超声医生如何说？| AI CAD系统对甲状腺良恶性结节的鉴别诊断有较好价值 《计算机辅助诊断系统基于不同指南诊断甲状腺良恶性结节的对比分析》 福建医科大学附属第二医院、厦门大学附属中山医院、福建医科大学附属漳州市医院、晋江市医院 甲状腺结节是最常见的内分泌系统疾病，人群中甲状腺结节的患病率为19％～68％。诊断甲状腺癌的影像学检查方法主要包括超声、CT 及核医学，超声因具有实时、动态、无辐射等优点，已成为临床检查甲状腺的首选方法，但仍存在许多问题，如超声诊断主观性强、具有操作者依赖性、超声医师培养周期长及缺乏高水平医师等，一定程度上影响了甲状腺超声诊断的客观性和准确性。  为了规范甲状腺超声的诊断标准，各国推出甲状腺影像报告和数据系统，但临床实践时，不同医师评估甲状腺结节时仍存在较大差异，诊断的一致性、准确性亟待解决。  随着人工智能的发展，计算机辅助诊断（computer-aided diagnosis，CAD）系统深度结合医学领域，在“精专准”、“规范临床应用”方面能够解决目前遇到的主要问题。本研究采用通过美国FDA、欧盟CEMark认证及中国CFDA批准应用于临床的甲状腺CAD软件（AmCAD-UT Detection),探讨基于不同指南鉴别诊断甲状腺良恶性结节的价值，以期指导临床医师针对不同的临床需求采纳不同指南结果。  本项研究在多中心、大数据的基础上，探讨甲状腺CAD系统（安克侦 AmCAD-UT）基于不同指南鉴别诊断甲状腺良恶性结节的价值，以期指导临床医师针对不同的临床需求采纳不同指南结果。 多中心、前瞻性分析经手术或超声引导下细针穿刺病理证实的453例甲状腺结节患者（共521个甲状腺结节），以病理结果为金标准，绘制CAD系统基于不同指南诊断甲状腺恶性结节的受试者工作特征（ROC）曲线，计算曲线下面积（AUC），分析其诊断效能。 以2分为截断值，KSThR共识诊断甲状腺恶性结节的敏感性90.60%，阴性预测值84.1%，AUC为0.759，均高于其余7个指南（均P<0.01）；以分类4类为截断值，BTA指南诊断甲状腺恶性结节的特异性79.95%，阳性预测值70.9%，均高于其余7个指南（均P<0.01）。 CAD系统对甲状腺良恶性结节的鉴别诊断有较好价值，KSThR共识的AUC和敏感性最高，BTA指南的特异性最高。
计算机辅助诊断系统为超声诊断新技术，能客观解读甲状腺结节超声图像，结合相应诊断标准给予诊断意见，具有减少医师诊断的主观性、时间消耗及医师负担等优点。 目前ＣＡＤ系统已广泛用于临床基于超声图像诊断乳腺和肝脏疾病，而用于诊断甲状腺结节的相关研究相对较少。甲状腺CAD系统基于人工智能技术对大量甲状腺结节图像进行深度识别与学习，能够提取甲状腺结节的图像特征并量化分析，对基于8种常见的国际指南做出相应判断，具有客观、准确及全面的优点。本研究通过分析CAD系统基于不同指南对甲状腺良恶性结节的诊断效能，以期指导临床应用。 |
