"怀长期主义，聊医工科技"
不错过医工超人文章三部曲：1. 关注公众号 2. 经常点击“在看” 3. 点击公众号右上方设置“星标” 每篇文章都会按时推送不错过
| 今天的文章中，超哥为大家介绍本研究比较了弹性成像（ECI）和AI辅助工具S-Detect在甲状腺结节良恶性鉴别中的诊断性能。研究纳入159例患者，结果显示放射科医师基于K-TIRADS的评估表现最佳，诊断准确率为89%，敏感性98.28%，特异性79.21%。弹性成像次之，准确率为85%，敏感性87.93%，特异性81.19%；S-Detect的准确率最低，为78%，特异性仅为68.32%。一致性分析中，ECI与FNAC结果的一致性（Kappa值0.66）显著高于S-Detect（Kappa值0.52）。研究指出，弹性成像可作为有效的非侵入性诊断工具，提高恶性风险评估的准确性；S-Detect虽表现稍逊，但作为AI辅助诊断工具仍具发展潜力。结合两者的使用，可减少不必要的FNAC，优化诊断流程。未来需进一步研究以提升这些工具的性能，并探索其在实际临床中的应用潜力。 |
“超全”AI在腹部超声应用文献汇总！人工智能如何改变腹部超声诊断的未来？——最新技术与应用
97%+准确率！CystNet如何人工智能在妇科诊断中PCOS诊断流程
AI驱动的心腔内超声系统ICE - 人工智能与Mamba架构结合下的介入手术精准操控
甲状腺结节是临床常见问题，超声检查是检测和评估其恶性风险的主要手段，但其特异性有限，通常需借助细针穿刺细胞学（FNAC）确认诊断。然而，FNAC广泛应用可能增加医疗成本并导致患者不适。为弥补超声检查的局限性，近年来发展了基于计算机辅助诊断（CAD）的弹性成像和深度学习工具S-Detect，旨在提高诊断的准确性和可靠性。
a) 左侧甲状腺叶内可见一个等回声、边界清晰且呈海绵状的结节。结节轴向的结节内外弹性对比指数（ECI）为1.22。病理结果确诊为良性结节性增生。b) 左侧甲状腺叶内发现一个低回声、纵向大于横向且伴有部分内部钙化的结节。结节轴向的结节内外弹性对比指数（ECI）为2.15。病理结果确诊为乳头状癌。c) 甲状腺中部区域发现一个低回声、边界不规则且伴有部分内部钙化的结节。结节内外弹性对比指数（ECI）为3.33。病理结果确诊为乳头状癌。
研究目的
本研究评估弹性成像的弹性对比指数（Elasticity Contrast Index，ECI）和S-Detect在鉴别甲状腺结节良恶性方面的诊断性能，并比较其与放射科医师评估结果的差异，探索其临床应用潜力。
a) 一名57岁女性左侧甲状腺叶的超声灰阶横切图像。b) 使用S-detect根据内部成分、回声特征、方向、边缘和形状等特性对甲状腺结节进行自动分类，判断其为良性或恶性。
研究方法
研究设计与对象：
本研究为回顾性分析，纳入159例于2023年1月至2024年6月间接受甲状腺结节超声检查的患者，均接受了FNAC作为最终诊断依据。
排除标准包括既往甲状腺手术史、当前甲状腺相关疾病治疗以及FNAC采样不足的病例。
诊断工具：
弹性成像（ECI）：通过测量结节与周围正常组织的硬度对比，量化结节的恶性风险。
S-Detect：基于深度学习的CAD工具，分析超声灰阶图像并提供结节的良恶性预测。
数据分析：
使用受试者工作特征曲线（ROC）评估诊断性能，计算曲线下面积（AUC）、敏感性、特异性、阳性预测值（PPV）和阴性预测值（NPV）。
通过Cohen's Kappa系数评估与FNAC结果的一致性。
a) 一名57岁女性左侧甲状腺叶的超声灰阶横切图像。b) 使用S-detect根据内部成分、回声特征、方向、边缘和形状等特性对甲状腺结节进行自动分类，判断其为良性或恶性。
研究结果
患者特征：
159例患者中，63.5%为良性结节，36.5%为恶性结节。恶性结节的平均尺寸显著小于良性结节（0.79±0.58 cm vs. 1.23±0.94 cm，p=0.002）。
恶性结节更常呈现不平行方向、不规则形状和不清楚的边界（p均<0.001）。
诊断工具性能比较：
放射科医师：基于K-TIRADS评估，AUC为0.89，敏感性98.28%，特异性79.21%，PPV 73.1%，NPV 98.8%。
弹性成像（ECI）：AUC为0.85，敏感性87.93%，特异性81.19%，PPV 72.9%，NPV 92.1%。
S-Detect：AUC为0.78，敏感性87.93%，特异性68.32%，PPV 61.4%，NPV 90.8%。
一致性分析：
S-Detect与FNAC结果的一致性为中等（Kappa值0.52，p<0.001）。
ECI和K-TIRADS的Kappa值分别为0.66和0.72，均表现为较高一致性。
讨论
工具优势与局限：
弹性成像作为非侵入性诊断工具，可实时量化组织硬度，提供较高的诊断敏感性和特异性。
S-Detect作为AI辅助工具表现出一定的潜力，但其特异性较低，仍需结合其他手段提升诊断可靠性。
优化诊断流程的意义：
结合弹性成像和S-Detect可减少不必要的FNAC，提高甲状腺结节早期鉴别诊断的效率。
对于放射科医师而言，结合CAD工具能够提供更一致的诊断建议，降低因经验差异导致的诊断偏差。
研究局限：
样本量相对较小，且研究集中于单一地区，可能限制结果的普适性。
弹性成像在压力控制方面缺乏统一标准，可能导致结果的可重复性下降。
结论
弹性成像和S-Detect在甲状腺结节诊断中具有一定的临床应用价值，尤其是弹性成像的ECI在评估恶性风险方面表现出较高的诊断准确性。尽管S-Detect的准确性稍逊于传统评估方法，但其作为AI辅助诊断工具仍具有发展潜力。未来需开展更大规模、多中心的研究以进一步验证这些工具的有效性，并探索其在临床诊断流程中的整合方案。
参考文献
Park, Jee-Yeun, and Sung-Hee Yang. "Comparative Analysis of Diagnostic Performance Between Elastography and AI-Based S-Detect for Thyroid Nodule Detection." (2024).
"怀长期主义，聊医工科技"
我是超哥，超声行业17年老伙计，做过研发，搞过生产，趟过市场，开过（在开）公司；越野跑爱好者；工作狂；沟通粗暴直接；严苛完美主义者；起伏皆为过往；信奉长期主义和第一性原则；欢迎来聊来组局...
*医工超人·招聘求职群：定期发布超声招聘，求职信息
*免责声明*
本公众号注明原创的内容权利属于本服务或本服务权利人所有，未经本服务或本服务权利人授权，任何人不得擅自使用（包括但不限于复制、传播、展示、镜像、上载、下载、转载、摘编等）或许可他人使用上述知识产权的。已经本服务或本服务权利人授权使用作品的，应在授权范围内使用，并注明作者来源。否则，将依法追究其法律责任。
