甲状腺疾患の診断支援を目的としたAIモデル「THMSNet」

科学分野:

• 医用画像処理
• 人工知能
• 内分泌学

背景:

• 甲状腺疾患の診断は、良性および悪性結節の鑑別に依存します。
• 超音波検査やTI-RADSなどの従来の診断方法は、術者間の一貫性の欠如や時間的制約などの限界があります。
• CNNやTransformerなどの深層学習モデルは有望ですが、マルチスケール特徴やグローバルな依存関係の扱いに苦労しています。

研究 の 目的:

• 正確な甲状腺結節診断のための高度な深層学習モデルを開発すること。
• 既存の診断方法および深層学習アプローチの限界を克服すること。
• 甲状腺疾患管理における臨床的意思決定を改善すること。

主な方法:

• マルチスケール特徴のためのピラミッド構造と長距離依存関係のためのMambaを統合したハイブリッドアーキテクチャであるTHMSNetを提案しました。
• 特徴表現を強化するために、シリアルチャネル空間アテンションモジュール（SCSAM）を組み込みました。
• 病理学的基準と予測を一致させるために、Truth-Value Calibration（TVC）アルゴリズムを利用しました。
• 7,288件の甲状腺超音波画像（良性3,282件、悪性4,006件）で評価しました。

主要な成果:

• THMSNetは精度91.15%、再現率93.28%、AUROC 96.92%を達成しました。
• ResNet（精度86.03%）およびDenseNet（AUROC 95.50%）を上回りました。
• アブレーションスタディにより、各モジュール（ピラミッドアーキテクチャ（+7.83%精度）、Mamba（+2.99%）、SCSAM（+6.94%）、TVC（+6.94%））による大幅なパフォーマンス向上が実証されました。

結論:

• THMSNetは、甲状腺結節診断のための堅牢で臨床的に適用可能なソリューションを提供します。
• このモデルは、高度な特徴抽出、アテンションメカニズム、および確率キャリブレーションを組み合わせて、高い精度を実現します。
• THMSNetは、臨床現場で放射線科医を支援する貴重なツールとして機能します。