美国甲状腺结节:人工智能辅助诊断系统可以与精细针吸收竞争吗?
Tianhan Zhou1,2, Lei Xu3, Jingjing Shi1
1Department of Surgical Oncology, Affiliated Hangzhou First People's Hospital, Zhejiang University School of Medicine, Hangzhou, China.
European radiology
|August 24, 2023
概括
人工智能 (AI) 系统为诊断甲状腺结节提供了一个非侵入性的替代方案,其性能与基因分析的细针吸收 (FNA) 相似. 这一进步有望帮助放射科医生,并可能减少对侵入性活检的需求.
科学领域:
- 医学成像和诊断 医学成像和诊断
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 甲状腺结节很常见,准确的诊断对于适当的管理至关重要.
- 精细针吸收 (FNA) 与细胞病理学和基因突变分析是标准的诊断工具.
- 人工智能系统对甲状腺结节的诊断性能是一个新兴的研究领域.
研究的目的:
- 为了比较人工智能系统的诊断准确性,单独使用FNA细胞病理学,并与甲状腺结节的BRAFV600E突变分析相结合.
- 评估AI在不确定的甲状腺结节类别中的性能.
主要方法:
- 分析了来自三个医院的637个甲状腺结节的超声波图像.
- 诊断疗效 (灵敏度,特异性,准确性,k系数) 与黄金标准进行了比较.
- 人工智能系统的性能在回顾性和前性队列上得到验证.
主要成果:
- 在回顾和前的队列中,AI系统的准确性与FNA细胞病理学 (单独或与基因分析) 并没有显著不同.
- 对于不确定的结节 (贝塞斯达类别III和IV),人工智能系统显示出高精度 (84.44%),灵敏度 (95.45%) 和特异性 (73.91%).
结论:
- 人工智能诊断系统的性能与FNA细胞病理学相比,使用BRAFV600E对甲状腺结节的突变分析.
- 人工智能在操作性,时间效率和非侵入性方面具有优势,为甲状腺结节诊断提供了可行的替代方案.
- 人工智能可以协助放射科医生进行查,并可能减少侵入性FNA程序.
