梅斯医学MedSci APP
医路相伴,成就大医

European Radiology:人工智能优化的ACR TI-RADS在诊断甲状腺结节方面的价值

Tags: 甲状腺结节   人工智能   TI-RADS      作者:网络 更新:2022-11-15

自20世纪90年代以来,随着超声在临床上的广泛使用,甲状腺结节的检出率有了很大的提高。在中国,高分辨率超声检查的甲状腺结节患病率为20.43%。现阶段细针抽吸细胞学检查(FNAC)是识别甲状腺恶性结节的金标准。然而,由于其为一种侵入性手术,因此有出血等并发症发生的可能。目前临床上仍没有普遍适用的准则来确定哪些结节应进行超声引导下的FNA。
2009年,Horvath等学者提出了最初的甲状腺成像报告和数据系统(TI-RADS)用于甲状腺结节分级。目前,由美国放射学会(ACR)发布的最新版TI-RADS被广泛应用于甲状腺成像和管理。ACR TI-RADS采用评分系统将甲状腺结节分为五大类,分数越高说明恶变的可能性越大。
最近,Wildman-Tobriner等学者应用人工智能(AI)通过为八个超声特征分配新的分数来优化TI-RADS。在他们的研究中,AI TI-RADS保持了高灵敏度(93.3%),并显示出明显优于人工智能的特异性显示出明显优于ACR TI- RADS的特异性(64.7% vs. 47%,P < 0.001)。

近日,发表在European Radiology杂志的一项研究回顾性地比较AI TI-RADS和ACR TI-RADS在大样本中的诊断表现,并评估了AI TI-RADS在减少不必要FNAs数量方面的能力,为提高临床诊断准确性、减少患者的负担提供了影像学支持。

本研究在2017年1月-2020年7月期间共对细针抽吸或手术采样的2061个甲状腺结节(1859名患者)进行了回顾性分析。两位对病理诊断保密的放射学家评估了五个超声类别的结节特征,并通过ACR TI-RADS和AI TI-RADS分配TI-RADS评分。通过要求另外两名放射科医生对一组100个结节进行独立评分,来评估评分者之间的一致性。参考标准是根据Bethesda系统进行的术后病理或细胞病理学诊断。使用类内相关系数(ICC)确定评分者之间的一致性。 
AI TI-RADS分配的TI-RADS风险水平比ACR TI-RADS低(P < 0.001),并且具有更大的AUC(0.762 vs. 0.679,P < 0.001)。ACR TI-RADS和AI TI-RADS的敏感性相似(86.7% vs. 82.2%,p = 0.052),但AI TI-RADS的特异性更高(70.2% vs. 49.2%,p < 0.001)。AI TI-RADS降低了743个(48.63%)良性结节的等级,表明328个(776个活检结节的42.3%)不必要的细针抽吸(FNA)是可以避免的。与ACR TI-RADS相比,AI TI-RADS的评分者之间的一致性更好(ICC,0.808 vs. 0.861,p < 0.001)。 


 A 根据AI TI-RADS,甲状腺结节分配了新的分数,而结节大小的分界点建议FNA与ACR TI-RADS相同。B 应用AI TI-RADS时,ACR TR3至TR5中的活检和活检回避的良性结节的数量。括号内的数字代表特定风险水平内的百分比

本研究表明,AI TI-RADS可以实现良性甲状腺结节活检数量的降低,并明显提高特异性。

原文出处:

Ying Liu,Xiaoxian Li,Cuiju Yan,et al.Comparison of diagnostic accuracy and utility of artificial intelligence-optimized ACR TI-RADS and original ACR TI-RADS: a multi-center validation study based on 2061 thyroid nodules.DOI:10.1007/s00330-022-08827-y

来源:网络
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录

相关推荐

移动应用
medsci.cn © 2020