人工知能ベースのTIRADSアルゴリズムの診断性能と,既存の甲状腺結節分類システムの比較
Abdilkadir Bozkuş1, Yeliz Başar1, Koray Güven2
1Acıbadem Maslak Hospital, Clinic of Radiology, İstanbul, Türkiye.
Diagnostic and interventional radiology (Ankara, Turkey)
|September 1, 2025
まとめ
人工知能ベースの甲状腺画像報告およびデータシステム (AI-TIRADS) は,他のシステムと比較して甲状腺結節の特徴付けに優越した特異性を示しています. このAI- TIRADSは不必要な生検を減らし,甲状腺の結節に対する患者の管理を改善します.
科学分野:
- 放射線科
- 腫瘍学
- 人工知能
背景:
- 甲状腺の結節は一般的であり,適切な管理には正確なリスク分層が不可欠です.
- 甲状腺画像報告およびデータシステム (TIRADS) は,ノードルの評価を標準化するために存在します.
- AI-TIRADSのような新しいシステムの診断性能には 徹底的な評価が必要です
研究 の 目的:
- AI-TIRADSを含む複数のTIRADS分類の診断性能を比較する.
- AI-TIRADSの有効性を評価し,特異性を向上させ,不要な生検を減らす.
- 疑わしい超音波の特徴が悪性腫瘍のリスクに与える影響を評価する.
主な方法:
- 細胞病理学的診断を受けた1,139人の患者からの1,322個の甲状腺ノードルの遡及分析.
- ACR-TIRADS,ATA-TIRADS,EU-TIRADS,K-TIRADS,AI-TIRADSを用いたノドルの評価は3人の独立した放射線学者によって行われました.
- 感度,特異性,PPV,NPVを含む診断性能指標の評価,McNemar試験による比較
主要な成果:
- AI- TIRADSは,ACR- TIRADS (44. 6%),ATA- TIRADS (39. 3%),EU- TIRADS (40. 1%),およびK- TIRADS (40. 1%) に比べて,より高い特異性を示した (P < 0. 001).
- AI- TIRADSは,診断の精度を損なうことなく,高い感度を維持しました.
- 複数の疑わしい超音波特征の存在は,悪性腫瘍のリスクを有意に増加させる.
結論:
- AI-TIRADSは,診断特異性を向上させることで,甲状腺結節リスクの階層化を高めることに大きな希望を示しています.
- AI- TIRADSは不必要な甲状腺生検の減少につながり,患者の管理を最適化します.
- この研究は,甲状腺ノドルの評価における医療資源利用の効率化におけるAI-TIRADSの可能性を強調しています.
さらに関連する動画
05:41Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis
Published on: February 9, 2024
730
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
193
