多参数超声技术优于人工智能辅助超声来评估固体甲状腺结节:一项前性研究

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 在瘤学瘤学.

背景情况:

• 甲状腺结节需要准确的诊断来区分良性和恶性病例.
• B模式超声波是主要的成像工具,但它对固体甲状腺结节的诊断性能可能是有限的.
• 多参数超声波 (mpUS) 和人工智能辅助超声波 (AI-US) 是提高诊断准确性的新兴技术.

研究的目的:

• 为了比较多参数超声波 (mpUS) 和人工智能辅助B模式超声波 (AI-US) 对固体甲状腺结节的诊断性能.
• 评估这些先进的超声波技术在减少不必要的甲状腺活检方面的潜力.
• 评估单独使用B模式超声波和组合模式的诊断能力.

主要方法:

• 一项前性研究涉及189名患者的226个固体甲状腺结节,证实了良性或恶性病理结果.
• 使用B模式,微血管流成像 (MVFI),弹性对比指数 (ECI) 的弹性图像和AI系统来评估结节.
• 十名读者独立评估了B模式图像,有或没有AI报告失明,以诊断结节.
• 使用描述性统计数据和接收器操作特征曲线 (AUC) 下的面积来评估诊断性能.

主要成果:

• 三重mpUS (B模式,MVFI,ECI) 实现了最高的诊断性能,平均AUC为0.811,明显超过单独的B模式 (AUC=0.677).
• AI-US显示平均AUC为0.718,这与单独的B模式没有显著差异.
• 三次mpUS显著降低了不必要的活检率高达12% (p=0.007),并与AI-US相比显示出更高的AUC和特异性 (p<0.05).

结论:

• 三重mpUS (B模式,MVFI,ECI) 与AI-US.com相比,在甲状腺癌的诊断性能优越.
• mpUS显著降低了不必要的甲状腺活检率,提高了诊断效率.
• 未来的人工智能系统可能从整合多模式超声波信息中获益,以改善甲状腺结节诊断.