Automated classification of focal breast lesions according to S-detect: validation and role as a clinical and teaching tool

J Ultrasound. 2018 Jun;21(2):105-118. doi: 10.1007/s40477-018-0297-2. Epub 2018 Apr 21.

Abstract

Purpose: To assess the diagnostic performance and the potential as a teaching tool of S-detect in the assessment of focal breast lesions.

Methods: 61 patients (age 21-84 years) with benign breast lesions in follow-up or candidate to pathological sampling or with suspicious lesions candidate to biopsy were enrolled. The study was based on a prospective and on a retrospective phase. In the prospective phase, after completion of baseline US by an experienced breast radiologist and S-detect assessment, 5 operators with different experience and dedication to breast radiology performed elastographic exams. In the retrospective phase, the 5 operators performed a retrospective assessment and categorized lesions with BI-RADS 2013 lexicon. Integration of S-detect to in-training operators evaluations was performed by giving priority to S-detect analysis in case of disagreement. 2 × 2 contingency tables and ROC analysis were used to assess the diagnostic performances; inter-rater agreement was measured with Cohen's k; Bonferroni's test was used to compare performances. A significance threshold of p = 0.05 was adopted.

Results: All operators showed sensitivity > 90% and varying specificity (50-75%); S-detect showed sensitivity > 90 and 70.8% specificity, with inter-rater agreement ranging from moderate to good. Lower specificities were improved by the addition of S-detect. The addition of elastography did not lead to any improvement of the diagnostic performance.

Conclusions: S-detect is a feasible tool for the characterization of breast lesions; it has a potential as a teaching tool for the less experienced operators.

Obiettivi: Valutare la performance diagnostica ed il potenziale come strumento didattico dell’S-detect nella valutazione delle lesioni mammarie focali.

Metodi: Sono state arruolate 61 pazienti (età: 21–84 anni) con lesioni mammarie benigne in follow-up o con lesioni sospette per malignità candidate a biopsia. Lo studio è stato basato su una fase prospettica ed una retrospettiva. Nella fase prospettica, dopo il completamento dell’ecografia di base da parte di un senologo esperto, 5 operatori con differente livello di esperienza e differentemente dedicati alla senologia hanno eseguito l’esame elastosonografico. Nella fase retrospettiva, i 5 operatori hanno eseguito una valutazione e categorizzazione delle lesioni con BI-RADS 2013. L’integrazione dell’S-detect con la valutazione degli operatori in formazione è stata eseguita dando priorità all’analisi del software in caso di discordanza. Sono state impiegate le tabelle di contingenza 2 × 2 e le curve ROC per valutare le performance diagnostiche; la concordanza tra gli operatori è stata misurata con il test k di Cohen; il test di Bonferroni è stato impiegato per comparare le performance. È stata adottata una soglia di significatività pari a p = 0.05.

Risultati: Tutti gli operatori hanno dimostrato una sensibilità > 90% e specificità variabile (50–75%); l’S-detect ha dimostrato una sensibilità > 90% e specificità del 70,8%, con concordanza con gli operatori compresa tra moderata e buona. Le specificità più basse sono state aumentate dall’aggiunta dell’S-detect. L’aggiunta dell’elastosonografia non ha determinato aumento delle performance diagnostiche.

Conclusioni: L’S-detect è uno strumento impiegabile nella caratterizzazione delle lesioni mammarie ed è un potenziale strumento didattico per gli operatori meno esperti.

Keywords: Breast lesion characterization; Breast tumors; CAD; S-detect; US-elastography.

Publication types

  • Validation Study

MeSH terms

  • Adult
  • Aged
  • Aged, 80 and over
  • Breast / diagnostic imaging*
  • Breast Neoplasms / diagnostic imaging
  • Education, Medical
  • Elasticity Imaging Techniques
  • Feasibility Studies
  • Follow-Up Studies
  • Humans
  • Image Interpretation, Computer-Assisted / methods*
  • Middle Aged
  • Pattern Recognition, Automated / methods*
  • Prospective Studies
  • Retrospective Studies
  • Sensitivity and Specificity
  • Ultrasonography, Mammary / methods*
  • Young Adult