Imágenes de ultrasonido mejoradas con inteligencia artificial para la detección de nódulos tiroideos y la...

Área de la Ciencia:

• Imágenes médicas
• La inteligencia artificial en la medicina
• En el campo de la oncología

Sus antecedentes:

• Los nódulos tiroideos son comunes, lo que requiere un diagnóstico preciso para un tratamiento eficaz.
• El diagnóstico tradicional de ultrasonido se basa en la experiencia del médico, lo que lleva a la variabilidad.
• La inteligencia artificial (IA) en imágenes médicas puede mejorar la precisión y la eficiencia del diagnóstico.

Objetivo del estudio:

• Evaluar el modelo You Only Look Once v. 11 (YOLOv11) para la detección y clasificación de nódulos tiroideos.
• Para evaluar la eficacia de YOLOv11 en el análisis de imágenes de ultrasonido.
• Apoyar la toma de decisiones clínicas en tiempo real y mejorar los flujos de trabajo de diagnóstico.

Principales métodos:

• Utilizó el modelo YOLOv11 en 1.503 imágenes de ultrasonido de tiroides (742 benignas, 778 malignas).
• Empleó el aumento de datos y el aprendizaje de transferencia para la optimización del modelo.
• Comparó el rendimiento de YOLOv11 con otras variantes de YOLO y ResNet50.

Principales resultados:

• YOLOv11 demostró un rendimiento superior a otras variantes de YOLO y ResNet50.
• En IoU 0,5, YOLOv11 logró una precisión (P) de 0,841 y una recuperación (R) de 0,823.
• YOLOv11 mostró P y R altos tanto para nódulos benignos como malignos, con un rendimiento variable según el umbral de IoU.

Conclusiones:

• YOLOv11 es una herramienta poderosa para la detección de nódulos tiroideos y la clasificación de tumores malignos.
• El modelo ofrece alta precisión y rendimiento en tiempo real, crucial para el ultrasonido dinámico.
• El trabajo futuro ampliará los conjuntos de datos y validará la utilidad clínica en entornos de tiempo real.