在非子专家内分泌学环境中对基于AI的甲状腺结节评估的初步分析

科学领域:

• 内分泌学 在内分泌学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 甲状腺结节的评估通常使用主观超声描述器.
• 人工智能 (AI) 提供了改进评估的潜力,但其在非专业环境中的有效性尚未得到充分证明.
• 一般内分泌学家 (GE) 往往缺乏专门的甲状腺成像培训.

研究的目的:

• 评估基于AI的决策支持系统 (AI-DSS) 对甲状腺结节超声波评估的影响.
• 将AI-DSS的评估与一般内分泌学家 (GE) 进行的初始评估进行比较,而无需进行子专业培训.
• 评估AI-DSS的表现,并将其与甲状腺结节分专科诊所 (TNC) 的专家评估进行对比.

主要方法:

• 在GE门诊诊所接受甲状腺超声波检查的80名患者的前性队列研究.
• 使用AI-DSS (Koios DS) 进行超声波图像的回顾分析.
• 将AI-DSS结果与GE评估和TNC对结节特征,风险分类 (ACR TI-RADS) 和转诊建议的专家评估进行比较.

主要成果:

• 在评估结节组成,回声性和回声源焦点方面,AI-DSS与GE显著不同.
• 与GE相比,AI-DSS分类的转介率更高,尽管在统计学上并不显著.
• 在ACR TI-RADS评分中,AI-DSS和GE之间发现了适度的一致性,与跨国公司子专家评估相比,该评分有所改善.

结论:

• 非辅助的AI-DSS使用并没有显著提高风险分层或减少非次专家环境中的转诊.
• 人工智能系统表现出高估风险的倾向,可能增加不必要的程序.
• 为了在低患病率的甲状腺结节环境中有效使用,需要进一步的AI优化.