一个多中心的甲状腺结节的诊断研究与哈希莫托的甲状腺炎,由哈希莫托的甲状腺炎结节-人工智能模型启用
Chen Chen1,2,3,4, Yahan Zhou2,3,4, Bo Xu2,3,4
1Department of Diagnostic Ultrasound Imaging & Interventional Therapy, Zhejiang Cancer Hospital, Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences, Hangzhou, China.
European radiology
|February 12, 2025
概括
一个新的人工智能 (AI) 模型HTN-AI有效地识别了哈西莫托甲状腺炎 (HT) 患者的甲状腺结节. 这种人工智能工具提高了放射科医生的诊断准确性和效率,有助于更好地管理患者.
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:
- 在患有哈西莫托甲状腺炎 (HT) 的患者中诊断甲状腺结节在效率和准确性方面存在挑战.
- 现有的诊断方法需要对涉及HT的复杂病例进行优化.
研究的目的:
- 开发和验证哈西莫托甲状腺炎结节-人工智能 (HTN-AI) 模型.
- 为了提高患有HT的患者甲状腺结节的诊断性能.
主要方法:
- 来自10家医院的5709名患者的5053个甲状腺结节的数据集被用于培训和测试.
- 该HTN-AI模型在外部数据集 (n=432) 和前性地在动态超声波视频 (n=224) 上进行了验证.
- 在有和没有人工智能辅助的放射科医生之间比较了诊断性能.
主要成果:
- 在外部测试组中,HTN-AI模型在外部测试组中实现了0.91的子相似系数 (DSC),优于其他卷积神经网络 (CNN) 模型.
- 在有HT和没有HT的患者中观察到结节的一致DSC (0.91).
- 通过HTN-AI模型协助的放射科医生显示出更好的诊断性能,初级放射科医生的AUC显著增加.
结论:
- HTN-AI模型在识别与HT相关的甲状腺结节方面表现出很高的性能.
- 该模型作为一个有价值的工具来协助放射科医生,导致更准确和更有效的诊断.
- 这种人工智能驱动的方法支持在甲状腺结节管理中改善临床决策.
