针对甲状腺结节检测的弹性图和基于AI的S-Detect之间的诊断性能的比较分析
Jee-Yeun Park1,2, Sung-Hee Yang2
1Department of Radiological Science, Jangpalpal Internal Medicine Clinic, 369, Haeundae-ro, Haeundae-gu, Busan 48062, Republic of Korea.
Diagnostics (Basel, Switzerland)
|September 13, 2025
概括
弹性学和放射学家的评估比基于AI的S-detect更准确,用于区分良性和恶性甲状腺结节. 放射科医生的解释显示了最高的诊断准确度,其次是弹性图,S-detect的性能最低.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 诊断技术 诊断技术的使用
背景情况:
- 弹性图像学是一种非侵入性成像技术,用于评估组织的刚性和弹性.
- 甲状腺结节需要精确区分良性和恶性类型,以有效管理.
- 像S-detect这样的基于深度学习的计算机辅助诊断 (DL-CAD) 软件为结节分析提供了潜力.
研究的目的:
- 评估弹性学和S-detect在区分良性和恶性甲状腺结节方面的诊断性能和临床实用性.
- 为了比较弹性学,S-检测和放射科医生解释的准确性,使用精细针吸入细胞学 (FNAC) 作为黄金标准.
主要方法:
- 一项对159名接受甲状腺超声波,弹性图,S检测分析和FNAC的患者的回顾性研究.
- 恶性病的状况得到了FNAC发现的证实.
- 每种方法的诊断性能指标包括准确性,灵敏度,特异性,正预测值 (PPV) 和负预测值 (NPV) 被评估.
主要成果:
- 放射科医生的解释实现了最高的诊断准确度 (AUC89%),高灵敏度 (98.28%) 和NPV (98.8%).
- 弹性学 (弹性对比指数) 显示出很好的性能,准确度为85%,灵敏度为87.93%,特异性为81.19%.
- S-detect显示的精度最低 (78%),灵敏度为87.93%,但特异性较低 (68.32%) 和PPV (61.4%).
结论:
- 放射科医生的解释和弹性图形是诊断甲状腺结节的宝贵工具,在本研究中超过了基于AI的S-detect.
- 虽然S-detect显示出潜力,但需要进一步开发和验证,以提高其对甲状腺结节的诊断准确性.
- 该研究强调了这些方法在临床实践中的比较诊断实用性,尽管单中心设计和样本大小的局限性.
