研究基于人工智能的临床决策支持系统在降低甲状腺结节细针吸收率方面的表现:试点研究

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 甲状腺结节很常见,精细针吸收 (FNA) 是一个关键的诊断工具.
• 准确的诊断至关重要,以区分良性和恶性结节,避免不必要的手术.

研究的目的:

• 评估基于AI的决策支持 (Koios决策支持TM) 对甲状腺结节的超声波评估的临床影响.
• 评估人工智能的潜力,以减少不必要的细针愿望.

主要方法:

• 用FNA研究的甲状腺结节的超声波图像的回顾性试点研究.
• 人工智能建议与超声波发现和手术组织学作为基本真理的比较.

主要成果:

• 人工智能建议在53%的组织学上良性结节中避免FNA.
• 敏感度为85.7%,特异性为53.3%.
• 一个潜在的癌症病例可能已经错过了基于AI的决定.

结论:

• 人工智能可以提高甲状腺结节评估的特异性,而不会显著影响敏感性.
• 观察到良性结节的FNA比率的潜在降低.
• 建议进行更大规模的研究,以进一步验证AI在甲状腺结节诊断中的作用.