Алгоритм диагностики и лечения доброкачественных заболеваний молочных желёз у женщин

Цель исследования. Оценка эффективности алгоритма диагностики и лечения доброкачественных заболеваний молочных желёз у женщин.

Материал и методы исследования. Было обследовано 290 пациенток с доброкачественными новообразованиями молочных желёз, госпитализированных в гинекологическое отделение Института акушерства, гинекологии и перинатологии МЗ и СЗН РТ в период с 2015 по 2022 годы. В нашей работе, среди обследованных пациенток, не отмечалось случаев инвалидизации и летальных исходов. В исследование были включены женщины детородного периода. Возраст обследованных пациенток колебался от 18 до 45 лет. При этом средний возраст пациенток составил 23,4±24 года

Результаты исследования и их обсуждение. Разработанный алгоритм включает целый ряд диагностических и лечебных манипуляций, значительно упростивший процесс выявления заболеваний молочных желёз, а также повышающий эффективность терапии.

Заключение. Алгоритм удобен и эффективен в применении у пациентов данной категории. Благодаря его использованию удалось снизить развитие неблагоприятных процессов, а также осложнений у пациентов с доброкачественными заболеваниями молочных желёз и сопутствующей патологией органов гениталий.

1. Жерулик С.В. Каталитическая активность сывороток и иммуноглобулинов классов G и А у пациенток с новообразованиями молочной железы / С.В. Жерулик, Н.Г. Луд, И.И. Генералов // Иммунопатология, Аллергология, Инфектология. – 2022. – №3. – С. 7.

2. Покуль Л.В. Динамика ангиогенеза в узловой форме доброкачественной дисплазии молочной железы на фоне терапии алколоидами, флавоноидами и гликозидами / Л.В. Покуль и др. // Гинекология. – 2022. – Т24, №4. – С. 289-293.

3. Пушкарев А.В. Доброкачественные опухоли молочной железы и факторы риска их развития / А.В. Пушкарев и др. // Уральский медицинский журнал. – 2022. – Т21б, №5. – С. 128-137.

4. Серебрякова С.В. Магнитно-резонансная маммография в диагностике гистологического класса филлоидных опухолей / С.В. Серебрякова и др. // Медицинская визуализация. – 2023. – Т27, №1. – С. 12-21.

5. Саидов М.С. Гигантская фиброаденома молочной железы у девочки подросткового возраста. / М.С. Саидов, Г.М. Ходжамурадов, М.М. Исмоилов, А.Х. Шаймонов // Пластическая хирургия и эстетическая медицина, 2023. №1. – С. 48–52.

6. Чёрная А.В. Контрастная спектральная двухэнергетическая маммография–инструмент точной диагностики онкопатологии на фоне плотной ткани молочной железы / А.В. Чёрная и др. // Медицинская визуализация, – 2023. –Т28, №1. – С. 2-11.

7. Шаханова Ш.Ш. Опухоли молочных желез у девочек подросткового возраста / Ш.Ш. Шаханова, Н.М. Рахимов, П.И. Зарипова // Журнал биомедицины и практики. – 2022. – Т7, №.3. – С. 112 – 116.

8. Юсупова З.Ш. К вопросу патологии молочной железы / З.Ш. Юсупова, Г.З. Исомадинова // MEDICUS. – 2022. – №. 3. – С. 42-45.

9. Chen H. Breast Tumor Classification in Ultrasound Images by Fusion of Deep Convolutional Neural Network and Shallow LBP Feature. Journal of Digital Imaging, 2023, No. 1, pp. 1-15.

10. Lin C.X. Diagnostic value of multiple b-value diffusion-weighted imaging in discriminating the malignant from benign breast lesions. BMC Medical Imaging, 2023, Vol. 23, No. 1, pp. 1-12.

11. Modi O. Breast tumor detection in ultrasound images using artifi ial intelligence. Applications of Artificial Intelligence in Medical Imaging, 2023, No. 1, pp. 137-181.

12. Ni Y. Spindle Cell Lesions of the Breast: A Diagnostic Algorithm. Archives of Pathology & Laboratory Medicine, 2023, Vol. 147, No. 1, pp. 30-37.

13. Tan B.Y. Survey of recurrent diagnostic challenges in breast phyllodestumours. Histopathology, 2023, Vol. 82, No. 1, pp. 95-105.

14. Wang T. Feature generation and multisequence fusion based deep convolutional network for breast tumor diagnosis with missing MR sequences. Biomedical Signal Processing and Control, 2023, Vol. 82, pp. 104536.

15. Zhao T. The study of segmentation and recognition technology of breast tumor ultrasound image based on adaptive BP neural network. Third International Conference on Computer Vision and Data Mining (ICCVDM 2022). SPIE Publ., 2023. pp. 799-805.