ماموگرافی:سرطان بی نقاب را ببینید

با وجود اینکه ماموگرافی به طور معمول بهترین روش آشکارسازی سرطان سینه است، ولی 3 تا 20% موارد سرطانی را تشخیص نمی‌دهد. این عدم تشخیص به علت طبیعت ریز یافته های رادیولوژیک، کیفیت ضعیف تصویر، خستگی چشم یا اشتباه نظری رادیولوژیک است. ضمنا خطاهای ‏interaobserver variability‏ و‏‎ variability‎‏ ‏interabserver ‎‏ بسیار متداول اند با بهره‌گیری از یک سیستم ‏CAD‏ (‏Computer Aided Diagnosis‏)که تحلیل تصویر توسط نرم افزار صورت می‌گیرد از میزان خطاهای داده شده به مراتب کاسته می‌گردد. نکته دیگر اینکه فقط 15 تا 30% از بیوپسی های صورت گرفته، بدخیم است و انجام بیوپسی برای بیمار دردناک است.‏
طی سالهای اخیر پیشرفت‌های زیادی در این زمینه صورت گرفته است و روشهای متنوعی در بهبود و تشخیص به‌کار برده شده است. این روشها عبارتند از: روشهای ترشلدینگ محلی، مدل‌های اتفاقی، تکنیکهای تفاضلی تصویر، فیلترهای گوسین به همراه فیلترهای مورفولوژیک روشهای ویولت، منطق فازی برای کاهش مثبتهای کاذب ، روشهای هوش مصنوعی و اخیرا کارهای ترکیبی منطق فازی به همراه هوش مصنوعی نیز مورد استفاده قرار می‌گیرد. در زنگ تحقیق این شماره ابتدا مصاحبه‌ای با دکتر معصومه گیتی (رادیولوژیست) خواهیم داشت و سپس به مرور ضایعات سینه و روش‌های تشخیص سرطان سینه خواهیم پرداخت.‏

دکتر معصومه گیتی از تشخیص خودکار می گوید

رزومه خانم دکتر معصومه گیتی

استادیار گروه رادیولوژی و عضو هیئت علمی دانشگاه علوم پزشکی تهران (مرکز تصویربرداری دانشگاه تهران)
‏
فعالیت در زمینه‌های ماموگرافی، ‏MRI‏ ، ‏CT scan‏ و نرورادیولوژی

علاقه مند به رشته ‏Breast Imaging‏ و گذراندن چندین دوره خارج از کشور

‏- خانم دکتر! برای شروع از تاریخچه ‏CAD‏ بفرمایید.‏
آنجاییکه من از مطالعات قبلی اطلاع دارم یک روش جدید در زمینه مباحث رادیولوژی و پزشکی هسته‌ای است. با پیشرفت کاربرد ایزوتوپ در رشته رادیولوژی شاید بتوان گفت ماموگرافی یکی از موفق ترین زمینه‌های علمی و تحقیقاتی در این راستا است. علاوه بر آن می‌توان گفت ‏CAD‏ در سی تی اسکن به خصوص در تشخیص ندول‌های ریوی کاربرد بسیار دارد. یکی از دلایل به کارگیری ‏CAD‏ در ماموگرافی و موفقیت چشمگیر آن، برطرف نمودن مشکلات تشخیص رادیولوژیست‌های جوان و کم تجربه‌ تر در این حرفه است. در ماموگرافی، اغلب یافته‌های پاتولوژیک و بیمارگونه‌ای داریم که شاید بتوان گفت بهترین آنها میکروکلسیفیکاسیون‌ها تسن. میکروکلسیفیکاسیون‌ها، ذرات آهکی بسیار ریزی است که نسبت به سایر قسمت‌های تصاویر ماموگرافی کاملا چگال است. به عبارت دیگر متراکم بوده و چگالی بالاتری دارند، در نتیجه در تصاویر ماموگرافی به رنگ سفید ظاهر می‌گرد. از طرفی اندازه آنها بسیار کوچک بوده و اغلب بین 50 میکرون تا 1.5 میلی متر است. بدین ترتیب کمتر از 2 میلی متر را میکروکلسیفیکاسیون به حساب نمی‌آید. این ذرات بدون لنز و بزرگنمایی قابل رویت نیست و تشخیص نوع آنها به لحاظ خوش خیمی و بدخیمی بسیار دشوار است. البته به لحاظ داشتن دانسیته کاملا متفاوت نسبت به سایر قسمت‌های تصویر، ردیابی آنها کار دشواری نبوده و به‌واسطه وجود سیستم‌های کامپیوتری و خودکار قابل انجام است. در این راستا پس از دیجیتایز کردن ‏‎(Digitize)‎‏ تصاویر، ‏CAD‏ به کار گرفته شد و در مراحل اولیه تشخیص، ردیابی میکروکلسیفیکاسیون‌ها بهبود یافت تا بتوان با استفاده از چشم عادی و با دقت و سرعت بیشتر، ضایعه را تشخیص داد.
‏
در مراحل بعدی، مشخصات دیگری به سیستم‌ها و تجهیزات جانبی آن اضافه شد تا بتوان میکروکلسیفیکاسیون‌ها را از لحاظ شکل دانه‌ها، اندازه و نحوه گسترش آنها در بافت و همچنین در مواقعی که به شکل خوشه است، شکل و اندازه خوشه را تشخیص داد، به این مفهوم که بتوان مرزی را برای خوش خیم بودن یا بدخیمی ضایعه براساس تعداد ذرات در واحد سطح در نظر گرفت. همچنین اگر شکل دانه‌ها هموژن و متمرکز بود، خوش خیم و در صورتیکه زاویه دار، هتروژن و غیر یکنواخت بود، بدخیم گزارش شود. با وجود یک ساختار هوشمند و به‌واسطه سعی و خطا، سیسنم قادر است با یک درصد احتمال خطای ناچیز، شکل ضایعه و نوع آنرا به لحاظ خوش خیم یا بدخیم بودن تشخیص دهد. با این تفاسیر می‌توان از ‏CAD‏ در ماموگرافی به صورت تجاری نیز بهره‌مند شد، به این صورت که می‌توان در یک مرحله، آشکارسازی و وضوح بیشتر تصویر و در مراحل بعدی خوش خیم یا بدخیم بودن را تشخیص داد. ‏CAD‏‌ها به انواع مختلفی تقسیم می‌گردند، برخی از آنها دور ناحیه ای که احتمال بدخیمی ضایعه می‌رود، دایره قرمز رنگی رسم می‌کنند، به عبارت دیگر گروهی از میکروکلسیفیکاسیون‌ها را مشخص می‌کنند، برخی دیگر فقط صرفا آشکار سازی تصویر را به انجام رسانده و هیچگاه تشخیص قطعی نمی‌دهد، بعضی دیگر نیز در دو مرحله ضایعه را شناسایی نموده و در صورت درخواست کاربر، عمل تشخیص ضایعه صورت می‌پذیرد.
‏
در نمونه‌های کامل تر، سعی بر آن بود که برای سایر پاتولوژی‌ها و یافته‌های غیر طبیعی ماموگرافی به جز تشخیص میکروکلسیفیکاسیون‌ها نیز بهره گرفته شود، تشخیص در رابطه با اینگونه یافته‌ها بسیار دشوار خواهد بود به علت اینکه اختلاف دانسیته میان بافت سالم و ضایعه بسیار کم شده و تشخیص توده ‏‎(mass)‎‏ می‌بایست از درون دانسیته‌های تقریبا مشابه با خودش صورت پذیرد. در واقع از روی اشکال هندسی مختلف (همانند دایره، بیضی، مثلثی و . . .) که برای سیستم تعریف می‌شود، امکان تشخیص یک توده فراهم می‌گردد. بدین ترتیب می‌توان تا حدودی توده را تشخیص داد. مسئله مهم این است که در ماموگرافی، همواره توده‌هایی که در داخل سینه ‏‎(Breast)‎‏ وجود دارد که شکل هندسی منظمی ندارد و برای تشخیص آنها از ساختار ‏‎(Architecture)‎‏ محیطی استفاده می‌گرددکه با تغییر ساختار و شکل هندسی، امکان تشخیص توده وجود خواهد داشت. به واقع، این تشخیص با داشتن بازشناسی الگو ‏‎(Pattern Recognition)‎‏ امکان‌پذیر است. به بیان دیگر الگوهای مختلف ماموگرافی را به سیستم اضافه نموده و هر کجا که این الگوها در هم ریختگی ‏‎(Distortion)‎‏ داشت، تشخیص صورت می‌پذیرد. به علت اینکه کار در این دو موضوع بسیار مشکل‌تر از بحث میکروکلسیفیکاسیون‌هاست، موفقیتی که ‏‎ CAD‎در این دو مورد به‌دست آورده بسیار کمتر بوده و هم اکنون در بسیاری از کشورها بر روی این دو موضوع مطالعاتی در دست انجام است تا بتوان از آن همانند ‏CAD‏ در تشخیص میکروکلسیفیکاسیون‌ها کمک گرفت.
در پزشکی هسته‌ای و در روش‌هایی چون ‏PET‏ و ‏PET CT‏ نیز از ‏CAD‏ در تشخیص بیماری استفاده می‌شود. همان‌طور که عنوان شد، در سی تی اسکن ریه تشخیص معمول مواردی چون ندول متاستاتیک به علت اندازه ریز آنها عملا امکانپذیر نیست و ممکن است از دید رادیولوژیست یا پزشک متخصص دور بماند. در ‏CT‏‌های جدید که از نوع اسپیرال بوده، سریع ‏‎(Fast)‎‏ است و برش‌های ظریف به تعداد زیاد در واحد سطح می‌زند، می‌بایست با دقت بسیار زیادی تشخیص صورت پذیرد و اگر دقت پایین باشد، تشخیص بسیاری از ضایعات عملا غیر ممکن است. از این‌رو استفاده از ‏CAD‏ در سی تی اسکن نیز می‌تواند در تشخیص انواع ضایعات ریز و دور از دسترس کارگشا باشد.
‏
فعالیت‌های انجام گرفته درا این زمینه در اایران به چه صورت است؟
زمینه‌های تحقیقاتی و اجرایی صورت گرفته در ایران، در مرکز تصویربرداری بیمارستان امام خمینی انجام گرفته و موفق ترین بخش آن بکارگیری ‏CAD‏ در سیستم‌های تصویرگر ماموگرافی است که در تشخیص انواع میکروکلسیفیکاسیون‌ها مورد استفاده قرار می‌گیرد، مقالاتی نیز در این زمینه تالیف شده و به چاپ رسیده است. در مورد تشخیص انواع توده ‏‎(mass)‎‏ نیز به موفقیت‌هایی دست پیدا شده است ولی در رابطه با درهم ریختگی ساختاری ضایعات موجود در سینه ‏‎(Architectural Distortion)‎‏ هنوز امکان رسیدن به نتایج قابل توجهی فراهم نشده است. در بخش‏CT ‎‏ نیز بر روی چندین بیمار با مشکل فیبروز ریوی کار شد که نتایج آن کاملا رضایت بخش بوده است.
‏
مشکلات توسعه سیستم در ایران چیست؟
مشکلاتی که در ‏CAD‏ وجود دارد عدم امکان آموزش مناسب است، به علت اینکه تعداد موارد بیماری تا کنون کم بوده و چون بیماری‌ها شایع نیست، مدت زمان زیادی طول می‌کشد تا آموزش آن تکمیل گردد. در صورت برطرف شدن این مشکل مسلما این سیستم موفق خواهد بود زیرا درجه بندی میزان بیماری با شدت یافته‌ها در ارتباط بوده و بدین ترتیب امکان دادن پیش آگهی به بیماران فراهم می‌شود.‏
‏- در راستای انجام فعالیت‌های تحقیقاتی در زمینه ‏CAD‏ با چه سازمان یا افراد خاصی همکاری داشتید؟
پروژه ‏CAD‏ در ماموگرافی را با همکاری گروه فیزیک پزشکی دانشگاه تهران آغاز کردیم، همکار اصلی من آقای دکتر ریاحی است که مسؤولیت راه اندازی و مدیریت سیستم را به عهده دارد و اینجانب نیز در فراهم آوردن نمونه‌های بیماری، تحقیقات پاتولوژیک و آموزش با گروه همکاری می‌کنم. ‏

‏- آیا در ایران به صورت معمول و متداول از ‏CAD‏ استفاده می‌شود؟
متاسفانه جواب منفی است. کاری که در ایران انجام شده است، یک کار تحقیقاتی بوده و تا به امروز استفاده از ‏CAD‏ به صورت تجاری معمول نشده است. در سیستم‌های جدید دیجیتال همچون دیجیتال ماموگرافی یا دیجیتال آنژیوگرافی، ممکن است ‏CAD‏ به صورت یک امکان جدید ‏‎(Option)‎‏ به دستگاه اضافه گردد که مسلما هزینه بسیار بالایی خواهد داشت. امروزه اینگونه سیستم‌ها در دنیا به صورت متداول استفاده می‌گردد و ما در صدد هستیم در آینده سیستم‌هایی خریداری شود که امکان ‏CAD‏ تجاری نیز فراهم گردد.
‏
‏- آیا اینگونه سیستم‌ها تشخیص قطعی می‌دهد یا اینکه همواره نیاز به مشاوره با یک متخصص رادیولوژی احساس می‌گردد؟ ‏
حتما باید از یک فرد متخصص در تشخیص بهتر و مطمئن تر کمک گرفته شود، در بعضی مواقع به علت پدیدار شدن آرتیفکت‌هایی با دانسیته بالا بر روی تصویر، تشخیص سیستم اشتباه بوده و مشاوره با یک رادیولوژیست کاملا احساس می‌شود. بسیاری از همکاران رادیولوژیست علاقه‌مند به استفاده از چنین سیستم‌هایی هستند و سعی بر این است که استفاده این سیستم فراگیر شود. ‏
یکی از مزیت‌های این سیستم این است که می‌توان از آن در سیستم‌های ماموگرافی متداول امروزی نیز استفاده نمود به این صورت که با استفاده از یک دیجیتایزر یا اسکنرهای با رزالوشن بالا، امکان دیجیتایز کردن تصویر وجود دارد، در نتیجه ‏CAD‏ بر روی این سیستم‌ها قابل استفاده است. ‏

‏- آیا می‌توان از چنین سیستم‌هایی برای آموزش استفاده کرد؟
بله، صد در صد، یکی از دلایل به کارگیری ‏CAD‏ در بعد تجاری، امکان آموزش بهتر و سریعتر است که همانطور که عنوان شد در صدد هستیم که با گسترش این روش جدید و بکارگیری اینگونه سیستم‌ها، گامی موثر در جهت تجاری نمودن برداریم.
‏
با تشکر از فرصتی که در اختیار ماهنامه مهندسی پزشکی قرار دادید، برای شما و همکارانتان آرزوی موفقیت روزافزون داریم. ‏

کلسیفیکاسیون ها:خوش خیم یا بدخیم

ماموگرافی تشخیصی در واقع انجام تستX-Ray‏ از سینه است که به منظور آشکارسازی موارد بیماری با انجام یک تست فیزیکی یا با ماموگرافی تصویری صورت می‌پذیرد. در واقع ماموگرافی تشخیصی و ماموگرافی تصویربرداری دو مقوله متفاوت محسوب می‌شود. در ماموگرافی تشخیصی‏، سینه از جهات مختلف تحت بررسی قرار می‌گیرد در حالی که در ماموگرافی تصویری تنها از دو جهت معمول تحت بررسی است. بنابراین ماموگرافی تشخیصی به مراتب از ماموگرافی تصویری، وقت گیرتر و پرهزینه‌تر است.‏

هدف ماموگرافی تشخیصی اشاره به اندازه دقیق و موقعیت غیر معمول در سینه و تصویری از بافت اطراف و گره‌های لنفاوی است. ماموگرافی تشخیصی در بسیاری از موارد بیانگرغیرنرمالها به صورت خوش خیم (غیر سرطانی) است. در چنین شرایطی، رادیولوژیست بیمار را در حدود شش ماه بعد فراخوانده و بررسی می‌کند.
به هر حال، چنانچه ماموگرافی تشخیصی یک ‏‎ ‎مورد غیر نرمال را مشکوک گزارش کند، از دیگر تصویربرداری های سینه (مانند تست اولتراسوند) یا بیوپسی استفاده خواهد شد. گفتنی است بیوپسی تنها روش قاطع به منظور تشخیص سرطان سینه است.

کلسیفیکاسیون‌ها و انواع آن
آشکارسازی دقیق و تشخیص به موقع میکروکلسیفیکاسیون‌ها ضروری است. چرا که تنها عامل غیر طبیعی در 31% در ماموگرامها است. میکروکلسیفیکاسیون‌های قابل آشکارسازی در ماموگرامها مربوط به کلسیفیکاسیون‌های غیر عادی است که در داخل مجاری نکروز شده است و ترشح ذرات کلسیم به داخل مجرای لومن ادامه دارد.
کلسیفیکاسیون‌های بدخیم در محدوده میکروسکوپی تا طول‎ ‎‏2‏‎ ‎‏ میلیمتر مشاهده شده است، اگرچه میکروکلسیفیکاسیون‌ها با اندازه کمتر از 1 میلی‌متر تعریف شده است، تجمع میکروکلسیفیکاسیونها به ندرت می‌تواند ایجاد ماکروکلسیفیکاسیون نماید. کلسیفیکاسیون‌های بد خیم غالبا بی شمار، نامنظم، نقطه‌ای شکل و به صورت دانه‌های نمک به نظر می‌رسد. البته به شکل استوانه‌ای، خطی یا شاخه‌ای شکل گرفته یا به فرم کانال داخلی نیز دیده شده است.‏
بر اساس مراجع موجود، خوشه‌هایی که حداقل حاوی 3-5 میکروکلسیفیکاسیون است، از لحاظ بدخیمی مشکوک است. البته حداقل تجمع 3 میکروکلسیفیکاسیون دال بر برخی از ضایعات بدخیم است. ذرات تکی میکروکلسیفیکاسیون که به طور وسیعی در میان بافت سینه پراکنده شده‌اند، نمی تواند دال بر بدخیمی باشد. باید توجه داشت که سرطان با کمترین علائم بالینی، شامل یک ناحیه وسیع از تعداد بی شمار میکروکلسیفیکاسیون است.

شکل ذرات کلسیفیکاسیون ‏
طبق بررسی های انجام شده، 65% خوشه‌های میکروکلسیفیکاسیون با راس مثلثی در جهت نوک سینه و به شکل مثلثی و ذوزنقه‌ای است. شکل مثلثی مختص موارد سرطان نبوده و در اتساع مجرای شیری نیز دیده می‌شود. باید توجه داشت میکروکلسیفیکاسیون‌های شکل گرفته در مجرا و میکروکلسیفیکاسیون‌های دانه‌ای غیر منظم کوچک چنانچه مرتبط با توده باشند، مشکوک به بدخیمی است.
کلسیفیکاسیونهای سینه می‌تواند بر اساس اندازه، شکل، دانسیته و اختصاصات فضایی ذرات خوش خیم، احتمالا خوش خیم و بد خیمی، طبقه‌بندی شود. با این وجود، در مورد کلسیفیکاسیونهای ایزوله غیر مرتبط با توده، جهت تشخیص پاتولوژیهای خوش خیم از بد خیم، کار بی‌نهایت مشکل می‌شود.‏

‏ کلسیفیکاسیون شریانی
این حالت معمولا نماینده یک مشکل تشخیصی نیست چون کلسیفیکاسیون نوعا در دو خط موازی، همانند در جای دیگر بدن اتفاق می‌افتد. معمولا هر دو سینه تحت تاثیر قرار می‌گیرد، اگرچا غالبا غیر متقارن است. کلسیفیکاسیون شریانهای قدیمی معمولا نمی تواند از لحاظ تشخیصی از میکروکلسیفیکاسیونهای مشکوک مشکل آفرین باشد.‏

‏ اتساع مجرا‏
این حالت معمولا مربوط به کلسیفیکاسیونهای بزرگ است و بنابراین غالبا با میکروکلسیفیکاسیونهای بدخیم کمتر ارتباط دارد. احتمالا نیپل به‌صورت یک‌طرفه، تورفته یا برعکس می‌شود.

کلسیفیکاسیون بعد از عمل جراحی
این حالت می‌تواند بعد از بیوپسی، با خطوط(رگها) به صورت بزرگ و انبوه کلسیفیکاسیون در جهت سطح برش جراحی دیده شود. در برخی موارد مواد بخیه کلسیفیه شده می‌تواند بصورت ‏mm‏ 3-5 در طول خط جراحی مشخص شود.
ماکروکلسیفیکاسیون‌ها
ماکروکلسیفیکاسیون‌ها در واقع رسوب کلسیفیکاسیون‌های بزرگ است که اغلب به صورت خوش‌خیم و تغییرات ‏fibroکیستic‏ بوده یا به صورت تغییراتی مخرب در بافت سینه، همانند آسیب‌های قدیمی یا التهاب است. ماکروکلسیفیکاسیون‌هایی که به صورت خوش خیم رسوب می‌کند، احتیاج به بیوپسی ندارد. ماکروکلسیفیکاسیون‌ها تقریبا در 50% زنانی که بیشتر از 50 سال دارند، یافت می‌شود.

میکروکلسیفیکاسیون‌ها‏
‏ میکروکلسیفیکاسیون‌ها نقاط ریز کلسیم در سینه است (کمتر از 50/1 اینچ یا 2/1 میلیمتر) زمانی‌که تعدادی میکروکلسیفیکاسیون در یک ناحیه دیده می‌شود، امکان وجود خوشه و یک سرطان کوچک وجود خواهد داشت. در حدود نیمی از سرطانهای آشکار شده توسط ماموگرافی به صورت خوشه‌ای از میکروکلسیفیکاسیون‌ها ظاهر می‌شود.‏
علامت متداول در تشخیص سرطان توسط ماموگرافی، میکروکلسیفیکاسیون‌های مجرایی هستند ( در ابتدا سرطان محدود به مجراهای سینه است) تقریبا 20% از موارد سرطان مجرایی از تجمع میکروکلسیفیکاسیون‌ها پدید می‌آید. البته همیشه منطقه‌ای که در آن میکروکلسیفیکاسیون‌ها بر روی ماموگرام ظاهر می‌شود، دال بر وجود سزطان نیست. بلکه رادیولوژیست ها از روی شکل و ترتیب قرارگیری میکروکلسیفیکاسیون‌ها به بررسی احتمال سرطان می‌پردازند. ‏
در برخی موارد، میکروکلسیفیکاسیون‌ها به گونه‌ای است که به بیوپسی نیاز نیست و رادیولوژیست بیمار را مجددا شش ماه بعد فرا می‌خواند. در دیگر موارد، میکروکلسیفیکاسیون‌ها بسیار مشکوک بوده و بیوپسی توصیه می‌شود. باید توجه داشت که تنها در حدود 17% از بیوپسی ها منتهی به سرطان می‌شود. رادیولوژیست شکل میکروکلسیفیکاسیون‌های مشکوک را به دو صورت "‏pleomorphic‏" یا "‏polymorphic‏" گزارش می‌کند.

توده‌ها
تغییر مهم دیگری که در ماموگرام دیده می‌شود، بروز توده است که می‌تواند به صورت تجمع کلسیفیکاسیون‌ها یا بدون تجمع آنها، اتفاق افتد. توده گروهی از سلولهاست که به صورت خوشه‌ای در کنار یکدیگر تجمع کرده و نسبت به بافت اطراف دارای دانسیته بالاتری است. کیست (تجمع غیر سرطانی از مایع درون سینه) نیز می‌تواند به صورت توده بر روی فیلم ماموگرام ظاهر شود.
کیست نه به وسیله تست فیزیکی و نه به وسیله ماموگرافی به تنهایی تشخیص داده نمی شود. البته نشانه‌هایی وجود کیست یا کیست ها را آشکار می‌کند. به منظور تائید توده به عنوان یک کیست استفاده از اولتراسوند سینه یا آسپیراسیون به کمک سوزن بیوپسی لازم است. چنانچه توده به صورت کیست نباشد، تصاویر بیشتری گرفته می‌شود. همانند کلسیفیکاسیون‌ها، توده می‌تواند علامت خوش خیم یا علامت سرطان باشد. برخی از توده‌ها با ماموگرافی به صورت پریودیک، مشخص می‌گردد هر چند برخی دیگر نیاز به بیوپسی دارد. اندازه، شکل، لبه‌ها و حاشیه‌های توده، در تشخیص سرطان به رادیولوژیست کمک می‌کند.

بررسی گسترش میکروکلسیفیکاسیونها
بر اساس مطالب گفته شده حدود 85% از کلسیفیکاسیون‌ها خوش خیم است. شماتیک کلسیفیکاسیون‌های خوش خیم در معیار اندازه گیری در مورد کلسیفیکاسیون‌های خوشه‌ای، کوچکترین کلسیفیکاسیون دیده شده است. اندازه، تعداد، محل دانه‌ها، نحوه گسترش در سینه، یکدست و یک شکل بودن دانه‌ها معیار تشخیص است.‏‎ ‎‏ شکل (1)، شماتیک کلسیفیکاسیون‌های خوش خیم است.‏
چنانچه اندازه کلسیفیکاسیون بزرگتر از ‏mm‏ 2‏‎ ‎‏ باشد، ماکروکلسیفیکاسیون بوده و خوش خیم است اگر اندازه کلسیفیکاسیون ‏mm‏ 2-5/0‏‎ ‎‏ باشد، بینابینی نامیده می‌شود. کلسیفیکاسیون‌های کوچکتر از ‏mm‏5/0(‏mm‏3/0-2/0) بدخیم گزارش می‌شوند.

علائم بدخیمی
1- اندازه کلسیفیکاسیون کمتر از mm‏5/0 باشد
2- تفاوت اندازه دانه‌ها در یک گروه میکروکلسیفیکاسیون که به تبع با تفاوت دانسیته آنها همراه است از علائم بدخیمی است.‏
3- هر چه اندازه کلسیفیکاسیون کوچکتر باشد احتمال بدخیمی بیشتر می‌شود.شکل(2) ،شماتیک میکروکلسیفیکاسیونهای مرتبط با بدخیمی رانشان می‌دهد.‏
تعداد کلسیفیکاسیون کلسیفیکاسیون می‌تواند منفرد یا خوشه‌ای باشد. مشاهده حداقل 5 عددمیکروکلسیفیکاسیون در هر سانتیمتر مکعب سینه نشان از خوشه از کلسیفیکاسیون است. در صورت وجود کلسیفیکاسیون خوشه‌ای احتمال بدخیمی 20-25% افزایش می‌یابد. چنانچه تعداد کلسیفیکاسیون‌ها کمتر از 5 و نیز توده زمینه‌ای وجود نداشت احتمال بدخیمی کم می‌شود.‏
شمای بدخیمی میکروکلسیفیکاسیون به‌صورت خط، نقطه یا مشابه الفبای مورس است.

محل کلسیفیکاسیون
جهت تعیین محل دقیق کلسیفیکاسیون‌های سینه و افتراق آن از کلسیفیکاسیون‌های پوستی می‌توان از معاینه بالینی، گذاشتن نشانه بر روی ضایعات جلدی و تهیه کلیشه مماس(تانژانیال) استفاده نمود.بر اساس طبقه بندی ‏ACR-BIRADS‏ چهار نوع گسترش کلسیفیکاسیون تعریف شده است.‏
شکل (3) طرح شماتیک گسترش میکروکلسیفیکاسیونها را نمایش می‌دهد.
‏
خوشه‌ای
مشاهده حداقل 5 عدد کلسیفیکاسیون با اندازه کوچکتر از 5/0 میلیمتر در سانتیمتر مکعب، خوشه تلقی می‌شود.

سگمانتر
یک سگمان یا لوب شامل مجرای شیری اصلی، شاخه‌های سگمانتر، ساب سگمانتر و در نهایت ترمینال داکت و لوبولهای مربوط به آن است که وسعت متغیری از یک ناحیه کوچک تا نواحی بزرگ دارد. کارسینومهای داکتال که در محل طبیعی خود قرار دارد از شاخه‌های ترمینال شروع شده و داخل مجرای شیری گسترش می‌یابند. گاهی مجاری شیری متعدد بطور همزمان درگیر می‌شود لذا در کلسیفیکاسیون‌ها که گسترش سگمانتر دارند احتمال ضایعات بدخیمی می‌رود.‏
البته شکل کلسیفیکاسیون‌ها عامل مهمتری جهت افتراق ضایعات خوش خیم و بدخیم است، چنانچه میکروکلسیفیکاسیون‌های دارای شکل گرد، منظم و یکنواخت در یک سگمانتر دیده شود خوش خیم تلقی می‌شود و با دیده شدن میکروکلسیفیکاسیون‌ها با شکل غیر یکنواخت، نامنظم و زاویه‌دار حتی اگر گسترش بیش از یک سگمان داشته باشند مشکوک تلقی می‌شود.‏

ناحیه‌ای
کلسیفیکاسیون‌هایی وجود دارد که گسترش بیشتری داشته ولی تمام سینه را اشغال نمی کند. هر اندازه گسترش کلسیفیکاسیون‌ها در سینه وسیع تر باشد احتمال خوش خیمی بیش تر است. توجه به شکل کلسیفیکاسیون‌ها و دقت در تعیین وسعت واقعی، بسیار کمک کننده است.‏
منتشر
گسترش منتشر کلسیفیکاسیون‌ها به‌صورت یکنواخت بخصوص اگر دو طرفه باشد، اغلب به دلیل ضایعات خوش خیم است.‏
وجود توده همراه کلسیفیکاسیون با شکل بدخیم به صورت نامنظم، زاویه دار، غیر یکنواخت و شاخه دار همراه یک توده با کناره نا منظم از علائم بدخیمی است.
مشاهده کلسیفیکاسیون ظریف، منحنی شکل حاشیه‌ای در جدار یک توده مدور یا بیضوی دال بر ضایعات خوش خیم است. شکل (4) ، انواع شکل توده در ماموگرافی را نشان می‌دهد.
شکل خوشه‌ها نیز مانند شکل میکروکلسیفیکاسیون‌ها حائز اهمیت است و لذا باید به شکل خوشه ها در نماهای مختلف ماموگرافیک توجه نمود. به طور کلی 88% از خوشه‌های دارای شکل زاویه‌دار و 5% بطور شایع سه ضلعی یا ذوزنقه‌ای، 4% خطی و 3% غیر قابل توصیف است. هر قدر خوشه‌ها بزگتر باشند تعیین شکل مشخصی در مورد آنها راحت تر است و هر قدر کوچکتر باشند شکل آنها را نمی توان تعیین نمود. خوشه‌های مدور یا بیضوی معمولا در تغییرات خوش خیم دیده می‌شود.
طبقه‌بندی کلسیفیکاسیون‌ها بر اساس محل رسوب املاح کلسیم، کلسیفیکاسیون‌ها به سه گروه اصلی تقسیم می‌شود:
الف- کلسیفیکاسیون‌های آسینار،‏
ب- کلسیفیکاسیون‌های داکتال و‏
ج- کلسیفیکاسیون‌های خارج از مجاری شیری و آمینی ها.
‏
تشخیص دردهای سینه در ماموگرافی
بسیاری از دردهای سینه در دو مرحله از سنین عمر 20 تا 40 سالگی و از 40 سالگی به بعد تقسیم می‌گردد.‏‎ ‎باید متذکر گردید که سرطان سینه در مراحل اولیه دردناک نیست و به نفع بیمار نیست. بیشترین مورد دردهای سینه در سنین بالای 40 سال به علت تغییرات نسج سینه و در موارد دیگر به علت ‏Prelobular, Perductal fibrosisr‏ بافت سینه ایجاد می‌گردد.گاهی دردهای سینه نیز به علت چاقی و بزرگ شدن مفرط سینه‌ها ایجاد می‌گردد. چنانچه درد سینه توام با ترشح از یک سینه و به رنگ سروز باشد بیشتر مربوط به توده‌های ‏Papilloma‏ است و این عارضه به علت هیپرپلازی خوش خیم نسج سینه و با هیپرواسکولاریته عروق سینه همراه است. غدد لنفاوی زیر بغل( ‏Axillary lymph node‏) در ناحیه زیر بغل و چنانچه اندازه آنها بیش از 2 سانتیمتر باشد دردناک بوده و همراه انتشار درد به سینه‌ها است این گره‌های لنفی در ماموگرافی به خوبی تشخیص داده می‌شود و بهتر است جهت بیوپسی فرستاده شود.معمولا سینه‌های متراکم که در ماموگرافی مشاهده می‌گردد همراه درد است و به علت ‏Benign mammary dispalasia‏ به وجود می‌آید که به علت فیبروز و پرولیفراسیون بافت سینه است و همراه با ‏Ductal dilatation‏ بوده و ‏adenosis‏ نامیده می‌شود.

روشهای دیگر برای ارزیابی موارد غیر طبیعی سینه
ماموگرافی به تنهایی نمی تواند وجود سرطان را در منطقه غیر طبیعی اثبات کند. یک مورد غیرطبیعی می‌تواند منشاء بدخیم داشته باشد. چنانچه در ماموگرام مشکوک به سرطان شده دیگر تصویربرداریهای سینه یا بیوپسی از سینه به منظور انتخاب نمونه از بافت و آزمایش زیر میکروسکوپ می‌بایست صورت پذیرد. و این تنها روش مسلم به منظور آشکارسازی سرطان سینه است. نتیجه در حدود 65% تا 80% بیوپسی های انجام شده، خوش خیم گزارش می‌شود.

دیگر آزمونهای تصویربرداری از سینه
* اولتراسوند (به خصوص در مورد تشخیص کیست از توده)،‏
* تست های دیگر، مانند تصویربرداری پزشکی هسته‌ای یا ‏T-scan‏ ، ‏
* Ductography‏ ‏‎(galactogram)‎‏ که به منظور تصویربرداری از مجاری سینه است‏ ‏Ductography‏ کمک شایانی در تشخیص علت ترشحات غیر طبیعی نیپل کرده و در تشخیص ‏intraductal papillomas‏ نیز موثر است و ‏
* MRI‏ سینه (به خصوص برای تصویربرداری از ‏implant‏ های سینه).‏

معرفی سیستم تشخیص خوکار در ماموگرافی

تشخیص با صفر و یک!

یکی از پیشرفتهای صورت گرفته در زمینه ماموگرافی ‏X-Ray، دیجیتال ماموگرافی است. ماموگرافی دیجیتالمشابه با ماموگرافی استاندارد با استفاده از ‏X-Ray‏ است که البته به منظور آشکاسازی جزئیات بیشتر تصویر مورد استفاده قرار می‌گیرد. به طور اصولی، ماموگرافی دیجیتال از سیستم ماموگرافی معمول استفاده کرده که البته سیستم مجهز به گیرنده دیجیتال و کامپیوتر به جای کاست فیلم است. مطالعات بسیار نشان داده که ماموگرافی دیجیتال لا اقل دارای صحتی مشابه ماموگرافی استاندارد است.

چنانچه در تشخیص نقاط مشکوک، نیاز به بیوپسی باشد توسط دیجیتال ماموگرافی محل نقاط مشکوک مشخص است، که این موضوع به بیمار کمک بسیاری می‌کند.
مطالعات نشان می‌دهد که ماموگرافی دیجیتال از لحاظ دوز تابشی کمتر و حساسیت بالاتر در آشکارسازی موارد غیر طبیعی نسبت ماموگرافی فیلم ارجحیت دارد.
هم اکنون ماموگرافی دیجیتال نسبت به ماموگرافی فیلم استاندارد، مزایای بسیاری دارد از آن جمله:‏
- افزایش کنتراست بین بافت سینه چگال و غیر چگال،
- آشکارسازی سریع تصویر(کمتر از 1 دقیقه)، ‏
- کاهش زمان تست‏ (تقریبا نصف زمان ماموگرافی فیلم)، ‏
- سهولت ذخیره سازی تصویر، ‏
- قابلیت تصحیح تابش بدون تکرار ماموگرام و ‏
- قابلیت مشورت تلفنی یا از طریق شبکه بیمار با پزشک و انتقال تصویر توسط شبکه‏.
‏
سیستم ‏CAD
توسط این سیستم قسمتهای مشکوک به میکروکلسیفیکاسیون‌ها و موارد سرطانی مشخص شده و بر چسب زده می‌شود تا توسط رادیو لوژیست مورد برسی قرار گیرد. که البته این کار با استفاده از سیستم کدینگ خاص انجام می‌گیرد به عنوان مثال کلسیفیکاسیون‌ها با مثلث کوچک و توده‌ها با ستاره مشخص می‌گردند.(شکل1)‏
شکل (1)- سیستم ‏CAD
سازمانهای ایمنی و استاندارد زیادی از جملهFDA، حساسیت الگوریتمهای کامپیوتری در تشخیص موارد غیرطبیعی و سرطان سینه را مورد برسی قرار می‌دهد. با استفاده از سیستم ‏CAD، خطاهای انسانی به حداقل ممکن می‌رسد.‏
دیجیتایزر
به منظور تبدیل تصاویر آنالوگ به دیجیتال و تحلیل کامپیوتری تصاویر از دستگاه دیجیتایزر استفاده می‌شود.‏

مشخصات یک دیجیتایزر تصویر ‏
مشخصات یک دیجیتایزر تصویر عبارتند از: ‏
الف - اندازه پیکسل: ‏
دو مشخصه مهم اندازه دریچه نمونه برداری و فاصله بین پیکسل‌های مجاور است. اگر دیجیتایزر بر روی یک سیستم نوری با بزرگنمایی متغیر سوار شود. اندازه نمونه و فاصله، در طرح تصویر ورودی، متغیر (محدوده مورد نظر) است.
ب- اندازه تصویر:‏
‏ پارامتر مهم دیگر ظرفیت اندازه تصویر ورودی وسیله است در مورد یک اسکنر فیلم، ماکزیمم اندازه ورودی ممکن است ‏mm‏35‏‎ ‎یا شاید 14*11‏‎ ‎اینچ باشد، در خروجی اندازه تصویر توسط ماکزیمم تعداد خطوط و پیکسل دز خط مشخص می‌شود.‏
ج- خطی بودن‏‎(Linearity)‎‏: ‏
درجه خطی بودن دیجیتایزر کردن نیز یک فاکتور مهم است برای مثال اگر ابزار شدت نور را دیجیتایزد کند، شخص باید بداند که چه درجه از دقت سطوح خاکستری متناسب با رو شنایی واقعی تصویر است. قبلا دیجیتایزر‌ها فقط دو سطح خاکستری داشت؛ سیاه و سفید.‏
در عمل دیجیتایز کردن تک رنگ‎(monochrome)‎‏ فعلی، اطلاعات 8 بیتی( سطحی 256 بیتی) خیلی عادی است و رزالوشن بالاتر به طور قابل ملاحظه ای با ابزارهای در دسترس ممکن شده است.‏
د - نویز‏‎(Noise)‎‏: ‏
در نهایت، یکی از مشخصه‌های یک دیجیتایزر سطح نویز آن است. اگر یک تصویر خاکستری یکنواخت به یک دیجیتایزر نشان داده شود نویز ذاتی سیستم تغییراتی را در سطح خاکستری خروجی در طول تصویر موجب می‌شود، اگر روشنایی ورودی ثابت باشد، نویز تولید شده به وسیله دیجیتایزریک چشمه تخریب تصویر است و این باید نسبت به کنتراست داخل تصویر کوچک باشد.

خلاصه ای از جدیدترین الگوریتمهای موجود
در سال 2002، "‏K. Chan‏" و همکارانش سیستم تشخیص کامپیوتری ماموگرافی بر اساس ویوولت طراحی کردند. در این سیستم در تشخیص خوشه‌های کوچک میکروکلسیفیکاسیون‌ها و نیز نواحی ‏mass lesion، به رادیولوژیست کمک بسیار می‌کند. باید توجه کرد که به علت خطاهای انسانی، 20-30% از موارد سرطان سینه تشخیص داده نمی شود و همواره خطاهای منفیهای کاذب‏‎ (FN)‎‏ و مثبتهای کاذب ‏‎(FP)‎‏ وجود دارد.‏
با استفاده از تحلیل با رزالوشن چندگانه ویولت به داشتن اطلاعات قبلی در مورد محل سرطان نیاز نیست و سیستم در آشکارسازی توده‌ها و میکروکلسیفیکاسیون‌ها قابل اعتماد است در این روش تصویر اصلی به چند زیر تصویر تجزیه می‌شود.
شکل (2)، ساختار الگوریتم آشکارسازی بر پایه ویولت را نشان می‌دهد.‏
شکل (3)، تحلیل تصویر با رزالوشن چندگانه ویولت را نشان می‌دهد:‏
شکل(13): تحلیل تصویر با رزالوشن چندگانه ویولت ‏
شکل (4) ، عملکرد حوزه ویولت را مطابق مراحل زیر نشان می‌دهد:
1- عملکرد بر روی تصاویر ‏subband‏ ویولت به منظورآشکارسازی میکروکلسیفیکاسیون‌ها در مراحل زیر انجام می‌شود:‏
- خارج سازی ضرایب subband‏ ویولت شامل مولفه‌های فرکانس پایین،
- آستانه بندی ضرایب subband‏ ویولت شامل مولفه‌های فرکانس بالا‎ ‎‏ و ‏
- از بین بردن مولفه‏‌های ‏d-c‏.‏
‏2- به منظورآشکارسازی توده‏‎(Mass)‎، مراحل زیر انجام می‌شود:‏
- خارج سازی ضرایب subband‏ شامل مولفه‌های فرکانس بالا، ‏
- خارج سازی ضرایب subband‏ شامل مولفه‌های فرکانس پایین و ‏
- استخراج اجزای a-c‏. ‏
بدین ترتیب با خارج ساختن اجزای ‏a-c‏ یا ‏d-c‏ و مشخص کردن آستانه هیستوگرام، تشدید مناطق مورد نظر در تصویر در این مرحله انجام می‌گیرد. پس از اعمال حوزه ویولت در مرحله بازسازی تصویر بر اساس اندازه میکروکلسیفیکاسیون‌های آشکار شده و نیز تعداد میکروکلسیفیکاسیون‌ها در محدوده ‏‎1cm*1cm‎‏ خوشه بندی صورت می‌گیرد. و بدین ترتیب اندازه نواحی مشکوک نیز آشکار می‌شدند.‏‎]‎‏26-25‏‎[
‎در سال 2002، ‏N. Mascio‏ و همکارانش تحت عنوان تحلیل اتوماتیک میکروکلسیفیکاسیون‌ها در دیجیتال ماموگرافی به بررسی پرداختند. در این روش از ‏gray-scale morphology‏ برای تشخیص میکروکلسیفیکاسیون‌ها در دیجیتال ماموگرافی و کاهش درصد ‏false-negative‏‌ها، استفاده می‌گردد. ضمنا در این تحقیق از تعدادی ویژگیها برای تشخیص بین موارد آشکار شده، استفاده شده است. در ابتدا بررسی گسترده ای در مورد ویژگیهای دیجیتایزر مناسب صورت پذیرفته است. باید توجه داشت نوع دیجیتایزر از لحاظ رزالوشن و نیز عمق بیت مناسب، در تحلیل یک تصویر توسط ‏CAD، بسیار مهم است. ضمنا استفاده از سخت افزار و نرم افزار مناسب که سرعت تحلیل را به حداقل ممکن رسانده، حائز اهمیت است.الگوریتم تشخیص میکروکلسیفیکاسیون شامل دو مرحله است:
مرحله اول با بهره گیری از دو روش تحلیل فرکانس بالا بر روی تصویر مرجع دیجیتایز شده، است. و با ترکیب نتایج این دو تحلیل، اطلاعات فرکانس بالای مورد نظر استخراج می‌شود، این دو روش به نامهای "‏Roun High-Emphasis‏ و ‏Texture Git‏" است که در روش اول در واقع استفاده از "‏unsharp masking‏" است، تئوری این روش بر این اساس مبتنی است: تصویر که اطلاعات فرکانس پایین آن توسط یک فیلتر پایین گذر، جدا شده است از روی تصویر اصلی تفریق می‌شود. بدین ترتیب تصویر نهایی فقط شامل اطلاعات فرکانس بالا است. در هر دو روش نامبرده شده اطلاعات فرکانس بالای تصویر استخراج می‌شود که البته در روش اول جزئیاتی که دارای تغییر شدید دانسیته هستند و اندازه آنها از اندازه پیکسلها بزرگتر است، اهمیت دارند و به این ترتیب رشته‌ها و خطوط نازک به خوبی نقاط روشن می‌شوند.
پس در این روش اجزای کوچک که نسبت به زمینه دارای کنتراست پایین می‌باشند، حائز اهمیت هستند. سپس این دو تصویر با هم جمع شده و اجزا با حداکثر روشنایی استخراج می‌گردند. و بدین ترتیب تصویر باقی مانده در مقایسه با تصویر اصلی حاوی اجزای فرکانس بالا نیست.‏
مرحله دوم جداسازی ‏‎(segmentation)‎‏ با استفاده از روش آستانه گذاری است. به کمک روش "‏isodata‏" که با استفاده از هیستوگرام داده‌ها به صورت مکرر مقداری انتخاب می‌شود که هیستوگرام حول این مقدار به دو قسمت به صورت متعادل، تقسیم گردد، این عمل صورت می‌گیرد.‏
با به‌کارگیری این روش بر روی تصویر، مقادیر میکروکلسیفیکاسیون‌ها با مقدار یک و دیگر قسمتهای تصویر سیاه و با مقدار صفر است. سپس دور میکروکلسیفیکاسیون‌ها دایره کشیده شده و کاملا متمایز می‌گردند. در آخر نتایج با نظرات رادیولوژیستها مقایسه می‌گردد، با استفاده از این الگوریتم آشکارسازی، تعداد زیادی از میکروکلسیفیکاسیونها که توسط رادیولوژیست قابل تشخیص نیست، آشکار می‌شود. البته در مواردی که اطلاعات فرکانسی بافت سینه مشابه با اطلاعات فرکانسی میکروکلسیفیکاسیونهاست تعدادی ‏FP‏ (‏FalsePositive‏) نیز حاصل شد. سپس به منظور کاهش تعداد ‏FPها، ویزگیهای میکروکلسیفیکاسیوها، استخراج گردید.
از روی تصویر به دست آمده از مرحله قبل، هر کدام از لکه‌های آشکار شده به سه گروه:
1-‏innocuous‏ (بی آزار) 2- میکروکلسیفیکاسیون‌ها 3- مشکوک به میکروکلسیفیکاسیون و
4- ‏artifact‏ تقسیم می‌شود. ترکیب مناسب ویژگیها برای تشخیص بین موارد ‏malignant‏ و ‏benign‏ بسیار مهم است.
در این تحقیق ویژگیهایی که در ادامه آمده بر روی تصاویر بررسی شده اند:
- مساحت،
- میانگین‎ gray level‎،
- محیط لکه است، ‏
- طیف توان فوریه،
- کنتراست‏ (لکه‌های حاوی کنتراست بالا) و نیز با توجه به نظر رادیولوژیستها ویژگیهای زیر نیز در نظر گرفته شده است.‏
- تعداد میکروکلسیفیکاسیون‏‌ها در یک خوشه و ‏
- فاصله نسبت به نزدیکترین همسایه (تعداد میکروکلسیفیکاسیون‏‌ها در واحد سطح).‏