人工智能在提高TI-RADS诊断准确性的价值 4类结节
Min Lai1, Bojian Feng2, Jincao Yao3
1Second Clinical Medical College of Zhejiang Chinese Medical University, Hangzhou, China; Taizhou Cancer Hospital, Taizhou, China; Key Laboratory of Minimally Invasive Interventional Therapy and Big Data Artificial Intelligence in Medicine of Taizhou, Taizhou, China.
Ultrasound in medicine & biology
|August 31, 2023
概括
人工智能,特别是融合模型,在诊断恶性甲状腺结节 (TR4) 中超过了经验丰富的放射科医生. 这种人工智能集成有望改善甲状腺成像中的术前风险评估.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 甲状腺成像报告和数据系统 (TI-RADS) 将甲状腺结节归类为第四类,在恶性瘤率中表现出显著的变化.
- 准确区分良性和恶性TI-RADS 4 (TR4) 结节对于适当的患者管理至关重要.
研究的目的:
- 将人工智能 (AI) 算法的诊断性能与在分类良性和恶性TR4结节方面具有不同经验水平的放射科医生进行比较.
- 评估传统机器学习 (ML) 模型,深度卷积神经网络 (DCNN) 和新型融合模型的有效性.
主要方法:
- 对1117个具有确定的病理发现的TR4结节进行了回顾性分析.
- 多个AI模型 (ML,DCNNs,融合模型) 和放射科医生的表现使用125个TR4结节的独立外部数据集进行了评估.
- 通过使用接收器操作特征曲线 (AUROC) 下的面积和五倍交叉验证方法来评估诊断性能.
主要成果:
- 在DCNN模型 (InceptionV3,DenseNet121,ResNet50) 中,AUROC比传统的ML模型 (0.767-0.790) 和经验丰富的放射科医生 (0.815) 高 (0.852-0.856).
- 开发的融合诊断模型表现出卓越的性能,AUROC为0.880,超过了经验丰富的放射科医生.
- 人工智能模型,特别是融合模型,在区分良性和恶性TR4结节方面显示出更高的准确性.
结论:
- 人工智能算法,特别是融合模型,在TR4结节方面,与经验丰富的放射科医生相比,具有更高的诊断性能.
- 将人工智能集成到医学成像中可以显著提高高风险甲状腺结节手术前风险分层的准确性.
- 人工智能具有显著的临床潜力,可以提高甲状腺结节的诊断准确性和管理.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.5K
08:08Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence
Published on: June 10, 2025
74
