超声波放射学模型改善了手术前诊断,并减少了未确定甲状腺结节中不必要的活检

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 细胞学上不确定的甲状腺结节很常见,导致经常对良性疾病进行诊断手术.
• 现有的放射学研究往往没有专注于具有确定的病理结果的不确定的结节.
• 需要改进的诊断工具,以减少对未确定的甲状腺结节进行不必要的手术.

研究的目的:

• 开发和评估超声波放射学模型,以改善未确定的甲状腺结节的诊断.
• 为了减少不必要的诊断手术的速度,对于患有不确定的甲状腺结节的患者.
• 为了提高在不确定的甲状腺结节中恶性瘤预测的准确性.

主要方法:

• 对197个不确定的甲状腺结节进行了回顾性分析,结果具有病理学意义.
• 用专门的软件手动划分感兴趣的区域,并提取放射性特征.
• 使用独立的培训和验证队伍开发三种放射学模型,通过单变量分析和LASSO进行特征选择.

主要成果:

• 拉德纽恩模型表现出高性能 (90.5%的灵敏度,76.6%的准确度).
• Radsize模型显著降低了活检率21.1% (从48.9%降至13.8%).
• 放射学模型的表现优于现有的诊断系统和初级放射科医生 (p < 0.05).

结论:

• 超声波放射学模型为预测恶性瘤提供了一个有希望的,方便和准确的辅助方法.
• 这些模型可以提高初级放射科医生的诊断能力,减少不必要的活检.
• 放射学在临床实践中提高了未确定的甲状腺结节的诊断精度.