden van de binnenkant van het lichaam te maken, waarbij de vorm, grootte en textuur van eventuele knobbels worden getoond. In de afgelopen jaren hebben artsen meer lagen aan deze technologie toegevoegd. Ze gebruiken nu kleur-Doppler om te zien hoe het bloed door een laesie stroomt en elastografie om te meten hoe stijf of zacht het weefsel aanvoelt wanneer er op wordt gedrukt. Deze toevoegingen bieden een rijker beeld, maar zelfs met deze geavanceerde instrumenten blijft het onderscheid tussen de inflammatoire mimic en de maligne tumor een aanzienlijke klinische hindernis. Soms zijn de beelden zo vergelijkbaar dat een arts niet zeker kan zijn, wat leidt tot een "grijs gebied" waar het veiligste medische advies is om alles te biopseren, wat resulteert in veel onnodige procedures.

Een team van onderzoekers van ziekenhuizen in Hangzhou, China, zette zich in om dit specifieke probleem op te lossen door menselijke observatie te combineren met computeranalyse. Ze verzamelden echografiebeelden en patiëntendossiers van 460 vrouwen die al gediagnosticeerd waren met ofwel granulomateuze mastitis of invasief ductaal carcinoom via chirurgie of biopsie. De onderzoekers verdeelden deze patiënten in twee groepen: een grotere groep om een computersysteem te leren waar het naar moet kijken, en een kleinere, afzonderlijke groep om te testen of het systeem nauwkeurige voorspellingen kan doen bij nieuwe, onbekende gevallen. Het doel was om een kwantitatieve tool te bouwen die meerdere factoren samen kon wegen om een precieze waarschijnlijkheid te geven of een knobbel kwaadaardig was.

De onderzoekers begonnen met het trainen van een computer om de ruwe echografiebeelden pixel voor pixel te analyseren. Dit proces, bekend als radiomics, extraheert honderden minuscule details uit het beeld die te subtiel zijn voor het menselijk oog, zoals de specifieke patronen van grijs en zwart binnen de knobbel. De computer berekende een score op basis van deze verborgen texturen. Tegelijkertijd legde het team standaard klinische details vast, zoals de leeftijd van de patiënt, en specifieke kenmerken die op de echografie zichtbaar waren, zoals de vorm van de knobbel, de duidelijkheid van de randen, of deze calciumafzettingen bevatte, en hoe stijf het aanvoelde onder druk. Ze gebruikten vervolgens statistische methoden om te bepalen welke van deze factoren het meest krachtig waren bij het onderscheiden van de twee ziekten.

De analyse toonde aan dat zes specifieke factoren de meest betrouwbare voorspellers waren. Deze omvatten de leeftijd van de patiënt, de vorm van de laesie, de aard van de marges, de aanwezigheid van verkalkingen, de stijfheidsscore van de elastografie en de door de computer gegenereerde textuurscore. Interessant genoeg was de textuuranalyse van de computer nuttig op zichzelf, maar niet zo nauwkeurig als de door mensen geobserveerde kenmerken. Echter, wanneer de score van de computer werd gecombineerd met de menselijke observaties, was het resultaat een zeer nauwkeurige diagnostische tool. De onderzoekers vertaalden deze combinatie van zes factoren naar een visuele grafiek genaamd een nomogram. Deze grafiek stelt een arts in staat om simpelweg naar de specifieke details van een patiënt te kijken, de overeenkomstige punten voor elke factor te vinden, deze bij elkaar op te tellen en een definitief percentage af te lezen dat de waarschijnlijkheid vertegenwoordigt dat de patiënt kanker heeft.

Toen de onderzoekers deze nieuwe tool testten op de groep patiënten die ze niet hadden gebruikt voor de training, waren de resultaten opmerkelijk. De tool identificeerde correct 99 procent van de kankergevallen en identificeerde correct 83 procent van de goedaardige gevallen. In de wereld van medische diagnostiek is dit niveau van nauwkeurigheid uitzonderlijk. De tool presteerde beter dan het gebruik van alleen echografiekenmerken en veel beter dan de computergestuurde textuuranalyse alleen. De onderzoekers vonden dat de meest cruciale aanwijzingen vaak de randen van de knobbel en de aanwezigheid van calcium waren. Kankerknoobels hadden de neiging om grillige, slecht gedefinieerde randen te hebben en bevatten vaker calciumafzettingen, terwijl de goedaardige inflammatoire knobbels vaak gladdere grenzen hadden en deze afzettingen misten. De stijfheid van het weefsel speelde ook een grote rol, waarbij het kankercelweefsel over het algemeen veel harder aanvoelde dan het inflammatoire weefsel.

De studie benadrukt dat hoewel de computeranalyse van imagetexturen een krachtige toevoeging is, het het beste werkt wanneer het de zorgvuldige observatie van een deskundige sonograaf ondersteunt, in plaats van deze te vervangen. De uiteindelijke tool vereist geen supercomputer om te gebruiken; het is een eenvoudig scoringssysteem dat aan het ziekbed kan worden toegepast. Door een duidelijke, numerieke waarschijnlijkheid te bieden, helpt de tool artsen om meer zelfverzekerde beslissingen te nemen. Als het berekende risico laag is, kan een arts ervoor kiezen om de patiënt nauwlettend te monitoren in plaats van onmiddellijk een biopsie aan te vragen. Als het risico hoog is, biedt de tool sterke bewijslast om over te gaan tot interventie.

De auteurs merken er zorgvuldig bij op dat deze tool geen vervanging is voor het oordeel van een arts, noch een definitief antwoord voor elke patiënt. Het is specifiek ontworpen voor die moeilijke gevallen waar de echografiebeelden onduidelijk zijn. Omdat de studie werd uitgevoerd in één enkel ziekenhuis met gegevens uit het verleden, erkennen de onderzoekers dat de tool in andere ziekenhuizen en met verschillende machines moet worden getest om te garanderen dat het universeel werkt. Ze zijn ook van plan de methode te verfijnen door geautomatiseerde computerprogramma's te gebruiken om de contouren van de knobbels te omlijnen, wat de kleine variaties zou verwijderen die optreden wanneer verschillende artsen de grenzen met de hand tekenen. Totdat deze toekomstige studies zijn voltooid, staat dit nieuwe scoringssysteem als een veelbelovende stap voorwaarts, die een manier biedt om onnodige biopten te verminderen en helderheid te brengen in een verwarrend deel van de borstgezondheid.