甲状腺のC-TIRADSカテゴリー4ノードルの診断精度向上:グレースケールと弾性超音波の特徴を統合したハイブリッド深層学習と機械学習モデル
Daoyuan Zou1,2, Fei Lyu3, Yiqi Pan1,4
1Department of Radiology, Nanjing Drum Tower Hospital Clinical College of Nanjing Medical University, Nanjing, China.
Quantitative imaging in medicine and surgery
|September 2, 2025
まとめ
人工知能モデルであるC-TNetは 超音波データを用いて 良性から悪性 甲状腺の結節を効果的に区別します このAIツールは 専門医に匹敵する性能で 甲状腺がんの正確な診断に 役立ちます
科学分野:
- 医療用イメージング
- 医療における人工知能
- 腫瘍学
背景:
- 甲状腺がんの正確な診断は 患者のケアに不可欠です
- 人工知能 (AI) は診断の精度を向上させる可能性を秘めています
- 甲状腺ノードルリスクの分層はC-TIRADSのようなガイドラインに依存しています
研究 の 目的:
- 良性および悪性甲状腺結節の区別のためのAIモデル,C-TNetを開発し,検証する.
- 超音波と弾性画像を用いてC-TNetのC-TIRADSカテゴリー4のノードルの性能を評価する.
- C-TNetの診断能力を人間の専門家と別のAIモデル (BMNet) と比較する.
主な方法:
- C- TIRADSカテゴリー4の甲状腺ノードルを持つ3545人の患者群を分析した.
- C-TNetモデルは,画像機能を使用して訓練され,ランダムフォレストを含む6つの分類アルゴリズムと統合されました.
- 性能は,内部および外部検証セットを使用して,上級医師とBMNetと比較して評価されました.
主要な成果:
- C-TNetは,超音波と弾性撮影データを用いたランダムな森林分類器と深層神経ネットワーク機能を統合しています.
- モデルでは,甲状腺ノドルの微分化において,曲線下の面積 (AUC) が0. 873に達した.
- C- TNetの性能は,上級医師の性能と同等であった (AUC: 0. 868).
結論:
- C-TNetモデルは,良性と悪性の甲状腺結節を区別する上で高い有効性を示しています.
- AIモデルは,異なる臨床環境で一般化できることを示しています.
- C-TNetは,甲状腺ノドルのリスクの階層化を改善するための貴重な意思決定支援ツールとして機能します.
