Resultados de termografía infrarroja en mujeres con sospecha de cáncer de mama
##plugins.themes.themeEleven.article.main##
Palabras clave
Densidad de la Mama, Mamografía, Termografía, Neoplasias de la Mama
Resumen
Introducción: el cáncer de mama (CM) es la causa más frecuente de muerte en mujeres de 40 a 75 años. Se ha propuesto la termografía infrarroja (TI) como examen no invasivo de utilidad en la detección del CM.
Objetivo: analizar los resultados de la TI en mujeres con sospecha de CM.
Material y métodos: estudio analítico, observacional, longitudinal y prospectivo. Se incluyeron mujeres ≥ 15 años con sospecha de CM, con BI-RADS (Breast Imaging Reporting and Data System) 4. Antes de tomar la biopsia, se midió la temperatura de las mamas mediante 2 sensores termográficos. Se registró el resultado histopatológico de la biopsia de mama y se clasificó como lesiones inflamatorias, mastopatía fibroquística, lesiones premalignas y lesiones malignas.
Resultados: se analizaron 104 mujeres, con BI-RADS 4A (64%), 4B (26%) y 4C (10%); se eliminaron 4 por pérdida en el seguimiento. La edad media fue de 47.7 ± 12.2 años. Del total, 14% mostró lesión palpable y la mama derecha fue la más afectada (56%). La lesión maligna más frecuente fue el carcinoma ductal (11%). El punto de corte para lesión maligna de TI ≥ 33.4 ºC mostró sensibilidad de 0.69, especificidad de 0.63, área bajo la curva (AUC) = 0.65 (intervalo de confianza del 95% [IC 95%] 0.45-0.79), p = 0.03; con razón de momios (RM) = 4.16 (IC 95% 1.23-14.09), p = 0.01.
Conclusión: los resultados de la TI mostraron sensibilidad y especificidad moderadas para lesiones malignas. El punto de corte ≥ 33.4 ºC mostró un riesgo mayor de 4 veces para malignidad.
Referencias
1. Sung H, Ferlay J, Siegel RL, et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin. 2021;71(3):209-49. doi: 10.3322/caac.21660
2. Instituto Mexicano del Seguro Social. Guía de Práctica Clínica Tratamiento del cáncer de mama en segundo y tercer nivel de atención. México: IMSS; 2017. Disponible en: https://www.imss.gob.mx/sites/all/statics/guiasclinicas/232GER.pdf
3. Shang C, Xu D. Epidemiology of Breast Cancer. Oncologie. 2022;24(4):649-63. doi: 10.32604/oncologie.2022.027640
4. Zavala VA, Serrano-Gomez SJ, Dutil J, et al. Genetic Epidemiology of Breast Cancer in Latin America. Genes. 2019;10(2):153.
5. Da Costa Vieira RA, Biller G, Uemura G, et al. Breast cancer screening in developing countries. Clinics (Sao Paulo). 2017;72(4):244-53. doi: 10.6061/clinics/2017(04)09
6. Takkar N, Kochhar S, Garg P, et al. Screening methods (clinical breast examination and mammography) to detect breast cancer in women aged 40-49 years. J Midlife Health. 2017;8(1):2-10. doi: 10.4103/jmh.JMH_26_16
7. Miller JW, King JA, Trivers KF, et al. Vital Signs: Mammography Use and Association with Social Determinants of Health and Health-Related Social Needs Among Women - United States, 2022. MMWR Morb Mortal Wkly Rep. 2024;73(15):351-7. doi: 10.15585/mmwr.mm7315e1
8. Rakhunde MB, Gotarkar S, Choudhari SG. Thermography as a Breast Cancer Screening Technique: A Review Article. Cureus. 2022;14(11):e31251. doi: 10.7759/cureus.31251
9. Lozano A, Hassanipour F. Infrared imaging for breast cancer detection: An objective review of foundational studies and its proper role in breast cancer screening. Infrared Physics & Technology. 2019;97:244-57.
10. Zuluaga-Gomez J, Zerhouni N, Al Masry Z, et al. A survey of breast cancer screening techniques: thermography and electrical impedance tomography. J Med Eng Technol. 2019;43(5):305-22. doi: 10.1080/03091902.2019.1664672
11. Malik AM. New Perspectives in Breast Imaging. InTech eBooks; 2017.
12. Alshehri A, AlSaeed D. Breast Cancer Detection in Thermography Using Convolutional Neural Networks (CNNs) with Deep Attention Mechanisms. Applied Sciences. 2022;12(24):12922. Disponible en: https://www.mdpi.com/2076-3417/12/24/12922
13. Navarro-Ruíz NE, Reyna-Sevilla A. Spatio-temporal trend of BI-RADS classification suggestive of malignancy: a national analysis of mammograms, 2013-2017. Gac Med Mex. 2021;157(2):167-73. doi: 10.24875/GMM.M21000541
14. Teichgraeber DC, Guirguis MS, Whitman GJ. Breast Cancer Staging: Updates in the AJCC Cancer Staging Manual, 8th Edition, and Current Challenges for Radiologists, From the AJR Special Series on Cancer Staging. AJR Am J Roentgenol. 2021;217(2):278-90. doi: 10.2214/AJR.20.25223
15. Kakileti ST, Madhu HJ, Krishnan L, et al. Observational Study to Evaluate the Clinical Efficacy of Thermalytix for Detecting Breast Cancer in Symptomatic and Asymptomatic Women. JCO Glob Oncol. 2020;1472-80. doi: 10.1200/GO.20.00168
16. Wang X, Chou K, Zhang G, et al. Breast cancer pre-clinical screening using infrared thermography and artificial intelligence: a prospective, multicentre, diagnostic accuracy cohort study. Int J Surg. 2023;109(10):3021-31. doi: 10.1097/JS9.0000000000000594
17. Bansal R, Collison S, Krishnan L, et al. A prospective evaluation of breast thermography enhanced by a novel machine learning technique for screening breast abnormalities in a general population of women presenting to a secondary care hospital. Front Artif Intell. 2023;5:1050803. doi: 10.3389/frai.2022.1050803
18. Wang GL, Jiang BH, Rue EA, et al. Hypoxia-inducible factor 1 is a basic-helix-loop-helix-PAS heterodimer regulated by cellular O2 tension. Proc Natl Acad Sci U S A. 1995;92(12):5510-4. doi: 10.1073/pnas.92.12.5510
19. Harris AL. Clinical strategies to inhibit tumor vascularization. In: Ribatti D, Pezzella F, eds. Tumor Vascularization. Academic Press, 2020. 147-76. doi: 10.1016/B978-0-12-819494-2.00009-2
20. Zambrano-Terrazas SP, Sosa-Bustamante GP, González AP et al. Cáncer de mama: hallazgos sospechosos en mastografía asociados al resultado histopatológico. Rev Med Inst Mex Seguro Soc. 2024;62(4):e6123. doi: 10.5281/zenodo.11397045
21. Centro Nacional de Equidad de Género y Salud Reproductiva. Manual de Exploración Clínica de las Mamas. México, Distrito Federal: Secretaría de Salud; 2007.
22. Lubkowska A, Chudecka M. Thermal Characteristics of Breast Surface Temperature in Healthy Women. Int J Environ Res Public Health. 2021;18(3):1097. doi: 10.3390/ijerph18031097
23. Khan AA, Arora AS. Thermography as an Economical Alternative Modality to Mammography for Early Detection of Breast Cancer. J Healthc Eng. 2021:5543101. doi: 10.1155/2021/5543101
24. Pathak N, Nadler MB. Determining Women's Willingness to Screen for Breast Cancer: Does False-Positive Recall Matter? Ann Intern Med. 2024;177(10):1433-4. doi: 10.7326/M24-0893
25. Rakhunde MB, Gotarkar S, Choudhari SG. Thermography as a Breast Cancer Screening Technique: A Review Article. Cureus. 2022;14(11):e31251. doi: 10.7759/cureus.31251
26. World Health Organization. Global breast cancer initiative implementation framework: assessing, strengthening and scaling up of services for the early detection and management of breast cancer: executive summary. Geneva: WHO; 2023. Disponible en: https://www.who.int/publications/i/item/9789240067134
27. Rodriguez-Guerrero S, Loaiza-Correa H, Restrepo-Girón AD, et al. Dataset of breast thermography images for the detection of benign and malignant masses. Data Brief. 2024;54:110503. doi: 10.1016/j.dib.2024.110503
28. Milosevic M, Jankovic D, Peulic A. Comparative analysis of breast cancer detection in mammograms and thermograms. Biomed Eng Biomed Tech. 2015;60:49-56. doi: 10.1515/bmt-2014-0047.
29. Chen Y. Wavelet energy entropy and linear regression classifier for detecting abnormal breasts. Multimed Tools Appl. 2018;77:3813-32. doi: 10.1007/s11042-016-4161-0
30. Nguyen E. Breast cancer detection via Hu moment invariant and feedforward neural network. In: AIP conference proceedings, 2018: 1954, Article ID: 030014.
31. Muhammad K. Ductal carcinoma in situ detection in breast thermography by extreme learning machine and combination of statistical measure and fractal dimension. J Ambient Intell Humaniz Comput. 2017 doi: 10.1007/s12652-017-0639-5
32. Guo ZW, Suchkov M, Jiang L, et al. Breast cancer detection via wavelet energy and support vector machine. In: 27th IEEE international conference on robot and human interactive communication. Nanjing, China, 2018: 758-63.
##plugins.themes.themeEleven.article.sidebar##
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan sus derechos de autor y otorgan a la Revista Médica del IMSS el derecho de primera publicación. Los artículos se distribuyen bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional, que permite su difusión siempre que se reconozca al autor y la fuente original.