Ny ultraljudsmetod skiljer vätska från fasta bröstmassor exakt

Ny ultraljudsmetod skiljer vätska från fasta bröstmassor exakt

Ny ultraljudsteknik utvecklad på Johns Hopkins kan skilja vätska från fasta bröstmassor med nästan perfekt noggrannhet, ett framsteg som kan rädda patienter, särskilt de med tät bröstvävnad, onödiga uppföljningar, smärtsamma ingrepp och ångest.

I inledande tester med riktiga patienter identifierade läkare som använde den nya metoden massor exakt 96 % av gångerna - de var korrekta endast 67 % av gångerna när de analyserade samma massor med sina vanliga maskiner.

"Detta är viktigt eftersom fördelarna med ultraljud vid upptäckt av bröstcancer kan begränsas av det liknande utseendet av godartade vätskemassor och fasta massor som kan vara cancer", säger huvudförfattaren Muyinatu "Bisi" Bell, en biomedicinsk och elektrisk ingenjör vid Johns Hopkins University som är specialiserad på bildteknik. "Vår prestation kommer att förändra sättet att diagnostisera bröstcancer. Radiologer kan ha omedelbart förtroende för diagnosen. Och patienter kommer inte att skickas för biopsier och invasiva ingrepp när det finns mer förtroende för att en massa inte är en anledning till oro."

Det statligt finansierade arbetet publiceras idag iFramsteg inom radiologi.

Det rekommenderas att varje kvinna över 40 genomgår en mammografi för att upptäcka bröstcancer tidigt. Men hos kvinnor med tät bröstvävnad kan resultaten vara ofullständiga. Dessa kvinnor skickas ofta därefter för en ultraljudsundersökning – en teknik som också har problem med tät bröstvävnad.

Ultraljud fungerar genom att ljudvågor skickas genom en sond in i bröstet. Ljudet studsar av strukturer som massor och spelas in. Om det fungerar perfekt, går ljudet direkt från massan tillbaka till sonden. Men med täta bröstproblem sprids ljudet innan det når massan, vilket orsakar "akustiskt brus" i bilden. En godartad, vätskefylld cysta som ska se svart ut på bilder ser ofta grå ut inuti, precis som en cancersvulst skulle se ut.

Den nya processen förändrar inte hur ultraljud genereras, utan förbättrar snarare behandlingen av signalerna. Traditionellt ultraljud är baserat på signalernas amplitud och omvandlar höga och låga signaler till svarta, vita eller gråa toner. Den nya metoden är "koherensbaserad", vilket innebär att bilden beror på hur lika signaler som närliggande signaler.

Förutom att ge renare bilder gör det nya systemet det ännu enklare för radiologer genom att ge ett numeriskt betyg för varje massa - bara de över en viss tröskel anses vara oroande.

Det är verkligen spännande eftersom vi tar samma ultraljudsdata, inhämtade med samma process, men vi ändrar signalbehandlingen och vi kan tolka dessa bilder mycket bättre. När vi kombinerar det visuella med ett numeriskt värde visar tekniken faktiskt den största förbättringen. Det eliminerar beslutströtthet genom att automatisera något som normalt skulle kräva mer eftertanke och tolkning.”

Muyinatu "Bisi" Bell, en biomedicinsk och elektrisk ingenjör vid Johns Hopkins University

En studie av 132 patienter fann att radiologer korrekt kan identifiera massorna 96 % av tiden med den nya tekniken, jämfört med 67 % av tiden med traditionellt ultraljud.

"Resultaten av denna studie är viktiga för vårt område eftersom de tyder på att den här tekniken kan förbättra vår förmåga att skilja mellan fasta massor och vissa typer av cystor som kan efterlikna fasta massor på ultraljud", säger medförfattaren Eniola Oluyemi, en diagnostisk radiolog vid Johns Hopkins Medicine. "Detta förbättrade diagnostiska självförtroende kan resultera i färre falskt positiva resultat och minska behovet av uppföljningsundersökningar och biopsier, vilket bidrar till att ge våra patienter större självförtroende vid tidpunkten för den första utvärderingen."

Befintlig artificiell intelligens kan skilja på godartade och cancerösa massor i ultraljudsbilder. Teamet tror att deras innovation, tillsammans med AI, kan göra det möjligt för läkare att snabbt bestämma sammansättningen av en massa och avgöra om det är cancer under ett första ultraljudsmöte.

Bell hoppas också att innovationen en dag kan bli något som folk kan använda hemma som en del av en självundersökning av brösten.

"Min långsiktiga vision är att när samhället blir mer självförsörjande och ultraljud blir ännu billigare än de är idag, kanske patienter inte längre behöver gå till ett sjukhus eller en specialklinik - vårt tillvägagångssätt skulle kunna göras hemma istället," sa Bell. "Med en billig ultraljudsskanning kan ett enda nummer extraherat från en koherensbaserad ultraljudsbild indikera om en påtaglig knöl i bröstet är en anledning till oro eller inte."

Författare, alla från Johns Hopkins, inkluderar Arunima Sharma; Madhavi Tripathi; Emily B. Ambinder; Lisa A. Mullen; Babita Panigrahi; Joanna Rossi; Nethra Venkatayogi och Kelly S. Myers.

Källor: