«Мультипараметрическая рентгено-сонографическая оценка биологических подтипов Т1-стадии рака молочной железы» тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Попова Алиса Юрьевна

• Попова Алиса Юрьевна
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Попова Алиса Юрьевна

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

1.1 Эпидемиология и значение молекулярной стратификации в диагностике рака молочной железы

1.2 Молекулярно-биологические подтипы рака молочной железы и их клиническое значение

1.3 Визуальные особенности молекулярных подтипов РМЖ по данным маммографии, УЗИ и МРТ

1.4 Радиомика, радиогеномика и машинное обучение в диагностике молекулярных подтипов РМЖ

1.5 Перспективы мультипараметрической визуализации в стратификации молекулярных подтипов РМЖ

1.6 Современные подходы к скринингу РМЖ и визуальной стратификации

ГЛАВА 2. МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЯ

2.1 Дизайн исследования и общая характеристика выборки

2.2 Условия проведения и база исследования

2.3 Критерии включения и исключения

2.4 Методы визуализации

2.5 Морфологическое и иммуногистохимическое исследование

2.6 Статистические методы анализа

ГЛАВА 3. РЕЗУЛЬТАТЫ СОБСТВЕННОГО ИССЛЕДОВАНИЯ

3.1 Результаты ретроспективного анализа и внутривенней валидации модели

3.1.1 Общая характеристика выборки. Возрастные, структурные и биологические характеристики исследуемой группы

3.1.2 Рентгенологические характеристики опухолей в зависимости от биологического подтипа. Маммографические характеристики опухолей Т1

3.1.3 Ультразвуковые характеристики опухолей в зависимости от биологического подтипа

3.1.4 Комплексный анализ визуальных признаков с формированием образов биологических подтипов опухоли

3.1.5 Статистический анализ информативности рентгенологических и ультразвуковых признаков в дифференциации биологических подтипов рака молочной железы

3.2 Разработка радиомической модели прогнозирования биологических подтипов рака молочной железы стадии Т1 и ее внутренняя валидация

3.2.1 Описание когорты пациентов, использованной для разработки и внутренней валидации модели

3.2.2 Методика построения предсказательной модели

3.2.3 Оценка точности классификации и анализ ошибок при внутренней валидации модели

3.3 Тестирование радиомической модели в условиях реальной клинической практики

3.3.1 Характеристика клинической тестовой выборки

3.3.2 Методика применения радиомической модели в клинической практике

3.3.3 Результаты клинического тестирования радиомической модели

3.3.4 Клиническая интерпретация результатов и примеры применения

3.3.5 Практическая реализация радиомической модели и клинические перспективы

3.3.6 Ограничения и перспективы развития

ГЛАВА 4. ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

4.1 Анализ и интерпретация полученных результатов в контексте мировой литературы

4.2 Сравнение с существующими методами визуальной стратификации

4.3 Оценка преимуществ и ограничений предложенного подхода

4.4 Рекомендации по интеграции методики в клиническую практику

ЗАКЛЮЧЕНИЕ

ВЫВОДЫ

ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ

СПИСОК ИСПОЛЬЗОВАННЫХ СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему ««Мультипараметрическая рентгено-сонографическая оценка биологических подтипов Т1-стадии рака молочной железы»»

Актуальность темы

Рак молочной железы (далее - РМЖ) занимает ведущее место среди онкологических заболеваний у женщин во всём мире, включая Российскую Федерацию, и остаётся значимой медико-социальной проблемой. По данным GLOBOCAN 2022, ежегодно в мире регистрируется около 2,3 млн новых случаев РМЖ, что составляет порядка 11-12% всех злокачественных новообразований [77]. В Российской Федерации в 2024 г. у женщин впервые выявлено 84 473 случая РМЖ (С50), а его удельный вес в структуре онкологической заболеваемости женского населения составил 22,4% [26].

Современная онкология признаёт молекулярно-биологическую гетерогенность РМЖ, выделяя как минимум пять подтипов опухоли: люминальный А, лю-минальный В, люминальный В НЕК2+, НЕЯ2+ не-люминальный и тройной негативный рак [110; 146]. Каждый из них характеризуется различными прогнозом, чувствительностью к терапии и клиническим поведением. Правильное определение подтипа имеет ключевое значение для выбора тактики лечения: от назначения анти-НЕК2 препаратов до химиотерапии при тройных негативных формах. Однако иммуногистохимическая (далее - ИГХ) верификация подтипа возможна только после морфологического подтверждения, что требует инвазивного вмешательства и времени на выполнение.

В этой связи возрастает роль неинвазивной визуализации, которая способна не только выявить опухоль, но и дать предварительное представление о её биологических характеристиках. Маммография и ультразвуковое исследование (далее -УЗИ), включая компрессионную эластографию и допплеровскую оценку, остаются основными методами первичной диагностики. Однако на сегодняшний день недостаточно систематизированных данных о связи визуальных признаков с биологическим подтипом опухоли, особенно на стадии Т1, когда визуальная картина может быть минимально выраженной [48; 82; 99].

Сложность диагностики усугубляется высокой долей плотных и экстре-

мально плотных тканей у женщин трудоспособного возраста, что снижает чувствительность маммографии [48]. Кроме того, определённые подтипы, такие как НЕЯ2+ и ТНР, обладают инфильтративным ростом, могут не иметь типичных кальцинатов или демонстрировать схожие эхографические признаки [82; 107]. Это создаёт предпосылки для ошибок интерпретации и стадирования, что влечёт за собой риски выбора неадекватной терапии.

Таким образом, возникает объективная потребность в разработке и валида-ции визуальных критериев, ассоциированных с биологическими подтипами РМЖ. Актуальным направлением становится создание прогностических моделей, способных по совокупности признаков (маммографических и ультразвуковых) предполагать биологический подтип опухоли ещё до получения ИГХ-результатов [95; 107; 157].

Дополнительную клиническую значимость данному направлению придаёт необходимость сопоставления данных визуализационных методов с результатами морфологического и иммуногистохимического исследования. При выполнении трепан-биопсии гистологическому анализу подвергаются лишь ограниченные участки опухоли, тогда как внутриопухолевая гетерогенность может приводить к расхождениям в экспрессии ЕЯ, РЯ, НЕЯ2 и уровне Кь67 между биопсийным и операционным материалом. В этих условиях предположение биологического подтипа на основании комплексных визуальных характеристик приобретает особую клиническую ценность, позволяя своевременно выявлять возможные несоответствия, обосновывать необходимость повторной иммуногистохимической оценки и обеспечивать назначение пациентке наиболее адекватной, патогенетически обоснованной терапии.

Цель исследования

Разработка клинически ориентированной радиомической модели неинва-зивной визуальной стратификации укрупнённых молекулярно-биологических подтипов рака молочной железы стадии Т1 на основе маммографических и ультразвуковых данных.

Задачи исследования:

1. Провести ретроспективное сопоставление маммографических и ультразвуковых характеристик опухолей молочной железы стадии Т1 с верифицированным молекулярно-биологическим подтипом.

2. Разработать радиомическую модель на основе ретроспективной выборки пациенток с раком молочной железы стадии Т1и выполнить внутреннюю валидацию разработанной модели.

3. Оценить разработанную модель в рамках проспективной валидации на независимой выборке пациенток с раком молочной железы стадии Т1 с оценкой её диагностической точности, чувствительности и специфичности для укрупненных молекулярно-биологических подтипов.

4. Проанализировать возможности интеграции предложенного подхода в клиническую практику.

Объект и предмет исследования

Объектом исследования являются злокачественные эпителиальные опухоли молочной железы стадии Т1, выявленные при скрининге или диагностическом обследовании.

Предметом исследования являются визуальные характеристики опухолей (маммографические и ультразвуковые признаки), ассоциированные с различными молекулярно-биологическими подтипами рака молочной железы, а также их диагностическая значимость в предсказании подтипа на этапе первичной диагностики.

Методы исследования

Для реализации поставленных задач применялся комплекс методов лучевой диагностики и статистического анализа данных. Исследование включало ретроспективный и проспективный этапы.

На ретроспективном этапе был выполнен анализ клинических и визуальных характеристик опухолей молочной железы стадии Т1, подтверждённых гистологически, с использованием цифровой маммографии и ультразвукового исследова-

ния, включая компрессионную эластографию и допплеровскую оценку кровотока. На основании ретроспективной выборки формировались обучающая и тестовая подвыборки, использованные для разработки и внутренней валидации радиомиче-ской модели.

На проспективном этапе была проведена независимая внешняя валидация разработанной модели на выборке пациенток, не входивших в исходную ретроспективную когорту, с целью оценки воспроизводимости и клинической применимости полученных результатов.

Статистическая обработка данных включала методы описательной статистики, анализ ассоциаций, логистическую регрессию и ROC-анализ с оценкой диагностической значимости визуальных признаков.

На основе совокупности маммографических и ультразвуковых характеристик была разработана клинически ориентированная радиомическая модель, позволяющая предполагать укрупнённый молекулярно-биологический подтип опухоли на этапе первичной диагностики. Валидация модели включала расчёт чувствительности, специфичности, общей точности и площади под ROC-кривой (AUC).

В рамках исследования анализировалась диагностическая эффективность маммографических признаков, включая тип ткани молочной железы по классификации ACR (2013 г.), наличие и характер кальцинатов, особенности контуров и архитектурные перестройки, а также ультразвуковых характеристик, таких как форма и контур образования, акустические эффекты, показатели жёсткости по данным эластографии и характер васкуляризации.

Полученные визуальные данные сопоставлялись с результатами иммуноги-стохимического исследования, что позволило выделить визуальные маркеры, ассоциированные с наиболее клинически значимыми укрупнёнными молекулярно-биологическими подтипами рака молочной железы — НЕЕ2-положительным, тройным негативным и люминальным. Разработка диагностических моделей на основе визуальных признаков соответствует современным тенденциям в ранней неинвазивной стратификации опухолей и подтверждается данными отечествен-

ных и международных исследований [18; 98].

Научная новизна

Впервые разработан и клинически апробирован мультипараметрический рентгено-сонографический подход к неинвазивной визуальной стратификации укрупнённых молекулярно-биологических подтипов рака молочной железы стадии Т1, основанный на комплексном анализе данных маммографии и ультразвукового исследования.

Установлено, что совокупность маммографических и ультразвуковых визуальных признаков обладает диагностически значимой ассоциацией с молекуляр-но-биологическими подтипами опухолей, что позволяет предполагать их биологический профиль на этапе первичной лучевой диагностики до получения результатов ИГХ исследования.

Разработана клинически ориентированная радиомическая модель классификации опухолей молочной железы стадии Т1 по укрупнённым молекулярно-биологическим группам (люминальный НЕК2-, ИБК2-положительный, ТН), обеспечивающая высокую диагностическую точность.

Впервые показано, что сопоставление результатов мультипараметрической визуализации и иммуногистохимического исследования позволяет выявлять потенциальные расхождения биологического профиля опухоли, обусловленные внутриопухолевой гетерогенностью, и тем самым расширяет возможности обоснованного выбора лечебной тактики на ранних стадиях рака молочной железы.

Теоретическая и практическая значимость работы

Разработанный в рамках исследования мультипараметрический рентгено-сонографический подход к визуальной стратификации укрупнённых молекуляр-но-биологических подтипов рака молочной железы стадии Т1 расширяет теоретические представления о взаимосвязи лучевой картины опухоли и её биологического потенциала на ранних стадиях заболевания.

Предложенная клинически ориентированная радиомическая модель, основанная на комплексном анализе маммографических и ультразвуковых данных,

может использоваться в практической работе врача-рентгенолога и при междисциплинарном обсуждении клинических случаев на онкологических консилиумах для предварительного предположения биологического подтипа опухоли на этапе первичной диагностики, что способствует более обоснованному планированию морфологической верификации и выбору оптимальной тактики лечения.

Положения, выносимые на защиту:

1. Совокупность маммографических и ультразвуковых признаков, включая данные компрессионной эластографии, позволяет с клинически значимой точностью предполагать укрупнённый молекулярно-биологический подтип рака молочной железы стадии Т1 на этапе первичной лучевой диагностики.

2. Характерные визуальные признаки НЕЯ2-положительного и тройного негативного подтипов обладают наибольшей диагностической значимостью и могут быть использованы для предварительной визуальной стратификации опухолей молочной железы.

3. Разработанная радиомическая модель классификации опухолей молочной железы стадии Т1 основана на интеграции маммографических и ультразвуковых признаков и позволяет осуществлять дифференциацию укрупнённых молекулярно-биологических подтипов.

4. Визуальная стратификация опухолей молочной железы стадии Т1 на основе мультипараметрической лучевой картины может использоваться как дополнительный инструмент сопоставления визуальных данных с результатами им-муногистохимического исследования, позволяя выявлять потенциальные расхождения биологического профиля опухоли на этапе первичной диагностики.

Структура и объём диссертации

Диссертационная работа изложена на 156 страницах машинописного текста и состоит из введения, обзора литературы, главы с описанием материалов и методов исследования, главы собственных исследований, обсуждения, заключения, выводов и практических рекомендаций. Работа иллюстрирована 25 таблицами и 22 рисунками, содержит клинические примеры. Список литературы включает

157 источников, из которых 69 отечественных и 88 зарубежных авторов.

Степень достоверности, апробация и внедрение результатов исследования

Степень достоверности и обоснованности научных положений, выводов и рекомендаций, сформулированных в диссертационной работе, обеспечена достаточным объёмом клинического материала, корректным дизайном исследования и применением современных методов статистического анализа. В исследование включены 365 пациенток с верифицированным раком молочной железы стадии Т1, прошедших комплексное обследование с использованием цифровой маммографии, ультразвукового исследования с компрессионной эластографией и до-пплерографией, а также морфологическую и иммуногистохимическую верификацию (ЕЯ, РЯ, НЕК2/пеи, Кь67) на ретроспективном этапе и 100 пациенток на проспективном этапе. Для анализа данных применялись методы описательной статистики, логистической регрессии и ЯОС-анализа, использовались параметрические и непараметрические критерии, уровень статистической значимости принимался равнымр <0,05. Наличие проспективного этапа исследования обеспечило независимую валидацию разработанной диагностической модели и подтвердило воспроизводимость полученных результатов.

Апробация диссертационной работы проведена на заседании проблемной комиссии по специальности 3.1.25 «Лучевая диагностика» федерального государственного бюджетного образовательного учреждения высшего образования «Уральский государственный медицинский университет» Министерства здравоохранения Российской Федерации (ФГБОУ ВО УГМУ Минздрава России) (г. Екатеринбург, 30 октября 2025 г.), по результатам которого работа рекомендована к защите. Основные положения диссертации также обсуждены на межкафедральной научно-практической конференции кафедры лучевой диагностики и лучевой терапии и кафедры рентгенологии и ультразвуковой диагностики федерального государственного бюджетного учреждения дополнительного профессионального образования «Центральная государственная медицинская академия» Управления делами Президента Российской Федерации (г. Москва, 7 ноября

2025 г.), где получили положительную оценку и были рекомендованы к дальнейшему представлению к защите.

Основные результаты диссертационного исследования представлены и обсуждены на XII Съезде онкологов России с международным участием (Самара, 2023), Конгрессе Российского общества рентгенологов и радиологов (Санкт-Петербург, 2023), Российском диагностическом саммите (Москва, 2024), III Поволжском онкологическом форуме (Уфа, 2024), на Евразийской школе ультразвуковой диагностики (Астана, 2025) и Asian Cancer Imaging Academy (ACIA) (Астана, 2025), а также на российских и региональных научно-практических конференциях «Новые технологии и стандарты диагностической маммологии» (Москва, 2023), «Здравоохранение Урала» (Екатеринбург, 2023), «ОнкоТех» (Екатеринбург, 2024, 2025), Первом съезде специалистов лучевой диагностики Уральского федерального округа (Тюмень, 2024).

Публикации по теме диссертации

По теме диссертационного исследования опубликованы 4 печатных работ, в том числе 1 обзорная статья, 3 научные статьи, отражающие основные результаты диссертации, в рецензируемых журналах, рекомендованных ФГБНУ «РНЦХ им. акад. Б.В. Петровского» / ВАК при Министерстве науки и высшего образования Российской Федерации для публикации результатов диссертационных исследований, получено 2 патента Российской Федерации на изобретения.

Результаты диссертационного исследования внедрены в практическую деятельность отделения лучевой диагностики ГАУЗ СО «Свердловский областной онкологический диспансер» и используются при проведении междисциплинарных онкологических консилиумов. Материалы работы также внедрены в образовательный процесс и применяются при подготовке врачей-рентгенологов и онкологов в рамках программ обучения и повышения квалификации, в том числе на профильных кафедрах ФГБОУ ВО УГМУ Минздрава России.

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

1.1 Эпидемиология и значение молекулярной стратификации в диагностике рака молочной железы

Рак молочной железы является ведущей онкологической патологией у женщин и представляет собой серьёзную медицинскую и социальную проблему как в мире, так и в России. Согласно данным GLOBOCAN 2022, в мире было зарегистрировано около 2,3 млн новых случаев РМЖ у женщин, что составляет примерно 11-12 % от всех диагностированных злокачественных новообразований, и около 670 000 случаев смерти от этого заболевания [77]. В структуре онкологической заболеваемости женщин во всём мире рак молочной железы занимает первое место по числу новых случаев, а по смертности от всех злокачественных новообразований у женщин остаётся одной из ведущих причин, уступая, прежде всего, раку лёгкого и другим локализациям опухолей.

В Российской Федерации рак молочной железы также занимает ведущее место в структуре онкологической заболеваемости женского населения. По данным Национального канцер-регистра, в 2022 г. было зарегистрировано 79 883 новых случая РМЖ, а стандартизованный показатель заболеваемости составил 97,5 на 100 000 женщин [53]. Согласно официальному статистическому сборнику «Злокачественные новообразования в России в 2024 году (заболеваемость)», в 2024 г. у женщин впервые выявлено 84 473 случая РМЖ (С50), что соответствует росту абсолютного числа случаев по сравнению с 2022 годом [26]. Таким образом, сохраняется тенденция к увеличению выявляемости рака молочной железы в Российской Федерации. Заболеваемость демонстрирует устойчивый рост, особенно в возрастной категории 40-49 лет, что подтверждает общемировую тенденцию «омоложения» заболевания [94; 100; 135; 146]. В этой возрастной группе чаще выявляются биологически более агрессивные формы РМЖ - HER2-позитивные и тройные негативные подтипы, ассоциированные с высоким риском рецидивов и неблагоприятным прогнозом [99; 100; 110; 149]. Возрастные изменения ткани молочной железы и их влияние на онкологический риск также рассмат-

риваются в отечественной литературе [60]. Среди модифицируемых факторов риска особое внимание уделяется метаболическим нарушениям и ожирению, ассоциированным с повышенной частотой развития гормонально-зависимых форм РМЖ [7]. Длительно существующие доброкачественные заболевания молочной железы также рассматриваются как фактор повышенного онкологического риска, что подтверждено результатами многолетних наблюдательных исследований [67].

Рост заболеваемости при одновременном снижении показателей смертности от РМЖ в экономически развитых странах свидетельствует об эффективности раннего выявления и внедрения современных методов лечения, включая таргет-ную и гормональную терапию [146]. Однако в развивающихся странах и некоторых регионах России сохраняется значительная смертность, что связано с поздней диагностикой, низким охватом скрининговыми программами и ограниченной доступностью молекулярных исследований [11; 21; 27]. В отечественных публикациях подчёркивается значимость профилактических осмотров молочных желёз и активного выявления патологии на доклиническом этапе как ключевого фактора повышения доли ранних стадий заболевания [44].

В связи с гетерогенностью РМЖ как на клиническом, так и на молекулярном уровне всё большую актуальность приобретает молекулярная стратификация. Современные представления о молекулярных механизмах канцерогенеза и роли генетических факторов риска систематизированы в отечественных исследованиях [42]. Этот подход позволяет классифицировать опухоли на основе экспрессии рецепторов эстрогенов (БЯ), прогестерона (РЯ), ИБЯ2/пеи и пролиферативного индекса К1-67. Изначально предложенная в 2000-х годах молекулярная классификация легла в основу принципов индивидуализированной терапии РМЖ [43; 110]. Согласно этой классификации, РМЖ подразделяется на четыре основных подтипа: люминальный А, люминальный В, ИБЯ2-позитивный и тройной негативный (ТН) [89; 99; 103].

Каждый из этих подтипов обладает уникальными клинико-биологическими характеристиками, отличается уровнем агрессивности, чувствительностью к лечению и прогнозом. Так, люминальный А подтип характеризуется высокой экс-

прессией гормональных рецепторов и низким Ki-67, ассоциирован с благоприятным прогнозом и хорошим ответом на гормонотерапию [58].

В то же время ТН РМЖ не экспрессирует ER, PR и HER2, обладает высокой пролиферативной активностью и склонен к ранним метастазам, что требует агрессивного химиотерапевтического лечения и затрудняет использование таргетных препаратов [94; 103].

Применение молекулярной стратификации позволяет не только корректировать лечебную тактику, но и служит основой для оценки прогноза и проведения клинических исследований. Несмотря на очевидные преимущества, определение подтипа возможно только при проведении инвазивной диагностики, включающей биопсию и иммуногистохимический анализ. Однако даже эти методы имеют свои ограничения, в том числе связанные с гетерогенностью опухоли (внутриопухоле-вой и межопухолевой), что может приводить к диагностическим ошибкам и вариабельности интерпретации [54; 143].

На этом фоне возрастает интерес к разработке неинвазивных методов молекулярной стратификации на основе визуализационных данных - так называемой визуальной стратификации. Современные методы визуализации, такие как маммография, ультразвук, МРТ, а также новые технологии (эластография, радиоми-ка), становятся всё более информативными в оценке характеристик опухоли, коррелирующих с её молекулярным профилем [3; 49; 50; 76; 79].

Одним из первых исследований, продемонстрировавших эффективность ра-диомических признаков с контрастной МРТ для стратификации молекулярных подтипов РМЖ, стала работа Leithner и соавт. [105], где радиомические сигнатуры позволили различать подтипы люминального A, HER2+ и ТН РМЖ на основе неинвазивных МРТ-данных.

Эффективность мультипараметрического подхода подтверждается также в недавней работе Yang и соавт. [151], где интеграция радиомических признаков с маммографии и DCE-MRI позволила достоверно повысить точность предсказания молекулярных подтипов, особенно для HER2+ и тройного негативного рака. Перспективность оценки зон за пределами самой опухоли продемонстрирована в

работе Ми и соавт. [118], где анализ радиомических признаков как в пределах опухоли, так и в перитуморальной области на основе маммографии и МРТ позволил значительно повысить точность стратификации, особенно в отношении ИБЯ2-позитивного и тройного негативного подтипов. Комплексный обзор современных радиомических и А1-методов представлен в работе Е1аЫ и Nazari [87], где подчёркиваются потенциал радиомики как инструмента неинвазивной стратификации подтипов РМЖ, а также важность интеграции алгоритмов машинного обучения в клинические протоколы диагностики и скрининга.

Более того, использование мультипараметрической визуализации с применением радиомики и искусственного интеллекта позволяет формировать предиктив-ные модели, способные с высокой точностью предполагать молекулярный подтип РМЖ до получения морфологического заключения [35; 92; 112; 85]. Это особенно актуально в условиях ограниченного доступа к высокотехнологичным лабораторным исследованиям, а также для пациенток, которым невозможно выполнить биопсию.

Таким образом, эпидемиологическая значимость РМЖ, рост заболеваемости среди женщин молодого возраста, высокая биологическая гетерогенность и ограниченность классических подходов к диагностике подтверждают необходимость активного развития молекулярной стратификации и поиска дополнительных, в том числе визуальных, маркеров. Эти усилия направлены на повышение точности диагностики, персонализацию лечения и улучшение прогноза пациентов с различными молекулярными подтипами РМЖ [49].

В контексте ранней диагностики и персонализированного лечения особое значение приобретает стадия Т1 (опухоль < 2 см), поскольку именно на этом этапе формируются ключевые клинические решения: возможность органосохраняю-щего лечения, необходимость и объём системной терапии, а также прогноз заболевания. В отечественных исследованиях подчёркивается значимость профилактических осмотров молочных желёз и организованных программ раннего выявления как ключевого фактора увеличения доли ранних стадий заболевания [44].

При опухолях минимального размера визуальные проявления процесса в

большей степени обусловлены биологическими особенностями опухоли и её взаимодействием с микроокружением, тогда как при увеличении размеров возрастает вклад вторичных изменений (внутриопухолевая гетерогенность, зоны некроза / дегенерации, воспалительные и фиброзные компоненты), способных модифицировать лучевую картину и снижать сопоставимость визуальных признаков между разными стадиями. Это обосновывает целесообразность отдельного анализа опухолей стадии Т1 при изучении взаимосвязи визуальных характеристик и молеку-лярно-биологического подтипа.

1.2 Молекулярно-биологические подтипы рака молочной железы

и их клиническое значение

Рак молочной железы представляет собой биологически и клинически гетерогенное заболевание, и на сегодняшний день молекулярно-биологическая классификация опухолей лежит в основе персонализированного подхода к диагностике и лечению. Современное представление о РМЖ как о совокупности биологически разных заболеваний сформировалось на основе трансляционных исследований, в которых ключевыми параметрами стали экспрессия рецепторов эстрогенов (ER), прогестерона (PR), рецептора эпидермального фактора роста человека 2-го типа (HER2/neu) и индекс пролиферации Ю-67 [43; 117; 146]. Современные данные о прогностической ценности молекулярно-генетических маркеров, включая экспрессию рецепторов, мутационные профили и сигнальные пути, участвующие в канцерогенезе, систематизированы в отечественных исследованиях [40], что подчёркивает клиническую значимость молекулярной стратификации. Морфологические и молекулярно-биологические особенности опухолевой ткани молочной железы с позиции современной систематики и патогенеза детально проанализированы в работах отечественных авторов [19], где подчёркивается взаимосвязь морфологического фенотипа и молекулярного подтипа. Выделяют четыре основных молекулярных подтипа РМЖ: люминальный А, люминальный B, HER2-положительный (нелюминальный) и тройной негативный (ТН) рак молочной железы. В ряде классификаций отдельно выделяется люминальный В НЕЯ2+, что

Список литературы диссертационного исследования кандидат наук Попова Алиса Юрьевна, 2026 год

СПИСОК ЛИТЕРАТУРЫ

1. Абрамова Е.Л. Роль диффузионно-взвешенной МРТ в стратификации молекулярных подтипов рака молочной железы / Е.Л. Абрамова, М.В. Виноградова // Сибирский онкологический журнал. - 2019. - Т. 18, № 2. - С. 102-108. - DOI: 10.21294/1814-4861 -2019-18-2-102-108.

2. Александрович А.С. Компрессионная ультразвуковая эластография в диагностике доброкачественных и злокачественных заболеваний молочной железы / А.С. Александрович, Т.И. Зиматкина, И.А. Александрович // Инновационные научные исследования. - 2023. - № 6-3(30). - С. 25-31. - DOI: 10.5281/zenodo.8128413. - EDN RSPMHJ.

3. Алиева Г.С. Анализ ключевых рентгенологических характеристик раннего инвазивного рака молочной железы стадий Т а- bN0 M0 и DCIS / Г.С. Алиева, Г.П. Корженкова, И. В. Колядина // Онкологический журнал: лучевая диагностика, лучевая терапия. - 2021. - Т. 4, № 1. - С. 9-19. - DOI: 10.37174/2587-75932021-4-1-9-19.

4. Арабачян М.И. Ранняя диагностика рака молочной железы с использованием мультипараметрического ультразвукового исследования и гибридных технологий / М.И. Арабачян, А.В. Борсуков // Медицинский алфавит. - 2022. - № 13. - С. 22-25. - DOI: 10.33667/2078-5631-2022-13-22-25. - EDN PPWYCF.

5. Аревшатян Э.Г. Искусственный интеллект как фактор повышения эффективности оценки цифровых маммограмм при скрининге рака молочной железы / Э.Г. Аревшатян, С.В. Гамаюнов, С.В. Зиновьев [и др.] // Вестник Росздравнадзо-ра. - 2022. - № 5. - С. 45-50. - EDN ZSCQRZ.

6. Белая Ю.А. Систематический обзор эффективности маммографического скрининга для женщин 40-49 лет / Ю.А. Белая // Опухоли женской репродуктивной системы. - 2022. - Т. 18, № 2. - С. 60-66. - DOI: 10.17650/1994-4098-2022-182-60-66.

7. Беришвили А.И. Ожирение и рак молочной железы / А.И. Беришвили, А.Г. Кедрова, Т.А. Греян, О.В. Зайцева // Опухоли женской репродуктивной си-

стемы. - 2022. - Т. 18, № 3. - С. 40-51. - DOI: 10.17650/1994-4098-2022-18-3-4051. - EDN JCQYBT.

8. Бикеев Ю.В. Микропапиллярная карцинома молочной железы: от молекулярных характеристик до прогноза / Ю.В. Бикеев, М.А. Шамилова, А.Н. Сенча [и др.] // Медицинский оппонент. - 2024. - Т. 28, № 4. - С. 43-47.

9. Борисова Е.А. Выявление подтипов рака молочной железы посредством визуальной диагностики: маммография и УЗИ / Е.А. Борисова, М.В. Иванова, Д. А. Смирнов // Опухоли женской репродуктивной системы. - 2020. - Т. 16, № 4. - С. 12-34. - DOI: 10.17650/1994-4098-2020-16-4-12-34.

10. Бочкарева Е.В. Маммографическая плотность молочной железы и сердечно-сосудистые заболевания у женщин. Обзор литературы / Е.В. Бочкарева, Н. И. Рожкова, Е.К. Бутина [и др.] // Кардиоваскулярная терапия и профилактика. - 2024. - Т. 23, № 8. - С. 126-133. - DOI: 10.15829/1728-8800-2024-4064. - EDN HHWMOF.

11. Буриленков С.П. Рак молочной железы - самая распространенная опухоль: диагностика и современный подход к лечению / С.П. Буриленков, Д.Д. Обухова, С.Р. Джеппарова // Colloquium-journal. - 2021. - № 15 (102). - С. 35-39. -DOI: 10.24412/2520-6990-2021-15102-35-39.

12. Высоцкая И.В. Поражения молочной железы с неопределенным злокачественным потенциалом / И.В. Высоцкая, И.А. Гладилина, В.Ю. Кирсанов [и др.] // Опухоли женской репродуктивной системы. - 2021. - № 2. - С. 46-57.

13. Гажонова В.Е. Инновационные подходы в диагностике очаговых образований молочной железы категории BI-RADS 3-4: роль и перспективы интеграции ультразвукового исследования с контрастированием и эластографии /

B.Е. Гажонова, А.В. Зубарев, И.З. Пулатова // Российский электронный журнал лучевой диагностики. - 2025. - Т. 15, № 1. - С. 107-118. - DOI: 10.21569/22227415-2025-15-1-107-118. - EDN QWYJUJ.

14. Гаранина А.Э. Радиогеномика при раке молочной железы: обзор / А.Э. Гаранина, А.В. Холин // Лучевая диагностика и терапия. - 2024. - № 1(15). -

C. 15-21. - DOI: 10.22328/2079-5343-2024-15-1-15-21. - EDN QEQJBE.

15. Гервас П.А. Этнические аспекты наследственного рака молочной железы / П.А. Гервас, А.Ю. Молоков, Е.В. Панферова [и др.] // Сибирский онкологический журнал. - 2019. - № 2. - С. 102-108.

16. Глузман М.И. Гетерогенность рака молочной железы и её клиническое значение / М.И. Глузман, Е.А. Чистякова, Р.В. Орлова, Г.А. Раскин // Вопросы онкологии. - 2025. - Т. 71, № 3. - С. 623-631. - DOI: 10.37469/0507-3758-2025-71-3-OF-2265. - EDN NXPJAS.

17. Глузман М.И. Значение ребиопсий метастатических и рецидивных очагов для изучения гетерогенности опухоли при люминальном раке молочной железы / М.И. Глузман, Е.А. Чистякова, Г.А. Раскин, Р.В. Орлова // Современная онкология. - 2025. - Т. 27, № 2. - С. 102-108. - DOI: 10.26442/18151434.2025.2.203200.

- EDN YFJOIA.

18. Говорухина В.Г. Роль маммографии в радиомике рака молочной железы / В.Г. Говорухина, С.С. Семенов, П.Б. Гележе [и др.] // Digital Diagnostics. - 2021.

- Vol. 2, no. 2. - P. 185-199. - DOI: 10.17816/DD75987.

19. Демяшкин Г.А. Морфологические и молекулярно-биологические особенности молочной железы: современный взгляд / Г.А. Демяшкин, Д.В. Белоко-пытов, А.А. Гузик [и др.] // Исследования и практика в медицине. - 2025. - Т. 12, № 1. - С. 99-114. - DOI: 10.17709/2410-1893-2025-12-1-7. - EDN EEDPOJ.

20. Диденко В.В. Принцип мультимодальности в диагностике рака молочной железы / В.В. Диденко // Московская медицина. - 2023. - № 5(57). - С. 6669. - EDN NJGGWT.

21. Држевецкая К.С. Обзор подходов к массовому скринингу рака молочной железы в России и мире / К.С. Држевецкая // Российский электронный журнал радиологии. - 2020. - Т. 10, № 4. - С. 225-236. - DOI: 10.21569/2222-7415-2020-104-225-236.

22. Емельянова Н.В. Маммографическая плотность и риск рака молочной железы (обзор литературы) / Н.В. Емельянова, Р.В. Чумаков, В.О. Курьянов // Тамбовский медицинский журнал. - 2024. - Т. 6, № 1. - С. 22-29. - DOI: 10.20310/2782-5019-2024-6-1 -22-29. - EDN PPUVLP.

23. Заридзе Д.Г. Новая парадигма скрининга и ранней диагностики: оценка пользы и вреда / Д.Г. Заридзе, Д.М. Максимович, И.С. Стилиди // Вопросы онкологии. - 2020. - Т. 66, № 6. - С. 589-602. - DOI: 10.37469/0507-3758-2020-66-6589-602.

24. Захарова Т.О. Выявление визуальных паттернов РМЖ подтипов на маммографии и УЗИ с помощью ИИ / Т.О. Захарова, С.Ю. Пилипенко, К.В. Морозова, Е.А. Киселёва // Медицина и биоинформатика. - 2024. - № 4. - С. 88-96. - DOI: 10.24412/1609-2163-2024-4-88-96.

25. Зикиряходжаев А.Д. Роль магнитно-резонансной томографии в идентификации мультицентричного поражения при раке молочной железы / А.Д. Зикиряходжаев, Ф.С. Хугаева, Е.А. Занозина [и др.] // Онкологический журнал: лучевая диагностика, лучевая терапия. - 2025. - Т. 8, № 1. - С. 51-56. - DOI: 10.37174/2587-7593-2025-8-1-51-56. - EDN JYCRFV.

26. Злокачественные новообразования в России в 2024 году (заболеваемость) / под ред. А.Д. Каприна, В.В. Старинского, А.О. Шахзадовой, Н.Ю. Золотарева. - М.: МНИОИ им. П.А. Герцена - филиал ФГБУ «НМИЦ радиологии» Минздрава России, 2025. - 178 с. - ISBN 978-5-85502-311-4.

27. Каприн А.Д. Ассоциация поведенческих факторов риска с развитием злокачественных новообразований / А.Д. Каприн, В.И. Чиссов, Л.М. Александрова, В.В. Старинский // Профилактическая медицина. - 2021. - № 2 (24). - С. 109117.

28. Каприн А.Д. Методические рекомендации по оценке качества рентгенологического изображения молочной железы / А.Д. Каприн, О.М. Драпкина, М.Л. Мазо [и др.] // Профилактическая медицина. - 2025. - Т. 28, № 6. - С. 21-32. -DOI: 10.17116/profmed20252806121. - EDN DMWYEV.

29. Качанов И.В. Влияние плотности молочной железы на эффективность диагностических методов в онкологии / И.В. Качанов, М.М. Печаткин, И.А. Кузнецов, Е.А. Камышникова // Медицина и высокие технологии. - 2024. - № 4. - С. 51-57. - DOI: 10.34219/2306-3645-2024-14-4-51-57. - EDN PJRNQZ.

30. Клебанова О.В. Особенности ультразвуковой картины в зависимости от рецепторного статуса и биотипов рака молочной железы / О.В. Клебанова // Вопросы онкологии. - 2023. - Т. 69, № 3S. - С. 418. - БЭК WWRHLV.

31. Козлов В.В. Изменение фенотипа рака молочной железы после лечения / В.В. Козлов, М.А. Глазкова, О.А. Ткачук [и др.] // Сибирский медицинский вестник. - 2024. - Т. 8, № 2. - С. 51-55. - 001: 10.31549/2541-8289-2024-8-2-51-55. -БЭК VZZBHB.

32. Копаева Н.А. Нейросети в принятии решения при скрининге рака молочной железы / Н.А. Копаева, Д.А. Холостяков // Вопросы онкологии. - 2022. -Т. 68, № S3. - С. 379. - БЭК О№Т0О.

33. Корнеева М.А. Гистологическая гетерогенность молекулярно-биологических подтипов инвазивного рака молочной железы у женщин в возрасте до 50 лет / М.А. Корнеева, И.А. Семеник, С.Н. Рябцева, М.В. Фридман // Новости медико-биологических наук. - 2025. - Т. 25, № 4. - С. 73-81. - БЭК YEZWKC.

34. Кочеткова Я.И. Скрининг рака молочной железы у молодых женщин / Я.И. Кочеткова, О.П. Крашенков // Опухоли женской репродуктивной системы. -2022. - Т. 18, № 4. - С. 32-37. - Э01: 10.17650/1994-4098-2022-18-4-32-37.

35. Кузнецова А.В. Применение методов анализа изображений и машинного обучения для дифференциации биологических подтипов рака молочной железы / А.В. Кузнецова, Е.В. Орлова, Н.А. Петров // Онкологический журнал: лучевая диагностика, лучевая терапия. - 2023. - Т. 6, № 3. - С. 41-48. - Э01: 10.37174/25877593-2023-6-3-41-48.

36. Литвякова Е.В. Вопросы диагностики рака молочной железы / Е.В. Лит-вякова, А.С. Белякова, М.С. Денисов [и др.] // Клинический разбор в общей медицине. - 2023. - Т. 4, № 12. - С. 6-9. - Э01: 10.47407/кг2023.4.12.00323. - БЭК RASRII.

37. Матвиец О.С. Перспективы применения ультразвуковой диагностики рака молочной железы / О.С. Матвиец, А.Г. Шакирова // Вестник Сибирского института непрерывного медицинского образования. - 2023. - № 1(3). - С. 15-17. -БЭК ШНОЭХ.

38. Морозов А.М. Возможности комплексной лучевой диагностики рака молочной железы (обзор литературы) / А.М. Морозов, Д.А. Максимов, В.А. Уткина [и др.] // Вестник новых медицинских технологий. - 2024. - Т. 31, № 4. - С. 8896. - 001: 10.24412/1609-2163-2024-4-88-96. - ЕБК GWZOCV.

39. Николаева Е.А. Обзор методов визуализации для оценки ответа на лечение метастазов в кости при раке предстательной железы и молочной железы / Е.А. Николаева, Е.В. Тарачкова, Ж.В. Шейх // Кремлёвская медицина. Клинический вестник. - 2022. - № 3. - С. 107-114. - 001: 10.26269ЛуЬу-7е26.

40. Омаров М.М. Молекулярно-генетические маркеры рака молочной железы: современные достижения в понимании этиологии, прогностической ценности и терапевтических возможностей / М.М. Омаров, В.В. Трусова, Л.М. Агабекян [и др.] // Акушерство, гинекология и репродукция. - 2025. - Т. 19, № 4. - С. 575-589. - 001: 10.17749/2313-7347/оЬ.вуп.гер.2025.631. - ЕБК S0WJTP.

41. Павлова В.И. Использование искусственного интеллекта для раннего выявления рака молочной железы: результаты научно-исследовательской работы Российского общества онкомаммологов / В.И. Павлова, Ю.А. Белая, А.Ю. Воронцов [и др.] // Опухоли женской репродуктивной системы. - 2023. - Т. 19, № 2. - С. 54-60. - 001: 10.17650/1994-4098-2023-19-2-54-60.

42. Павлова Н.В. Современное представление о факторах риска и механизмах развития рака молочной железы / Н.В. Павлова, С.С. Демин, М.И. Чурносов, И.В. Пономаренко // Успехи молекулярной онкологии. - 2023. - Т. 10, № 3. - С. 15-23. - 001: 10.17650/2313-805Х-2023-10-3-15-23. - ЕБК 0ШКТИ.

43. Пак Д.Д. Подтипы рака молочной железы / Д.Д. Пак, Е.А. Рассказова, Т.В. Данилова // Опухоли женской репродуктивной системы. - 2012. - № 3-4. -С. 13-18.

44. Палванов Т.М. Профилактические осмотры молочных желез в ранней диагностике рака молочной железы / Т.М. Палванов, А.К. Алимов, У.С. Маме-дов // Новый день в медицине. - 2023. - № 3(53). - С. 70-77. - ЕБК BCWADY.

45. Панченко И.С. Молекулярно-генетические кластеры трижды негативного рака молочной железы, их клиническое и прогностическое значение /

И.С. Панченко, В.В. Родионов // Вопросы онкологии. - 2023. - Т. 69, № 3S. - С. 495-497. - EDN WJTRXN.

46. Пасынков Д.В. Сравнительный анализ эффективности трепан-биопсии изменений молочной железы под контролем ультразвукового исследования и сте-реотаксической маммографии: результаты одноцентрового рандомизированного исследования / Д.В. Пасынков, С.Е. Кокорина, Е.А. Петров [и др.] // Диагностическая и интервенционная радиология. - 2024. - Т. 18, № 1. - С. 24-34. - EDN WMYZOQ.

47. Пасынков Д.В. Системы компьютерного анализа маммограмм при скрининге рака молочной железы: как они работают и каково их место в клинической практике? (обзор иностранной литературы) / Д.В. Пасынков, Р.Ш. Хасанов, М.Г. Тухбатуллин, С.Н. Меринов // Поволжский онкологический вестник. - 2021. - Т. 12, № 2 (46). - С. 65-77.

48. Пасынков Д.В. Ультразвуковой скрининг рака молочной железы при маммографически плотной паренхиме: роль системы компьютерного анализа маммограмм (одноцентровое проспективное рандомизированное клиническое исследование) / Д.В. Пасынков, М.Г. Тухбатуллин, И.А. Егошин [и др.] // Российский электронный журнал лучевой диагностики. - 2021. - Т. 11, № 1. - С. 103113. - DOI: 10.21569/2222-7415-2021-11-1-103-113.

49. Попова Н.Н. Диагностическая ценность цветового допплеровского картирования при оценке типа васкуляризации опухолей молочной железы / Н.Н. Попова, А.М. Скопинцев, А.В. Чудаков [и др.] // Сибирский онкологический журнал. - 2019. - Т. 18, № 6. - С. 12-19. - DOI: 10.21294/1814-4861-2019-18-6-12-19.

50. Попова Н.С. Диагностические возможности маммосцинтиграфии при выявлении мультицентричных и минимальных форм рака молочной железы различных молекулярно-биологических подтипов / Н.С. Попова, С.Н. Новиков, П.И. Крживицкий [и др.] // Вопросы онкологии. - 2023. - Т. 69, № 4. - С. 708-714. -DOI: 10.37469/0507-3758-2023-69-4-708-714.

51. Пучкова О.С. Корреляции размера опухоли, морфологических её вариантов и степени злокачественности при раке молочной железы / О.С. Пучкова,

B.Е. Синицын, С.Ю. Богомазова [и др.] // Вестник Национального медико-хирургического центра им. Н.И. Пирогова. - 2019. - № 1. - С. 45-48.

52. Рожкова Н.И. Радиогеномика рака молочной железы - новый вектор междисциплинарной интеграции лучевых и молекулярно-биологических технологий (обзор литературы) / Н.И. Рожкова, В.К. Боженко, И.И. Бурдина [и др.] // Медицинский алфавит. - 2020. - № 20. - С. 21-29. - 001: 10.33667/2078-5631-202020-21-29.

53. Российский канцер-регистр 2023. Заболеваемость и смертность населения России от злокачественных новообразований в 2022 году. - Москва: МНИОИ им. П.А. Герцена - филиал ФГБУ «НМИЦ радиологии» Минздрава России, 2023. - 268 с.

54. Семиглазов В.Ф. Ранний рак молочной железы: прогностическое значение биологических подтипов (анализ кумулятивной базы данных ФГБУ «НИИ онкологии им. Н.Н. Петрова» Минздравсоцразвития) / В.Ф. Семиглазов, Р.М. Палтуев, В.В. Семиглазов [и др.] // Злокачественные опухоли. - 2013. - Т. 2, № 2. - С. 12-18.

55. Сенча А.Н. Воспалительные заболевания молочных желёз. Клинические рекомендации / А.Н. Сенча, Л.В. Адамян, Н.Е. Кан [и др.] // Акушерство и гинекология. - 2025. - № S7. - 001: 10.18565Zaig.2025.179.

56. Солодкий В.А. Искусственный интеллект в скрининге рака молочной железы (литературный обзор) / В.А. Солодкий, А.Д. Каприн, Н.В. Нуднов [и др.] // Вестник Российского научного центра рентгенорадиологии. - 2022. - Т. 22, № 4. -

C. 21-47. - Е0К VCSBDT.

57. Солодкий В.А. Возможности искусственного интеллекта в оценке риска рака молочной железы на маммографических изображениях (клинические примеры) / В.А. Солодкий, А.Д. Каприн, Н.В. Нуднов [и др.] // Вестник Российского научного центра рентгенорадиологии. - 2023. - Т. 23, № 1. - С. 24-31. - Е0К BWYQPJ.

58. Стенина М.Б. Практические рекомендации по лекарственному лечению рака молочной железы / М.Б. Стенина, Л.Г. Жукова, И.А. Королева [и др.] // Зло-

качественные опухоли. - 2021. - Т. 10, № 3s2. - С. 150-187.

59. Стрункин Д.Н. Современные аспекты систематики, диагностики и лечения рака молочной железы / Д.Н. Стрункин, В.В. Конончук, Л.Ф. Гуляева [и др.] // Опухоли женской репродуктивной системы. - 2022. - Т. 18, № 1. - С. 25-39. -Э01: 10.17650/1994-4098-2022-18-1-25-39. - БЭК ZITHFA.

60. Стяжкина С.Н. Возрастные изменения груди и опасность развития рака молочной железы / С.Н. Стяжкина, О.А. Неганова, М.Т. Кязимова [и др.] // Медицина. Социология. Философия. Прикладные исследования. - 2025. - № 5. - С. 179-182. - БЭК QIQXRX.

61. Тележникова И.М. Применение цифровой рентгенографии при морфологической оценке ответа опухоли на неоадъювантное лечение рака молочной железы / И.М. Тележникова, Л.Г. Жукова, С.Г. Хомерики [и др.] // Архив патологии. - 2023. - Т. 85, № 3. - С. 46-53. - Э01: 10.17116/ра1о120238503146. - БЭК БРТХ00.

62. Ульянова Р.Х. Контрастная спектральная двухэнергетическая маммография в диагностике рака молочной железы / Р.Х. Ульянова, А.В. Черная, П.В. Криворотько [и др.] // Лучевая диагностика и терапия. - 2022. - № S(13). -С. 113-114. - БЭК БКТВАВ.

63. Фисенко Е.П. Распределение фиброэпителиальных опухолей молочной железы в соответствии с категориями BI-RADS по данным ультразвукового исследования / Е.П. Фисенко, А.Г. Иванова // Ультразвуковая и функциональная диагностика. - 2023. - № 1. - С. 10-22. - Э01: 10.24835/1607-0771-2023-1-10-22. -БЭК

64. Ходорович О.С. Визуализация основных молекулярно-биологических подтипов рака молочной железы: сравнение маммографических данных и результатов гистологии / О.С. Ходорович, Л.Б. Канахина, А.В. Бедарев [и др.] // Опухоли женской репродуктивной системы. - 2024. - Т. 20, № 3. - С. 22-30. - Э01: 10.17650/1994-4098-2024-20-3-22-30.

65. Ходорович О.С. Кальцинаты молочной железы. Обзор литературы / О.С. Ходорович, В.А. Солодкий, В.О. Клешнева [и др.] // Опухоли женской ре-

продуктивной системы. - 2023. - Т. 19, № 4. - С. 75-82. - DOI: 10.17650/19944098-2023-19-4-75-82. - EDN MCKPTN.

66. Чекина Н. А. Роль ультразвукового исследования в диагностике раннего рака молочной железы. Клинический случай / Н.А. Чекина, А.Б. Абдураимов, Г.Е. Кветенадзе, А.К. Андронов // Онкологический журнал: лучевая диагностика, лучевая терапия. - 2023. - Т. 6, № 2. - С. 105-108. - DOI: 10.37174/2587-75932023-6-2-105-108. - EDN IRZAVS.

67. Шабаев Р.М. Факторы риска развития рака молочной железы на фоне длительного течения доброкачественных заболеваний молочной железы: 10-летнее наблюдательное исследование / Р.М. Шабаев, И.В. Колядина, Д.А. Благо-вестнов, П.М. Староконь // Опухоли женской репродуктивной системы. - 2024. -Т. 20, № 1. - С. 31-38. - DOI: 10.17650/1994-4098-2024-20-1-31-38. - EDN ZMJOCY.

68. Шевченко С.А. Эффективность методов лучевой диагностики и нейронных сетей в оценке ответа рака молочной железы на неоадъювантное лечение агрессивных молекулярных подтипов / С.А. Шевченко, Н.И. Рожкова, А.В. Дорофеев [и др.] // Вопросы онкологии. - 2024. - Т. 70, № 3. - С. 506-515. - DOI: 10.37469/0507-3758-2024-70-3-506-515.

69. Ястребова С.А. Применение мультипараметрической визуализации в диагностике подтипов рака молочной железы / С.А. Ястребова, В.М. Егоров // Опухоли женской репродуктивной системы. - 2016. - Т. 12, № 3. - С. 36-42. - DOI: 10.17650/1994-4098-2016-12-3-36-42.

70. American College of Radiology. Breast Imaging Reporting and Data System (BI-RADS): Atlas. - 5th edition. - Reston: American College of Radiology, 2013. -364 p.

71. Arthur R.S. The association between DXA-derived body fat measures and breast cancer risk among postmenopausal women in the Women's Health Initiative / R.S. Arthur, X. Xue, V. Kamensky [et al.] // Cancer Medicine. - 2020. - Vol. 9, No. 4. - P. 1581-1599. - DOI: 10.1002/cam4.2690.

72. Bahl M. Traditional versus modern approaches to screening mammography: a

comparison of computer-assisted detection for synthetic 2D mammography versus an artificial intelligence algorithm for digital breast tomosynthesis / M. Bahl, A. Kshirsagar, S. Pohlman, C.D. Lehman // Breast Cancer Research and Treatment. - 2025. - Vol. 210, No. 3. - P. 529-537. - DOI: 10.1007/s10549-024-07589-z.

73. Bakker M.F. AI-assisted selection for MRI screening in dense breasts: the ScreenTrustMRI trial / M.F. Bakker, S.V. de Lange, R.M. Pijnappel [et al.] // Nature Medicine. - 2024. - Vol. 30, No. 1. - P. 50-59. - DOI: 10.1038/s41591-023-02600-8.

74. Barazi, H. Mammography BI- RADS Grading / H. Barazi, M. Gunduru // StatPearls. - Treasure Island (FL) : StatPearls Publishing, 2025 Jan.

75. Barba D. Breast cancer, screening and diagnostic tools: all you need to know / D. Barba, A. León-Sosa, P. Lugo [et al.] // Critical Reviews in Oncology/Hematology. -2021. - Vol. 157. - Art. 103174. - DOI: 10.1016/j.critrevonc.2020.103174.

76. Bodewes F.T.H. Mammographic breast density and the risk of breast cancer: a systematic review and meta-analysis / F.T.H. Bodewes, A.A. van Asselt, M.D. Dorri-us [et al.] // The Breast. - 2022. - Vol. 66. - P. 62-68. - DOI: 10.1016/j.breast.2022.09.007.

77. Bray F. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries / F. Bray, J. Ferlay, L. Soerjomataram [et al.] // CA: A Cancer Journal for Clinicians. - 2024. - Vol. 74, No. 1. - P. 13-49. - DOI: 10.3322/caac.21834.

78. Breast Cancer Association Consortium. Breast cancer risk genes - association analysis in more than 113,000 women / L. Dorling, S. Carvalho, J. Allen [et al.] // New England Journal of Medicine. - 2021. - Vol. 384, No. 5. - P. 428-439. - DOI: 10.1056/NEJMoa1913948.

79. Cai S. Association between digital breast tomosynthesis and molecular subtypes of breast cancer / S. Cai, M. Yao, D. Cai [et al.] // Oncology Letters. - 2019. -Vol. 17, No. 3. - P. 2669-2676. - DOI: 10.3892/ol.2019.9918.

80. Chen F. Mendelian randomization analyses of 23 known and suspected risk factors and biomarkers for breast cancer overall and by molecular subtypes / F. Chen, W. Wen, J. Long [et al.] // International Journal of Cancer. - 2022. - Vol. 151, No. 3. -

P. 372-380. - DOI: 10.1002/ijc.34026.

81. Chen J. A deep learning-based multimodal medical imaging model for breast cancer screening / J. Chen, T. Pan, Z. Zhu [et al.] // Scientific Reports. - 2025. - Vol. 15, No. 1. - Art. 14696. - DOI: 10.1038/s41598-025-99535-2.

82. Cho, N. Molecular subtypes and imaging phenotypes of breast cancer / N. Cho // Ultrasonography. - 2016. - Vol. 35, no. 4. - P. 281-288. - DOI: 10.14366/usg.16030.

83. Ciurescu S. AI in 2D Mammography: Improving Breast Cancer Screening Accuracy / S. Ciurescu, S. Cerbu, C.N. Dima [et al.] // Medicina. - 2025. - Vol. 61, No. 5. - Art. 809. - DOI: 10.3390/medicina61050809.

84. Conti A. Radiomics in breast cancer classification and prediction / A. Conti, A. Duggento, I. Indovina [et al.] // Seminars in Cancer Biology. - 2021. - Vol. 72. - P. 238-250. - DOI: 10.1016/j.semcancer.2020.04.002.

85. Davey M.G. Radiomic differentiation of breast cancer molecular subtypes using pre-operative breast imaging - a systematic review and meta-analysis / M.G. Davey, M.S. Davey, M.R. Boland [et al.] // European Journal of Radiology. - 2021. - Vol. 144.

- Art. 109996. - DOI: 10.1016/j.ejrad.2021.109996.

86. Ding L. Effectiveness of organized mammography screening for different breast cancer molecular subtypes / L. Ding, M.J.W. Greuter, I. Truyen [et al.] // Cancers. (Basel). - 2022. - Vol. 14, no. 19. - Art. 4831. - DOI: 10.3390/cancers14194831.

87. Elahi, R. An updated overview of radiomics- based artificial intelligence (AI) methods in breast cancer screening and diagnosis / R. Elahi, M. Nazari // Radiol. Phys. Technol. - 2024. - Vol. 17, no. 4. - P. 795-818. - DOI: 10.1007/ s12194-024-00842-6.

88. EUSOBI, European Society of Breast Imaging. Screening with MRI in women with extremely dense breasts // European Radiology. - 2022. - Vol. 32, no. 6. - P. 4035-4045. - DOI: 10.1007/s00330-021-08309-3.

89. Fakhri N. Risk factors for breast cancer in women: an update review / N. Fakhri, M.A. Chad, M. Lahkim [et al.] // Medical Oncology. - 2022. - Vol. 39, No. 12.

- Art. 197. - DOI: 10.1007/s12032-022-01804-x.

90. Gallivanone, F. Radiogenomics, Breast Cancer Diagnosis and Characterization: Current Status and Future Directions / F. Gallivanone, G. Bertoli, D. Porro // Meth-

ods Protoc. - 2022. - Vol. 5, no. 5. - P. 78. - DOI: 10.3390/mps5050078.

91. Gong D.H. HER2 overexpression in ductal carcinoma in situ is associated with ipsilateral breast cancer recurrence after conservative surgery / D.H. Gong, J.Y. Ge, Y.Y. Chen [et al.] // Translational Cancer Research. - 2020. - Vol. 9, No. 6. - P. 3787-3793. - DOI: 10.21037/tcr-20-1481.

92. Gu J. Deep learning radiomics of ultrasonography for comprehensively predicting tumor and axillary lymph node status after neoadjuvant chemotherapy in breast cancer patients: a multicenter study / J. Gu, T. Tong, D. Xu [et al.] // Cancer. - 2023. -Vol. 129, No. 3. - P. 356-366. - DOI: 10.1002/cncr.34540.

93. Hashim H.T. Artificial intelligence versus radiologists in detecting early-stage breast cancer from mammograms: a meta-analysis of paradigm shifts / H.T. Hashim, A.Q.M. Alhatemi, M. Daraghma [et al.] // Polish Journal of Radiology. - 2025. - Vol. 90. - P. e1-e8. - DOI: 10.5114/pjr/195520.

94. Howard, F. M. Epidemiology of Triple-Negative Breast Cancer: A Review / F. M. Howard, O. I. Olopade // Cancer J. - 2021. - Vol. 27, no. 1. - P. 8-16. - DOI: 10.1097/PPO.0000000000000500.

95. Ian, T. W. M. Role of mammogram and ultrasound imaging in predicting breast cancer subtypes in screening and symptomatic patients / T. W. M. Ian, E. Y. Tan, N. Chotai // World J. Clin. Oncol. - 2021. - Vol. 12, no. 9. - P. 808-822. - DOI: 10.5306/wjco.v12.i9.808.

96. Itoh A. Breast disease: clinical application of US elastography for diagnosis / A. Itoh, E. Ueno, E. Tohno [et al.] // Radiology. - 2006. - Vol. 239, No. 2. - P. 341350. - DOI: 10.1148/radiol.2391041676.

97. Johnson, K. S. Molecular Subtypes of Breast Cancer: A Review for Breast Radiologists / K. S. Johnson, E. F. Conant, M. S. Soo // J. Breast Imaging. - 2021. -Vol. 3, no. 1. - P. 12-24. - DOI: 10.1093/jbi/wbaa110.

98. Kai C. Classifying the molecular subtype of breast cancer using vision transformer and convolutional neural network features / C. Kai, H. Tamori, T. Ohtsuka [et al.] // Breast Cancer Research and Treatment. - 2025. - Vol. 210, No. 3. - P. 771-782. - DOI: 10.1007/s10549-025-07614-9.

99. Karbasian N. Imaging features of triple negative breast cancer and the effect of BRCA mutations / N. Karbasian, S. Sohrabi, T.S. Omofoye [et al.] // Current Problems in Diagnostic Radiology. - 2021. - Vol. 50, No. 3. - P. 303-307. - DOI: 10.1067/j.cpradiol.2020.01.011.

100. Kashyap D. Global increase in breast cancer incidence: risk factors and preventive measures / D. Kashyap, D. Pal, R. Sharma [et al.] // BioMed Research International. - 2022. - Art. ID 9605439. - DOI: 10.1155/2022/9605439.

101. Kleinstern G. Association of mammographic density measures and breast cancer "intrinsic" molecular subtypes / G. Kleinstern, C.G. Scott, R.M. Tamimi [et al.] // Breast Cancer Research and Treatment. - 2021. - Vol. 187, No. 1. - P. 215-224. -DOI: 10.1007/s10549-020-06049-8.

102. Korean Breast Elastography Study Group. Practice guideline for the performance of breast ultrasound elastography / S. H. Lee, J. M. Chang, N. Cho [et al.] // Ultrasonography. - 2014. - Vol. 33, no. 1. - P. 3-10. - DOI: 10.14366/usg.13012.

103. Kudelova E. Tumor microenvironment in triple-negative breast cancer / E. Kudelova, M. Smolar [et al.] // International Journal of Molecular Sciences. - 2022. -Vol. 23, No. 23. - P. 14937.

104. Lari, S. A. Biological markers in DCIS and risk of breast recurrence: a systematic review / S. A. Lari, H. M. Kuerer // Journal of Cancer. - 2011. - Vol. 2. - P. 232-261. - DOI: 10.7150/jca.2.232.

105. Leithner D. Radiomic signatures with contrast-enhanced magnetic resonance imaging for the assessment of breast cancer receptor status and molecular subtypes: initial results / D. Leithner, J.V. Horvat, M.A. Marino [et al.] // Breast Cancer Research. -2019. - Vol. 21, No. 1. - P. 106. - DOI: 10.1186/s13058-019-1187-z.

106. Li J.W. Prediction for pathological and immunohistochemical characteristics of triple-negative invasive breast carcinomas: comparison between quantitative and qualitative sonographic feature analysis / J.W. Li, Y.C. Cao, Z.J. Zhao [et al.] // European Radiology. - 2022. - Vol. 32, No. 3. - P. 1590-1600. - DOI: 10.1007/s00330-021-08224-x.

107. Li J.W. Triple-negative invasive breast carcinoma: the association between

the sonographic appearances with clinicopathological feature / J.W. Li, K. Zhang, Z.T. Shi [et al.] // Scientific Reports. - 2018. - Vol. 8. - Art. 9040. - DOI: 10.1038/s41598-018-27222-6.

108. Li J.W. Ultrasonographic appearance of triple-negative invasive breast carcinoma and transcriptomic subtypes / J.W. Li, N. Li, Y.Z. Jiang [et al.] // Annals of Translational Medicine. - 2020. - Vol. 8, No. 7. - Art. 435. - DOI: 10.21037/atm.2020.03.204.

109. Li X. Radiomic analysis of digital breast tomosynthesis for molecular subtype classification of breast cancer using machine learning / X. Li, Y. Zhang, S. Chen [et al.] // Tomography. - 2025. - Vol. 10, No. 5. - Art. 0055. - DOI: 10.3390/tomography10050055.

110. Loibl S. Breast cancer / S. Loibl, P. Poortmans, M. Morrow [et al.] // The Lancet. - 2021. - Vol. 397, No. 10286. - P. 1750-1769. - DOI: 10.1016/S0140-6736(20)32381-3.

111. Ma W. Breast cancer molecular subtype prediction by mammographic radiomic features / W. Ma, Y. Zhao, Y. Ji [et al.] // Academic Radiology. - 2019. - Vol. 26, No. 2. - P. 196-201. - DOI: 10.1016/j.acra.2018.01.023.

112. Madani, M. The role of deep learning in advancing breast cancer detection using different imaging modalities: a systematic review / M. Madani, M. M. Behzadi, S. Nabavi // Cancers. - 2022. - Vol. 14, no. 21. - Art. 5334. - DOI: 10.3390/cancers14215334.

113. Mann, R. M. Breast MRI: state of the art / R. M. Mann, N. Cho, L. Moy // Radiology. - 2019. - Vol. 292, no. 3. - P. 520-536. - DOI: 10.1148/radiol.2019182947.

114. Mei Y. Biopsy or follow-up: AI improves the clinical strategy of US BIRADS 4A breast nodules using a convolutional neural network / Y. Mei, Y. Lin, Z. Lin [et al.] // Clinical Breast Cancer. - 2024. - Vol. 24, No. 5. - P. e319-e332.e2. - DOI: 10.1016/j.clbc.2024.02.003.

115. Mo S. Machine-learning radiomics based on intra- and peri-tumor photoa-coustic/ultrasound imaging to distinguish luminal vs non-luminal breast cancer / S. Mo, H. Luo, M. Wang [et al.] // Photoacoustics. - 2024. - Vol. 40. - Art. 100653. - DOI:

10.1016/j.pacs.2024.100653.

116. Molchanov O.E. Biomarkers and potential targets for immune and cellular therapy in triple negative breast cancer / O.E. Molchanov, D.A. Maistrenko, D.A. Granov [et al.] // Cell Therapy and Transplantation. - 2022. - Vol. 11, No. 2. - P. 16-30.

117. Moyya P. D. Radiomics in Breast Cancer Diagnosis: Review / P. D. Moyya, M. Asaithambi // Curr. Med. Imaging. - 2022. - Vol. 1 (18). - P. 3-17. - DOI: 10.2174/1573405617666210303102526.

118. Niu S. Intra- and peritumoral radiomics on assessment of breast cancer molecular subtypes based on mammography and MRI / S. Niu, W. Jiang, N. Zhao [et al.] // Journal of Cancer Research and Clinical Oncology. - 2022. - Vol. 148, No. 1. - P. 97106. - DOI: 10.1007/s00432-021-03822-0.

119. Ouyang R. Predictive deep learning-based nomogram integrating mammography, ultrasound BI-RADS, and clinical factors for BI-RADS 4A breast lesions: a multicenter retrospective study / R. Ouyang, T. Liao, Y. Yang [et al.] // Quantitative Imaging in Medicine and Surgery. - 2024. - Vol. 14, No. 12. - P. 8864-8877. - DOI: 10.21037/qims-24-1075.

120. Pesapane F. Deep learning performance for detection and classification of microcalcifications on mammography / F. Pesapane, C. Trentin, F. Ferrari [et al.] // European Radiology Experimental. - 2023. - Vol. 7, No. 1. - Art. 69. - DOI: 10.1186/s41747-023-00384-3.

121. Pizzato M. Mammographic breast density and characteristics of invasive breast cancer / M. Pizzato, G. Carioli, S. Rosso [et al.] // Cancer Epidemiology. - 2021.

- Vol. 70. - Art. 101879. - DOI: 10.1016/j.canep.2020.101879.

122. Posso M. Mammographic features of benign breast lesions and risk of subsequent breast cancer in women attending breast cancer screening / M. Posso, R. Alcántara, I. Vázquez [et al.] // European Radiology. - 2022. - Vol. 32, No. 1. - P. 621-629.

- DOI: 10.1007/s00330-021-08118-y.

123. Pulappadi V.P. Imaging features of breast cancer subtypes on mammography and ultrasonography: an analysis of 479 patients / V.P. Pulappadi, E. Dhamija, A. Baby [et al.] // Indian Journal of Surgical Oncology. - 2022. - Vol. 13, No. 4. - P. 931-

938. - DOI: 10.1007/s 13193-022-01606-7.

124. Qi Y.J. Radiomics in breast cancer: current advances and future directions / Y.J. Qi, G.H. Su, C. You [et al.] // Cell Reports Medicine. - 2024. - Vol. 5, No. 9. -Art. 101719. - DOI: 10.1016/j.xcrm.2024.101719.

125. Rana N. Mammographic parameters as predictors of molecular subtype of breast cancer: a prospective analysis / N. Rana, S. Thakur, V. Thakur [et al.] // Surgical and Experimental Pathology. - 2024. - Vol. 7. - Art. 169. - DOI: 10.1186/s42047-024-00169-x.

126. Resch D. AI-enhanced mammography with digital breast tomosynthesis for breast cancer detection: clinical value and comparison with human performance / D. Resch, R. Lo Gullo, J. Teuwen [et al.] // Radiology: Imaging Cancer. - 2024. - Vol. 6, No. 4. - Art. e230149. - DOI: 10.1148/rycan.230149.

127. Román M. Breast density, benign breast disease, and risk of breast cancer over time / M. Román, J. Louro, M. Posso [et al.] // European Radiology. - 2021. - Vol. 31, No. 7. - P. 4839-4847. - DOI: 10.1007/s00330-020-07490-5.

128. Romero-Martín S. Stand-alone use of artificial intelligence for digital mam-mography and digital breast tomosynthesis screening: a retrospective evaluation / S. Romero-Martín, E. Elías-Cabot, J.L. Raya-Povedano [et al.] // Radiology. - 2022. -Vol. 302, No. 3. - P. 535-542. - DOI: 10.1148/radiol.211590.

129. Ryu, M. J. Association Between Imaging Features Using the BI-RADS and Tumor Subtype in Patients with Invasive Breast Cancer / M. J. Ryu, Y. S. Kim, S. E. Lee // Curr. Med. Imaging. - 2022. - Vol. 18, no. 6. - P. 648-657. - DOI: 10.2174/1573405617666210520155157.

130. Sartor H. Association of mammographic features with molecular breast tumor profiles / H. Sartor, S. Zackrisson, C. Hegardt, C. Larsson // Cancer Treatment and Research Communications. - 2021. - Vol. 28. - Art. 100387. - DOI: 10.1016/j.ctarc.2021.100387.

131. Schiaffino S. Upgrade rate of percutaneously diagnosed pure atypical ductal hyperplasia: systematic review and meta-analysis of 6458 lesions / S. Schiaffino, M. Calabrese, E.F. Melani [et al.] // Radiology. - 2020. - Vol. 294, No. 1. - P. 76-86. -

DOI: 10.1148/radiol.2019190748.

132. Schopf C.M. Artificial intelligence-driven mammography-based future breast cancer risk prediction: a systematic review / C.M. Schopf, O.A. Ramwala, K.P. Lowry [et al.] // Journal of the American College of Radiology. - 2024. - Vol. 21, No. 2. - P. 319-328. - DOI: 10.1016/j.jacr.2023.10.018.

133. Sezgin G. Tumor size estimation of the breast cancer molecular subtypes using imaging techniques / G. Sezgin, M. Apaydin, D. Etit, M.K. Atahan // Medical and Pharmaceutical Reports. - 2020. - Vol. 93, No. 3. - P. 253-259. - DOI: 10.15386/mpr-1476.

134. Shaikh, S. Predicting Molecular Subtypes of Breast Cancer with Mammog-raphy and Ultrasound Findings: Introduction of Sono-Mammometry Score / S. Shaikh, A. Rasheed // Radiol. Res. Pract. - 2021. - Article ID 6691958. - 8 p. - DOI: 10.1155/2021/6691958.

135. Siegel R.L. Cancer statistics, 2022 / R.L. Siegel, K.D. Miller, H.E. Fuchs, A. Jemal // CA: A Cancer Journal for Clinicians. - 2022. - Vol. 72, No. 1. - P. 7-33. -DOI: 10.3322/caac.21708.

136. Spak D.A. BI-RADS® 5th edition: a summary of changes / D.A. Spak, J.S. Plaxco, L. Santiago, M.J. Dryden // Diagnostic and Interventional Imaging. - 2017. -Vol. 98, No. 3. - P. 179-190. - DOI: 10.1016/j.diii.2017.01.001.

137. Stefano A. Comparative evaluation of machine learning-based radiomics and deep learning for breast lesion classification in mammography / A. Stefano, F. Bini, E. Giovagnoli [et al.] // Diagnostics. - 2025. - Vol. 15, No. 8. - Art. 953. - DOI: 10.3390/diagnostics 15080953.

138. Sturesdotter L. Mammographic tumour appearance is related to clinico-pathological factors and surrogate molecular breast cancer subtype / L. Sturesdotter, M. Sandsveden, K. Johnson [et al.] // Scientific Reports. - 2020. - Vol. 10. - Art. 20814. -DOI: 10.1038/s41598-020-77053-7.

139. Tagliafico A.S. Overview of radiomics in breast cancer diagnosis and prognostication / A.S. Tagliafico, M. Piana, D. Schenone [et al.] // The Breast. - 2020. -Vol. 49. - P. 74-80. - DOI: 10.1016/j.breast.2019.10.018.

140. Tan P.S. Mammography features for early markers of aggressive breast cancer subtypes and tumor characteristics: a population-based cohort study / P.S. Tan, M.A. Ali, M. Eriksson [et al.] // International Journal of Cancer. - 2021. - Vol. 148, No. 6. -P. 1351-1359. - DOI: 10.1002/ijc.33309.

141. Tian Y. Quantitative mammographic density measurements and molecular subtypes in Chinese women with breast cancer / Y. Tian, J.L. Guida, H. Koka [et al.] // JNCI Cancer Spectrum. - 2020. - Vol. 5, No. 1. - Art. pkaa092. - DOI: 10.1093/jncics/pkaa092.

142. Traverso A. Repeatability and reproducibility of radiomic features: a systematic review / A. Traverso, L. Wee, A. Dekker, R. Gillies // International Journal of Radiation Oncology, Biology, Physics. - 2018. - Vol. 102, No. 4. - P. 1143-1158. -DOI: 10.1016/j.ijrobp.2018.05.053.

143. Turashvili, G. Tumor heterogeneity in breast cancer / G. Turashvili, E. Brogi // Front Med. - 2017. - Vol. 4. - P. 227.

144. U. S. Preventive Services Task Force. Breast Cancer: Screening. Recommendation Statement // JAMA. - 2024. - Vol. 331, no. 17. - P. 1549-1557. - DOI: 10.1001/jama.2024.2107.

145. van den Brandt P.A. Body size and weight change over adulthood and risk of breast cancer by menopausal and hormone receptor status: a pooled analysis of 20 prospective cohort studies / P.A. van den Brandt, R.G. Ziegler, M. Wang [et al.] // European Journal of Epidemiology. - 2021. - Vol. 36, No. 1. - P. 37-55. - DOI: 10.1007/s10654-020-00688-3.

146. Waks, A. G. Breast cancer treatment: a review / A. G. Waks, E. P. Winer // JAMA. - 2019. - Vol. 321, no. 3. - P. 288-300. - DOI: 10.1001/jama.2018.19323.

147. Wahab R.A. Upgrade rate of pure flat epithelial atypia diagnosed at core needle biopsy: a systematic review and meta-analysis / R.A. Wahab, S.J. Lee, M.E. Mulligan [et al.] // Radiology: Imaging Cancer. - 2021. - Vol. 3, No. 1. - Art. e200116. - DOI: 10.1148/rycan.2021200116.

148. Weaver, M. Benign Breast Disorders / M. Weaver, A. Stuckey // Obstet Gy-necol. Clin. North Am. - 2022. - Vol. 49, no. 1. - P. 57-72. - DOI: 10.1016/

j.ogc.2021.11.003.

149. Wu T. Identification of a correlation between the sonographic appearance and molecular subtype of invasive breast cancer: a review of 311 cases / T. Wu, J. Li, D. Wang [et al.] // Clinical Imaging. - 2019. - Vol. 53. - P. 179-185. - DOI: 10.1016/j.clinimag.2018.10.020.

150. Xu Z. Optimizing breast lesion diagnosis with deep learning fusion of ultrasound and mammography in BI-RADS discordant cases: a dual-center retrospective study / Z. Xu, S. Zhong, Y. Gao [et al.] // Breast Cancer Research. - 2025. - Vol. 27, No. 1. - Art. 80. - DOI: 10.1186/s13058-025-02033-6.

151. Yang X. Radiomics integration of mammography and DCE-MRI for predicting molecular subtypes in breast cancer patients / X. Yang, J. Li, H. Sun [et al.] // Breast Cancer: Targets and Therapy. - 2025. - Vol. 17. - P. 187-200. - DOI: 10.2147/BCTT.S488200.

152. Yang Y. Deep learning combining mammography and ultrasound images to predict malignancy of BI-RADS US 4A lesions in dense breasts: a diagnostic study / Y. Yang, Y. Zhong, J. Li [et al.] // International Journal of Surgery. - 2024. - Vol. 110, No. 5. - P. 2604-2613. - DOI: 10.1097/JS9.0000000000001186.

153. Yip, S. S. Applications and limitations of radiomics / S. S. Yip, H. J. Aerts // Physics in Medicine & Biology. - 2016. - Vol. 61, no. 13. - P. R150-R166. - DOI: 10.1088/0031-9155/61/13/R150.

154. Zaridze, D. Prospects of using artificial intelligence for improving cancer screening efficacy / D. Zaridze // Public Health. - 2024. - Vol. 4, no. 4. - P. 24-42. -DOI: 10.21045/2782-1676-2024-4-4-24-42.

155. Zhang T. Predicting breast cancer types on and beyond molecular level in a multi-modal fashion / T. Zhang, T. Tan, L. Han [et al.] // NPJ Breast Cancer. - 2023. -Vol. 9, No. 1. - Art. 16. - DOI: 10.1038/s41523-023-00517-2.

156. Zhu J.Y. Multimodal ultrasound features of breast cancers: correlation with molecular subtypes / J.-Y. Zhu, H.-L. He, X.-C. Jiang [et al.] // BMC Medical Imaging. - 2023. - Vol. 23, No. 1. - Art. 57. - DOI: 10.1186/s12880-023-00999-3.

157. Zhu Y. Predicting molecular subtypes of breast cancer using MRI-based ra-

diomics / Y. Zhu, S. Wang, W. Xiang [et al.] // European Radiology. - 2023. - Vol. 33, No. 2. - P. 1129-1138. - DOI: 10.1007/s00330-022-09283-0.