人工智能在超声波图像上解释甲状腺结节的诊断性能:一个多中心回顾性研究

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 甲状腺结节经常通过超声波检测,这是早期恶性瘤检测的关键方法.
• 诊断的准确性受到放射科医生的专业知识,设备质量和成像技术的限制.
• 计算工具对于支持甲状腺结节诊断和克服变异性至关重要.

研究的目的:

• 评估一个人工智能 (AI) 驱动的系统用于甲状腺结节评估.
• 为了比较人工智能系统的诊断性能与经验丰富的放射科医生和放射科住院医生.
• 评估AI在多个泰国医疗中心的临床实践中的整合.

主要方法:

• 从2015年1月到2021年3月,对600张甲状腺超声波图像进行了回顾性研究.
• 人工智能系统的性能与经验丰富的放射科医生和第三年放射科医生进行了比较.
• 用于验证的超声波引导细针吸收 (FNA) 的细胞学发现.

主要成果:

• 人工智能系统表现出卓越的诊断性能,具有更高的灵敏度和与经验丰富的放射科医生相比的特异性.
• 在Siriraj医院,AI实现了90.0%的灵敏度和100.0%的特异性.
• 人工智能与人类观察者显示了公平的协议 (K=0.37/0.33),表明了一致的性能.

结论:

• 人工智能集成可以提高放射科医生对甲状腺结节的诊断准确度.
• 人工智能系统作为一个有价值的支持工具,而不是取代临床医生.
• 人工智能有望提高甲状腺结节的诊断和高精度的管理.