对AI-SONICTM甲状腺系统和六个甲状腺风险分层指南在乳腺甲状腺癌中的比较分析:回顾性队列研究
Mingyan Wang1,2,3, Siyuan Yang1,2,3, Linxin Yang1,2,3
1Ultrasound Department of Shengli Clinical Medical College of Fujian Medical University, Fuzhou City, Fujian Province, 350001, People's Republic of China.
Therapeutics and clinical risk management
|August 28, 2024
概括
AI-SONICTM 甲状腺系统的诊断性能与已建立的甲状腺结节超声波风险分层系统相美. 它获得了最高的观察者间一致性,这表明诊断的一致性有所改善,特别是在具有囊性成分的结节方面.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 内分泌学 在内分泌学.
背景情况:
- 甲状腺结节需要准确的风险分层,以实现最佳的患者管理.
- 现有的超声波风险分层系统具有不同的诊断性能和观察者之间的协议.
- AI-SONICTM提供了一种新的甲状腺结节评估方法.
研究的目的:
- 将AI-SONICTM的诊断性能与六个已建立的甲状腺结节超声波风险分层系统进行比较.
- 用AI-SONICTM和其他系统评估超声波检查人员之间的观察者间协议.
- 为了确定AI-SONICTM是否对特定的结节类型表现出卓越的准确性,例如具有囊性成分的结节类型.
主要方法:
- 从经过超声波和手术 (2010-2022) 的患者获得的370个甲状腺结节 (195个乳头甲状腺癌,175个良性) 的回顾性分析.
- 三位拥有2,5年和10年经验的超声波检查人员使用了AI-SONICTM和六个风险分层指南.
- 评估了诊断性能 (灵敏度,特异性,准确性) 和观察者之间的一致性 (肯达尔的值).
主要成果:
- AI-SONICTM显示中度灵敏度 (82.56%-84.62%) 和特异性 (84.0%-85.71%),而AACE/ACE/AME获得更高的灵敏度 (95.38%-96.41%) 和KSThR更高的特异性 (85.14%-85.71%).
- ATA显示了最高的精度 (87.26%-88.82%),AI-SONICTM的精度达到83.24%-85.14%.
- 所有方法都显示出强/中等的观察者间一致性 (肯德尔的tau>0.6),AI-SONICTM显示出最高的一致性 (肯德尔的tau=0.995).
- 在有囊性成分的结核中,AI-SONICTM的准确性更高 (回归系数=0.983,P=0.002).
结论:
- AI-SONICTM和其他系统在乳头甲状腺癌的诊断性能很高.
- 在所有方法中都观察到一致的观察者间协议,AI-SONICTM 卓越.
- AI-SONICTM可能为含有囊性成分的甲状腺结节提供更高的准确性.
