超声在乳腺癌中的研究进展
Advances in Ultrasound in Breast Cancer
DOI: 10.12677/acm.2025.1592632, PDF, HTML, XML,   
作者: 陈 琛:暨南大学第二临床医学院,深圳市人民医院乳腺外科,广东 深圳;周文斌*:深圳市人民医院(南方科技大学第一附属医院,暨南大学第二临床医学院)乳腺外科,广东 深圳
关键词: 乳腺癌传统乳腺超声超声造影自动化超声Breast Cancer Traditional Breast Ultrasound Contrast-Enhanced Ultrasound Automatic Breast Ultrasound
摘要: 乳腺癌发病率位居女性恶性肿瘤之首,早期乳腺癌没有明显的症状或体征。本研究探讨了传统乳腺超声、超声造影和自动化超声的原理及其特点。通过对比分析,揭示后两者在乳腺癌诊断中的优势。与传统超声对比,超声造影在测量肿块大小、区分良恶性结节以及识别腋窝淋巴结转移方面更具有优势。自动化乳腺超声则在致密腺体中展现出更好的性能,它不仅能有效识别微小钙化,还能在标准化流程下进行检查,减少人为误差,提高诊断的准确性。未来的研究有望进一步完善这两种技术,使其在诊断过程中能够提供更为准确、高效的信息。并结合弹性成像与人工智能在乳腺超声中的应用,探讨超声技术在多模态诊断策略中的定位。
Abstract: The incidence of breast cancer is the highest among female malignant tumors, and early breast cancer has no obvious symptoms or signs. The principle and characteristics of traditional breast ultrasound, contrast-enhanced ultrasound and automatic ultrasound were discussed. Through comparative analysis, the advantages of the two methods in breast cancer diagnosis were revealed. Compared with traditional ultrasound, CEUS has more advantages in measuring the size of tumor, distinguishing benign and malignant nodules and identifying axillary lymph node metastasis. Automated breast ultrasound shows better performance in dense glands, which not only recognize microcalcifications, but also perform tests in a standardized process, reducing human error and improving diagnostic accuracy. Future research is expected to further improve these two technologies, so that they can provide more accurate and efficient information in the diagnosis process. By integrating elastography and artificial intelligence in breast ultrasound, this study explores the role of ultrasound technology in advancing multimodal diagnostic strategies.
文章引用:陈琛, 周文斌. 超声在乳腺癌中的研究进展[J]. 临床医学进展, 2025, 15(9): 1363-1370. https://doi.org/10.12677/acm.2025.1592632

1. 引言

在2020年,乳腺癌已经超越了肺癌,成为世界上第一大肿瘤[1]。对于妇女而言,乳房不仅是一个重要器官,更是一种女性象征,切除后留下的瘢痕以及患癌的焦虑是她们难以承受的。近年来,我国乳腺癌发病率呈逐年上升趋势,且呈年轻化趋势,这种现象的出现可归因于各种因素,如生活习惯改变、生育推迟、激素避孕药的使用以及遗传易感性的增加等[2]。乳腺癌早期无特异性症状,发现时已到中晚期,大多失去最佳治疗机会。然而,晚期乳腺癌患者的治疗面临着巨大挑战,治愈率低[3]。有研究表明早期诊断和及时治疗可以显著提高乳腺癌的5年生存率[4]。具体来说,I期乳腺癌患者的相对生存率超过99%,II期患者则有93%的相对生存率,而III期患者的这一比例为75%,到了IV期,这一比例仅为29% [5]。这样的统计结果表明,早期发现和治疗对于降低乳腺癌的死亡率以及改善患者的整体预后至关重要。通过查阅国内外相关文献及近年来的学术会议,当前乳腺癌的研究多关注于靶向药物及肿瘤细胞表面受体,对于如何有效地提高早期乳腺癌的检测准确率,缺少研究。本文旨在传统手持式超声的基础上,拓展超声造影和自动化超声的研究,探讨它们的原理以及它们的优势,进行两者对比,以期提高乳腺癌的早期发现率。并通过探讨弹性成像与人工智能在乳腺超声中的应用,讨论超声技术在多模态诊断策略中的定位。

2. 超声分类

2.1. 手持式超声

当超声波在组织传播过程中,会受到散射,吸收,折射,声波速度发生变化。这些现象导致声波的速度变化,影响其在组织中的传播路径。正是这些相互作用使得超声波能够测量出组织的密度、厚度等关键物理参数,同时也能揭示组织的微结构、成分以及病理状况。由于超声波能够穿透皮肤表层的软组织,通常被用来评估乳腺等表浅组织的状况[6]。超声检查能够提供详细的乳腺肿瘤大小、位置和范围的信息,这使它在乳腺癌诊断较其他癌症更加敏感,从而被广泛应用于乳腺癌的临床诊断中。然而,当涉及到厚度大或者含有气体的组织,对于骨、肺、肠等组织,超声波的穿透难度加大,其探测结果不如其他影像学方法那样清晰和可靠。尽管如此,常规超声具有较高的分辨率和更好的灵敏度,可以可靠地检测到直径大于5 mm的转移灶,同时也能够识别出直径小于5 mm的淋巴结转移灶,使它成为了腋窝淋巴结术前影像学评估的首选方法[7] [8]

2.2. 超声造影

超声造影(Contrast-Enhanced Ultrasound, CEUS)是一种创新的影像学技术,它通过使用特定的造影剂来增强血管显示效果。在这项技术中,造影剂被注射入血管内,形成微泡,随着血液流动而进入微循环。通过对这些微泡的追踪和分析,能够清晰地看到血管的形态、血流分布等关键信息,从而为临床诊断提供重要依据。造影剂通常被一层透明且坚固的外壳包裹,这种外壳赋予了它较高的稳定性[9]。作为一种血管显像剂,造影剂不会穿透到正常组织中,因此对人体是安全的。它能在血管内产生较强的信号,能够通过超声图像准确地观察到血管结构,对肿瘤微血管的血供和分布进行评估。超声造影有潜力帮助区分乳腺恶性病变和良性病变。在乳腺癌患者的乳腺不同区域,观察到了不同的超声造影增强模式。一般而言,血管丰富的区域常出现在乳腺癌的瘤周区域。因此超声造影技术不仅可以清晰地显示乳腺病变的形态,还能更为准确地描绘乳腺癌的边界[10]

2.3. 自动乳腺超声

自动乳腺超声(Automatic Breast Ultrasound, ABUS)已成为乳房X光检查补充手段,尤其适用于那些乳房较为致密的成年女性。这是一种连续、自动化的超声扫描技术,它通过一个体积庞大的换能器与机械臂相结合,实现了对整个乳房组织的自动和标准化扫描[11]。ABUS检查时,患者通常采取仰卧姿势,检查者肩部下方放置一个海绵,这样可以帮助乳房组织以最自然的方式展开和显示。通过这种方式,能够准确地观察到乳房的各个角度,从而更全面地评估其健康状况。每个乳房区域都被分成三个不同的视图进行扫描,第一视图为前后,以乳头为中心覆盖乳房中部;第二视图为内侧,覆盖内、下部分,包括乳下褶皱,乳头位于上外侧角;第三视图为外侧,乳头位于内侧角,覆盖上部和外侧[12]。另外侧视图像也是必要的,它必须包含腋窝尾部,通常从腋窝下窝开始,因为它同样涵盖了乳房X光检查时所见的腋窝底部区域[13]。对于乳房尺寸较大的患者,医生还会获得额外的视图,以确保覆盖所有必要的乳房组织。这些图像随后自动传输到专门设计的工作站上,在那里所获得的图像被进一步处理并用于医学解释。使用先进的软件,医生可以从轴向图像中重建冠状和矢状图像,尤其是重建的冠状图像这对于诊断乳腺癌具有至关重要的意义。

3. 超声造影在乳腺癌中的运用

3.1. 乳房肿块的测量

传统的超声波和乳房X光检查这两种最常用的方法往往会低估肿块的大小。研究表明,与传统超声相比,超声造影测量的病变大小明显增加,肿瘤边界更加清晰,毛刺征象变得明显[14] [15]。对比传统超声和超声造影两种技术手段,发现了显著的差异。尤其值得注意的是,在恶性乳腺肿瘤的诊断过程中,这些差异变得尤为突出。研究结果表明,CEUS在肿瘤大小测量上提供了更为精确的评估。原因可能在于超声造影能对瘤周区域附近的血管成像。这种新型成像技术能够为医生提供更可靠的肿瘤体积信息,从而帮助他们制定更精准的治疗计划。此外,这一发现也对乳腺癌管理的策略产生深远影响,精确的肿瘤大小评估对于选择合适的保乳手术患者至关重要[10]。在腺病变病例中,涉及乳腺腺泡和小导管的局灶性增生,与传统超声相比,超声造影测量的体积略有减小。正常增生腺体的二维超声边界不清楚,导致二维测量值略大。然而,对于乳腺炎性肿块,超声造影后肿大仍然明显,主要是由于肿块周围的炎症浸润,导致小血管管腔扩张,血管壁通透性增加。因此,超声造影后肿瘤比其二维尺寸更大。恶性肿瘤的大小在超声造影前后发生了显著变化,通常比在超声造影中观察到的乳腺癌区域更广泛[16]。由于恶性肿瘤的血管生成先于形态学改变,常规超声无法发现异常,而增强超声可以显示肿瘤周围形成的血管。

3.2. 良恶性肿块区别

恶性肿块最显著的特征之一是高度的血管化。在肿瘤发展过程中,血管内皮生长因子及其受体的表达水平显著增加,这导致血管壁的通透性不断提高。同时,由于肿瘤血管系统的形状不规则性,它们相互作用,共同形成了一个错综复杂、丰富的血管网络[17]-[19]。研究表明,乳腺癌病变周围的血管分布极其广泛而不均匀,这些血管呈现出弯曲和不规则的形态。这些新生血管与一般健康血管不同,因为肿瘤微血管具有更高的渗透性,并且缺乏正常的血管调节机制。常规超声检查对低速血流信号的敏感性有限,难以观察肿瘤内微血管的结构,以及评估肿瘤新生血管的情况。CEUS弥补了彩色多普勒血流成像在检测肿瘤低速新生血管方面的不足[20]。超声造影能提供清晰的肿瘤微血管灌注模式图像,从影像学角度直观地展示良恶性乳腺病变之间的血流动力学差异。通过对这些差异的详细观察,医生可以做出更为精确的判断,为患者制定合适的治疗方案提供科学依据。

3.3. 转移的腋窝淋巴结诊断

在乳腺癌的治疗过程中,腋窝淋巴结的转移诊断是一个至关重要的步骤。传统超声技术虽然在乳腺癌的诊断和监测方面发挥着重要作用,但它存在明显的局限性。由于操作者的主观性以及对微小变化的检测能力有限,传统超声技术往往无法有效地发现那些没有改变腋窝淋巴结形态的,较小的淋巴结转移情况。为了克服这些限制,其中一种创新方法是超声造影,这种技术通过经皮或静脉给药的造影剂来提供更加精确和敏感的诊断信息。据研究显示,通过经皮或静脉注射的造影剂可以通过不同的途径迅速到达淋巴结[21] [22]。根据非淋巴门血流的异常变化反映出正常的淋巴门血流因为淋巴结转移和周围血管的扩张导致的中断情况原理,超声造影可以更灵敏发现转移的腋窝淋巴结。然而,仅仅根据CEUS扫描出来异常的淋巴结并不一定对应于前哨淋巴结。尽管如此,乳腺超声造影在临床研究中已经被证明是一项非常有价值的工具,尤其在淋巴结转移的诊断上[7]

4. 自动超声在乳腺癌中的运用

4.1. 在致密腺体中

超声由于其不受乳腺密度干扰,能够清晰地揭示病变的具体位置、形态和结构特点,同时还能准确地观察到病变周围是否有侵犯现象。这使得超声能够有效地区分良性和恶性病变,为临床提供了重要的辅助诊断信息。在中国,超声比钼靶更广泛地用于乳腺癌的早期诊断,因为大多数中国女性的乳腺小而致密[23]。因此,超声被广泛应用于钼靶前的筛查工作中,作为一种辅助筛查工具来提高早期乳腺癌发现的概率[6]。随着技术的发展,自动乳腺超声系统已经能够重建乳腺内部病灶的三维图像。这些图像包含冠状面、轴状面和矢状面三个维度,从而提供了更大的视野范围,帮助医生更准确地评估那些结构扭曲的肿块。特别是在致密乳房中,自动乳腺超声冠状面的一个特征性表现是“回缩现象”的会聚征,有助于早期发现潜在问题。因为存在回缩现象并显著提升诊断准确性[24],自动乳腺超声已被证明可以提高致密乳房的早期发现和诊断准确性。这种方法不仅可以减少漏诊,而且对于指导治疗方案具有重大意义,因为它可以帮助医生制定出更为精确的手术计划,以达到更好的治疗效果。

4.2. 标准化程度

传统超声技术因其便捷性和成本低而广受欢迎。然而,这种设备的诊断阳性率却并不是绝对准确的,它更多地依赖于操作者的专业水平与解读能力。对于处于三类和四类之间的结节,不同的超声科医生可能会有不同的诊断结果,这就导致了诊断上的不确定性和漏误诊风险。与传统超声相比,自动化超声能够提供更加精确和一致的成像结果。这种新型设备减少了检查人员的主观性,提高了图像质量,从而使得成像过程变得更加迅速且可靠[25]。此外,自动化系统还有助于提升影像评估的一致性,能够更精准地识别出病变或异常情况。通过使用自动化超声设备,医生可以更快速、更全面检查,为患者提供更及时有效的治疗方案。

4.3. 在微小钙化中

在乳腺癌的临床诊断中,手持式超声检查以其便携性和易于操作的特点而受到医生和患者的青睐。它能够提供关于乳腺组织结构的直观信息,对于早期发现乳腺肿块具有一定的价值。然而,这种检查方法在检测微小的钙化和毛刺时,很难识别,导致了一些潜在的漏诊[26] [27]。近年来的研究显示出自动化超声技术在揭示微钙化方面展现出了显著的优势。这一技术的进步不仅提高了成像的清晰度,还有助于减少误诊率[28]。对于乳腺癌钙化筛查,乳房X线摄影仍然是国际指南中参考的“金标准”,然而X光检查的灵敏度受患者乳腺组织密度影响,对于乳腺致密的女性,ABUS的敏感性明显高于乳房X光检查,但其特异度较X光低[29]。与单纯行乳房X线摄影相比,联合ABUS可提高致密性乳房患者乳腺癌的检出率[30]。这项先进的成像技术可能标志着乳腺超声成像技术领域的一大飞跃,ABUS有潜力作为致密性乳房患者的辅助筛查工具,这样的变革将提高乳腺癌患者的诊断准确率,对乳腺癌治疗的准确性和安全性有一定的帮助。随着自动化超声成像技术的应用,未来乳腺超声成像将实现更加精准、高效的成像效果。

5. 超声造影与自动超声对比

ABUS和CEUS这两种技术在乳腺癌的早期诊断展现出潜力。但它们在乳腺癌诊断中价值的评估,医学界内部仍然存在着分歧。这种分歧源于对这两种技术诊断能力的不同评价,以及对于如何将它们有效结合以提升乳腺癌诊断准确率的共识尚未形成。超声造影在无辐射风险的情况下能够显示出乳腺内部结构的详细图像,因此受到广泛关注。一些研究指出,它可以作为常规乳腺超声检查的有力补充,提高诊断的准确性[31]。然而,超声造影并非完美无缺。在检测导管原位癌或一些罕见的乳腺癌类型时,其准确性往往不够理想。相比之下,ABUS虽然也具有一定的优点,但它并不能像CEUS那样提供关于腋窝淋巴结的评估信息,也不能指导穿刺活检。在乳房外侧发现肿块时,ABUS存在漏诊的风险。此外,如果超声凝胶不均匀分布或者遗漏某个区域,那么空气可能会进入换能器与皮肤之间的空隙,影响到成像质量[28]。这种质量问题可能导致图像模糊不清,从而降低诊断准确性。为了解决这些问题,研究方向开始将ABUS和CEUS这两种技术相结合使用。这样的联合使用策略被看作是提高乳腺癌诊断灵敏度和准确性的一种创新方法。

6. 超声弹性成像

超声弹性成像(Ultrasound Elastography, USE)包括:应变弹性成像(SE)、剪切波弹性成像(SWE)和实时弹性成像(RTE)。超声弹性成像作为一种非侵入性操作技术,其原理是因为正常组织与病变组织的组织刚度不同,操作者通过传统换能器手动对组织施加一个纵向压力使组织发生形变,组织变形的轮廓被转换成弹性模量,根据组织的变形与弹性模量之间的关系,从而区分正常与病变组织的差异[32] [33]。弹性成像可以更好的区分乳腺良恶性病变,有助于降低传统超声分类为BI-RADS 4a级或升级BI-RADS 3级的病变,对此可以减少活检的需要,并推迟随访时间[34]。超声弹性成像可以补足提高传统超声对乳腺良性和恶性非肿块病变的诊断准确性。但由于压力是由操作者手动施加,导致压力强度不确定,因此只能计算各种组织的变形率,而不能计算绝对弹性。由于弹性成像的方法原理局限性,所以该技术依赖于操作人员的专业能力,不同操作者有不同差异[35]

7. 人工智能在乳腺超声中的应用

人工智能(artificial intelligence, AI)通常被定义为“计算机系统通过学习外部数据并灵活适应这些知识,以执行特定任务和目标的能力”。其应用于各个领域中,近年来AI在医学影像学中的应用一直是热门课题[36]。超声作为乳腺疾病的常用筛查工具,因其不涉及电离辐射且成本较低,经常作为乳腺疾病重复筛查的工具。传统手持式超声检查,依赖于操作员的技术,随着人工智能在乳腺超声中的应用,对于提高诊断的准确性、减少操作员的依赖性以及改善临床工作流程有着一定的帮助[37]。乳腺良性与恶性病变特征存在一定的重叠,AI通过提供定量评估和增强诊断表现,可增强乳腺超声的特异性,可提高乳腺病变分类的准确性,AI在临床当中大大减少放射科医生的工作量,还能弥补一些初级放射科医生经验不足的缺点[38] [39]。有研究表明,人工智能辅助超声能够显著提高初级放射科医生的诊断准确性,尤其是对于小于等于2厘米的乳腺病变。放射科医生结合人工智能提取的病灶特征信息人工进行二次读取,能够更准确地评估病变,提高对乳腺病变分类的准确性,减少不必要的活检率[40]。随着人工智能(AI)技术的发展,超声与AI的结合为多模态诊断策略注入了新的活力。

8. 小结与展望

综上所述,超声造影和自动化超声技术协同人工智能与超声弹性成像将提高对乳腺疾病临床诊断的准确性。这些新技术在医学影像学领域的作用变得越来越重要。随着技术的不断进步和优化,超声造影和自动化超声在乳腺癌的诊断和治疗方面带来一场革命性的变革。尽管ABUS和CEUS在诊断乳腺癌上各有优劣,但将这两种技术相结合,或许能有效提高乳腺癌早期诊断的准确性。未来的研究应该致力于探索和优化这一新型组合方法,以确保能够在临床实践中发挥出最大的效能。超声技术在多模态诊断策略中的定位日益重要,乳腺疾病需综合多种影像学技术的信息,从而获得更全面、准确的诊断结果,超声对比其他辅助影像学检查,其最大优势就是实时动态成像的能力,且超声是完全无创和无辐射,这使得其在孕妇、儿童及需要频繁重复检查的患者中具有极大优势。在介入诊疗中,超声通过实时观察可以精准定位病变区域,减少操作风险,增加诊疗的准确性。超声不仅弥补了其他影像技术在动态监测、实时成像和便捷性方面的不足,同时与其他影像技术的结合也能提供更为全面、精确的诊断信息。只有这样,才能为患者提供更加精确、高效的诊断方法,并最终改善患者的治疗体验。

NOTES

*通讯作者。

参考文献

[1] Arnold, M., Morgan, E., Rumgay, H., Mafra, A., Singh, D., Laversanne, M., et al. (2022) Current and Future Burden of Breast Cancer: Global Statistics for 2020 and 2040. The Breast, 66, 15-23. [Google Scholar] [CrossRef] [PubMed]
[2] Daly, A.A., Rolph, R., Cutress, R.I. and Copson, E.R. (2021) A Review of Modifiable Risk Factors in Young Women for the Prevention of Breast Cancer. Breast Cancer: Targets and Therapy, 13, 241-257. [Google Scholar] [CrossRef] [PubMed]
[3] Zhang, H., Hu, J., Meng, R., Liu, F., Xu, F. and Huang, M. (2024) A Systematic Review and Meta-Analysis Comparing the Diagnostic Capability of Automated Breast Ultrasound and Contrast-Enhanced Ultrasound in Breast Cancer. Frontiers in Oncology, 13, Article ID: 1305545. [Google Scholar] [CrossRef] [PubMed]
[4] Ginsburg, O., Yip, C., Brooks, A., Cabanes, A., Caleffi, M., Dunstan Yataco, J.A., et al. (2020) Breast Cancer Early Detection: A Phased Approach to Implementation. Cancer, 126, 2379-2393. [Google Scholar] [CrossRef] [PubMed]
[5] Giaquinto, A.N., Sung, H., Miller, K.D., Kramer, J.L., Newman, L.A., Minihan, A., et al. (2022) Breast Cancer Statistics, 2022. CA: A Cancer Journal for Clinicians, 72, 524-541. [Google Scholar] [CrossRef] [PubMed]
[6] Fitzgerald, R.C., Antoniou, A.C., Fruk, L. and Rosenfeld, N. (2022) The Future of Early Cancer Detection. Nature Medicine, 28, 666-677. [Google Scholar] [CrossRef] [PubMed]
[7] Mori, N., Li, L., Matsuda, M., Mori, Y. and Mugikura, S. (2024) Prospects of Perfusion Contrast-Enhanced Ultrasound (CE-US) in Diagnosing Axillary Lymph Node Metastases in Breast Cancer: A Comparison with Lymphatic CE-US. Journal of Medical Ultrasonics, 51, 587-597. [Google Scholar] [CrossRef] [PubMed]
[8] Chung, H.L., Le-Petross, H.T. and Leung, J.W.T. (2021) Imaging Updates to Breast Cancer Lymph Node Management. RadioGraphics, 41, 1283-1299. [Google Scholar] [CrossRef] [PubMed]
[9] Loveless, M.E., Li, X., Huamani, J., Lyshchik, A., Dawant, B., Hallahan, D., et al. (2008) A Method for Assessing the Microvasculature in a Murine Tumor Model Using Contrast-Enhanced Ultrasonography. Journal of Ultrasound in Medicine, 27, 1699-1709. [Google Scholar] [CrossRef] [PubMed]
[10] Tian, Y., Wang, W., Hu, Y., Chen, F., Liu, Z., Li, L., et al. (2024) The Size Differences of Breast Cancer and Benign Tumors Measured by Two‐Dimensional Ultrasound and Contrast‐Enhanced Ultrasound. Journal of Ultrasound in Medicine, 43, 1245-1250. [Google Scholar] [CrossRef] [PubMed]
[11] Hendriks, G.A.G.M., Chen, C., Mann, R., Hansen, H.H.G. and de Korte, C.L. (2024) Automated 3-D Ultrasound Elastography of the Breast: An in Vivo Validation Study. Ultrasound in Medicine & Biology, 50, 358-363. [Google Scholar] [CrossRef] [PubMed]
[12] Kwon, B.R., Chang, J.M., Kim, S.Y., Lee, S.H., Kim, S., Lee, S.M., et al. (2020) Automated Breast Ultrasound System for Breast Cancer Evaluation: Diagnostic Performance of the Two-View Scan Technique in Women with Small Breasts. Korean Journal of Radiology, 21, Article No. 25. [Google Scholar] [CrossRef] [PubMed]
[13] Kim, S.M., Jang, M., Yun, B.L., Shin, S.U., Rim, J., Kang, E., et al. (2024) Automated versus Handheld Breast Ultrasound for Evaluating Axillary Lymph Nodes in Patients with Breast Cancer. Korean Journal of Radiology, 25, Article No. 146. [Google Scholar] [CrossRef] [PubMed]
[14] van Esser, S. (2007) Accuracy of Contrast-Enhanced Breast Ultrasound for Pre-Operative Tumor Size Assessment in Patients Diagnosed with Invasive Ductal Carcinoma of the Breast. Cancer Imaging, 7, 63-68. [Google Scholar] [CrossRef] [PubMed]
[15] Shoma, A., Moutamed, A., Ameen, M. and Abdelwahab, A. (2006) Ultrasound for Accurate Measurement of Invasive Breast Cancer Tumor Size. The Breast Journal, 12, 252-256. [Google Scholar] [CrossRef] [PubMed]
[16] Li, X., Li, Y., Zhu, Y., et al. (2018) Association between Enhancement Patterns and Parameters of ContrastEnhanced Ultrasound and Microvessel Distribution in Breast Cancer. Oncology Letters, 15, 5643-5649.
[17] Shibuya, M. (2012) Vascular Endothelial Growth Factor and Its Receptor System: Physiological Functions in Angiogenesis and Pathological Roles in Various Diseases. Journal of Biochemistry, 153, 13-19. [Google Scholar] [CrossRef] [PubMed]
[18] Yancopoulos, G.D., Davis, S., Gale, N.W., Rudge, J.S., Wiegand, S.J. and Holash, J. (2000) Vascular-Specific Growth Factors and Blood Vessel Formation. Nature, 407, 242-248. [Google Scholar] [CrossRef] [PubMed]
[19] Carmeliet, P. and Jain, R.K. (2000) Angiogenesis in Cancer and Other Diseases. Nature, 407, 249-257. [Google Scholar] [CrossRef] [PubMed]
[20] Cao, X., Bao, W., Zhu, S., Wang, L., Sun, M., Wang, L., et al. (2014) Contrast-Enhanced Ultrasound Characteristics of Breast Cancer: Correlation with Prognostic Factors. Ultrasound in Medicine & Biology, 40, 11-17. [Google Scholar] [CrossRef] [PubMed]
[21] Zhang, Y., Wang, X., Kang, S., Li, X. and Geng, J. (2015) Contrast-Enhanced Ultrasonography in Qualitative Diagnosis of Sentinel Lymph Node Metastasis in Breast Cancer: A Meta-Analysis. Journal of Cancer Research and Therapeutics, 11, Article No. 697. [Google Scholar] [CrossRef] [PubMed]
[22] Fowler, J.C., Solanki, C.K., Guenther, I., Barber, R., Miller, F., Bobrow, L., et al. (2009) A Pilot Study of Dual-Isotope Lymphoscintigraphy for Breast Sentinel Node Biopsy Comparing Intradermal and Intraparenchymal Injection. European Journal of Surgical Oncology (EJSO), 35, 1041-1047. [Google Scholar] [CrossRef] [PubMed]
[23] Wang, Y., Li, Y., Song, Y., Chen, C., Wang, Z., Li, L., et al. (2022) Comparison of Ultrasound and Mammography for Early Diagnosis of Breast Cancer among Chinese Women with Suspected Breast Lesions: A Prospective Trial. Thoracic Cancer, 13, 3145-3151. [Google Scholar] [CrossRef] [PubMed]
[24] Wang, Q., Li, B., Liu, Z., Shang, H., Jing, H., Shao, H., et al. (2022) Prediction Model of Axillary Lymph Node Status Using Automated Breast Ultrasound (ABUS) and Ki-67 Status in Early-Stage Breast Cancer. BMC Cancer, 22, Article No. 929. [Google Scholar] [CrossRef] [PubMed]
[25] Uematsu, T. (2023) Rethinking Screening Mammography in Japan: Next-Generation Breast Cancer Screening through Breast Awareness and Supplemental Ultrasonography. Breast Cancer, 31, 24-30. [Google Scholar] [CrossRef] [PubMed]
[26] Galati, F., Moffa, G. and Pediconi, F. (2022) Breast Imaging: Beyond the Detection. European Journal of Radiology, 146, Article ID: 110051. [Google Scholar] [CrossRef] [PubMed]
[27] Sun, L., Qi, M., Cui, X. and Song, Q. (2022) The Clinical Application of Combined Ultrasound, Mammography, and Tumor Markers in Screening Breast Cancer among High-Risk Women. Computational and Mathematical Methods in Medicine, 2022, Article ID: 4074628. [Google Scholar] [CrossRef] [PubMed]
[28] Łuczyńska, E., Pawlak, M., Popiela, T. and Rudnicki, W. (2022) The Role of ABUS in the Diagnosis of Breast Cancer. Journal of Ultrasonography, 22, 76-85. [Google Scholar] [CrossRef] [PubMed]
[29] Žaja, M. and Matijaš, T. (2022) Automated Breast Ultrasound. Radiološki vjesnik, 46, 10-17. [Google Scholar] [CrossRef
[30] Brem, R.F., Tabár, L., Duffy, S.W., Inciardi, M.F., Guingrich, J.A., Hashimoto, B.E., et al. (2015) Assessing Improvement in Detection of Breast Cancer with Three-Dimensional Automated Breast US in Women with Dense Breast Tissue: The Somoinsight Study. Radiology, 274, 663-673. [Google Scholar] [CrossRef] [PubMed]
[31] Boca (Bene), I., Dudea, S.M. and Ciurea, A.I. (2021) Contrast-Enhanced Ultrasonography in the Diagnosis and Treatment Modulation of Breast Cancer. Journal of Personalized Medicine, 11, Article No. 81. [Google Scholar] [CrossRef] [PubMed]
[32] Sigrist, R.M.S., Liau, J., Kaffas, A.E., Chammas, M.C. and Willmann, J.K. (2017) Ultrasound Elastography: Review of Techniques and Clinical Applications. Theranostics, 7, 1303-1329. [Google Scholar] [CrossRef] [PubMed]
[33] Goddi, A., Bonardi, M. and Alessi, S. (2012) Breast Elastography: A Literature Review. Journal of Ultrasound, 15, 192-198. [Google Scholar] [CrossRef] [PubMed]
[34] Pillai, A., Voruganti, T., Barr, R. and Langdon, J. (2022) Diagnostic Accuracy of Shear-Wave Elastography for Breast Lesion Characterization in Women: A Systematic Review and Meta-Analysis. Journal of the American College of Radiology, 19, 625-634.e0. [Google Scholar] [CrossRef] [PubMed]
[35] Hong, S., Li, W., Gao, W., Liu, M., Song, D., Dong, Y., et al. (2021) Diagnostic Performance of Elastography for Breast Non-Mass Lesions: A Systematic Review and Meta-Analysis. European Journal of Radiology, 144, Article ID: 109991. [Google Scholar] [CrossRef] [PubMed]
[36] Lei, Y., Yin, M., Yu, M., Yu, J., Zeng, S., Lv, W., et al. (2021) Artificial Intelligence in Medical Imaging of the Breast. Frontiers in Oncology, 11, Article ID: 600557. [Google Scholar] [CrossRef] [PubMed]
[37] Baek, J., Kim, J., Kim, H.J., Yoon, J.H., Park, H.Y., Lee, J., et al. (2025) Clinical Application of Artificial Intelligence in Breast Ultrasound. Journal of the Korean Society of Radiology, 86, Article No. 216. [Google Scholar] [CrossRef] [PubMed]
[38] Wu, G., Zhou, L., Xu, J., Wang, J., Wei, Q., Deng, Y., et al. (2019) Artificial Intelligence in Breast Ultrasound. World Journal of Radiology, 11, 19-26. [Google Scholar] [CrossRef] [PubMed]
[39] Fruchtman Brot, H. and Mango, V.L. (2024) Artificial Intelligence in Breast Ultrasound: Application in Clinical Practice. Ultrasonography, 43, 3-14. [Google Scholar] [CrossRef] [PubMed]
[40] Jin, Z., Li, J., Niu, R., Fu, N., Jiang, Y., Li, S., et al. (2024) Application of an Artificial Intelligence-Assisted Diagnostic System for Breast Ultrasound: A Prospective Study. Gland Surgery, 13, 2221-2231. [Google Scholar] [CrossRef] [PubMed]