Cuantificación basada en el aprendizaje automático de las características generales e internas del ultrasonido para...

Área de la Ciencia:

• Radiología e imágenes médicas
• La inteligencia artificial en la medicina
• En el campo de la oncología

Sus antecedentes:

• Los nódulos tiroideos parcialmente quísticos (PCTN) con potencial maligno a menudo se subestiman debido a sus características sonográficas sutiles.
• La diferenciación precisa de los PCTN benignos de los malignos es crucial para el tratamiento adecuado de los pacientes.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático (ML) para mejorar la detección del potencial maligno en PCTNs utilizando características integrales de ultrasonido.
• Evaluar el rendimiento diagnóstico de un modelo ML integrado que incorpore características de ultrasonido de nódulos globales e internos.

Principales métodos:

• Análisis retrospectivo de 486 PCTN con aprendizaje automático (ML) aplicado a la evaluación cuantitativa por ultrasonido.
• Desarrollo de tres modelos de diagnóstico utilizando las características generales del nódulo, las características internas de la parte sólida y un enfoque integrado.
• El conjunto de datos se dividió en una proporción de 7: 3 para la capacitación y las pruebas, enfatizando las características clave del ultrasonido, como la hipoecogenia marcada y las calcificaciones.

Principales resultados:

• El modelo ML integrado logró un rendimiento de diagnóstico superior con un área bajo la curva (AUC) de 0,96 (0,93-0,99) en los datos de prueba.
• Este modelo completo demostró una alta precisión (0,91), sensibilidad (0,88) y especificidad (0,92) en la identificación de los PCTN malignos.
• El modelo integrado superó significativamente a un modelo que utilizaba solo las características generales del nódulo (AUC=0,85).

Conclusiones:

• Un enfoque basado en ML que integra métricas integrales de ultrasonido ofrece una utilidad clínica para la identificación confiable de PCTN malignos.
• Esta herramienta impulsada por IA puede ayudar a los médicos a evaluar mejor el riesgo de cáncer maligno en nódulos tiroideos parcialmente quísticos.
• Se recomienda una mayor validación de este modelo integrado de ML para su adopción clínica generalizada.