基于人工智能的动态超声波辅助诊断系统的诊断价值,用于区分直径大于2厘米的良性和恶性甲状腺结节
Bing Wang1, Xiaoyu Dong2, Junwen Ding3
1Senior Department of General Surgery, The First Medical Center of Chinese People's Liberation Army (PLA) General Hospital, Beijing, China.
Quantitative imaging in medicine and surgery
|October 13, 2025
概括
动态人工智能 (AI) 准确诊断大型甲状腺结节 (>2厘米),性能优于传统的超声波和CT扫描. 这种人工智能系统提供了一个非侵入性的客观方法,用于准确的诊断和个性化的治疗策略.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 大型甲状腺结节 (>2厘米) 因其复杂的内部结构和潜在的缩而带来诊断挑战.
- 这些复杂性增加了错误诊断的风险,以及传统超声波和细针吸收细胞学 (FNAC) 的错误诊断.
- 大型结节在FNAC中的较高假阴性率需要改进的诊断方法.
研究的目的:
- 评估动态人工智能辅助超声系统的临床实用性,以区分良性与恶性甲状腺结节大于2厘米.
- 评估人工智能系统对后续患者管理和治疗策略的指导意义.
主要方法:
- 收集了来自276名患有297个甲状腺结节的患者的手术数据.
- 利用动态AI来区分良性和恶性结节.
- 与手术前超声波,FNAC,CT和手术后的病理结果相比,动态AI的诊断疗效.
主要成果:
- 动态人工智能实现了86.2%的准确度,灵敏度和特异性,显示了与术后病理学的高一致性 (kappa =0.723).
- 与ACR TI-RADS和CT相比,动态AI表现出更高的性能,精度,特异性和PPV更高.
- 动态AI和FNAC在灵敏度,准确性,NPV或错误诊断率方面没有发现显著差异.
结论:
- 动态AI提供了一种非侵入性,安全,客观和准确的方法来诊断大型甲状腺结节 (>2厘米).
- 该系统提供实时,多角度诊断,分析微妙的特征,精确区分良性和恶性结节.
- 动态AI促进了诊断的一致性,并对个性化治疗策略和手术规划具有重要指导价值.
