人工智能增强的红外热像作为甲状腺恶性瘤检测的诊断工具
Panpicha Chantasartrassamee1, Boonsong Ongphiphadhanakul1, Ronnarat Suvikapakornkul2
1Division of Endocrinology and Metabolism, Department of Medicine, Faculty of Medicine Ramathibodi Hospital, Mahidol University, Bangkok, Thailand.
Annals of medicine
|November 8, 2024
概括
红外热成像与人工智能 (AI) 结合,显示出用于检测甲状腺癌的前景. 这种非侵入性工具在区分恶性和良性甲状腺结节方面达到75%的准确性.
科学领域:
- 医学成像医学成像
- 医学中的人工智能.
- 在瘤学瘤学.
背景情况:
- 甲状腺结节很常见,需要进行调查以排除恶性瘤.
- 在恶性瘤中增加的内管血管性与皮肤表面温度升高相关.
- 非侵入性的红外热学可以检测到这些温度变化.
研究的目的:
- 开发一种用于甲状腺癌检测的诊断工具.
- 为了评估红外热图像与人工智能 (AI) 算法结合用于恶性瘤诊断的疗效.
主要方法:
- 一项前性横截面研究,涉及98名患有甲状腺结节的参与者.
- 在手术前采集的红外热图像使用热摄像头.
- 机器学习模型 (ResNet50V2) 应用于用于恶性瘤诊断的热图,根据病理报告进行验证.
主要成果:
- 这项研究包括58个恶性和40个良性甲状腺结节.
- 人工智能增强的红外热成像实现了75%的准确度和78%的灵敏度,可以区分恶性和良性结节.
- 这些结果略低于将超声波和细胞学整合起来的人工智能预测 (81%的准确率,84%的灵敏度).
结论:
- 人工智能辅助的红外热成像在区分甲状腺恶性瘤方面表现良好.
- 这种非侵入性成像模式显示出作为查工具的潜力,用于对甲状腺结节的辅助评估.
- 进一步的研究可能会提高它对甲状腺癌的诊断能力.
