【Ai➕医学 顶刊速递】第五期
-
各位哥哥姐姐弟弟妹妹大家好!我们的AI与医学期刊分享来啦~这是第三周的第一篇顶刊分享
【Ai
医学 顶刊速递】
滤泡型甲状腺肿瘤的人工智能增强超声诊断:一项多中心回顾性研究
DOI:10.1016/j.eclinm.2025.103351【背景】:传统的诊断工具,包括超声、细针穿刺细胞学和术中冰冻切片病理学,可能无法可靠地区分良性和恶性滤泡型甲状腺肿瘤(FN),导致不必要或不充分的手术干预。旨在开发和验证一种深度学习 (DL) 系统,用于使用常规超声图像进行 FN 术前诊断 ,目的是提高诊断准确性并减少不必要的程序 。
【方法】:在这项多中心回顾性研究中,纳入了来自中国 11 个中心的 3817 名明确诊断为 FN 的患者(2877 名 [75.4%] 女性)。所有患者均接受术前超声检查。该数据集包括 9393 张超声图像,包括 2012 年至 2025 年间收集的甲状腺滤泡性腺瘤 (n = 1787,4317 张图像)、滤泡癌(n = 446、1593 张图像)和甲状腺状癌滤泡变异(n = 1584,3483 张图像)。在包含 2728 名患者(6625 张图像)的数据集上开发了最先进的 OverLoCK(Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels),并在内部队列(n = 683,1905 张图像)和外部队列(n = 406,863 张图像)上进行了验证。使用曲线下面积 (AUC)、准确度、敏感性、特异性、阳性预测值 (PPV)、阴性预测值 (NPV) 和 F1 评分来评估模型性能。使用校准曲线评估模型校准,同时通过决策曲线分析 (DCA) 评估临床有用性。
【发现】:OverLoCK 模型在内部和外部验证集中都表现出优异的性能。在内部验证队列中,OverLoCK 模型的 AUC 为 0.937(95%置信区间[CI]:0.919–0.954),准确率为 90.9%(95%CI:87.7–92.0),灵敏度为 93.9%(95%CI:91.5–95.6),特异性为 84.8%(95%CI:82.6–86.0),PPV 为 92.7%(95%CI:90.7–93.8),NPV 为 87.2%(95%CI:86.0–91.0),F1 评分为 0.911(95%CI: 0.887–0.932).在外部验证队列中,该模型的 AUC 为 0.853(95%CI:0.832–0.876),准确率为 82.8%(95%CI:81.7–84.4),灵敏度为 84.5%(95%CI:82.5–86.2),特异性为 81.1%(95%CI:79.2–84.5),PPV 为 80.4%(95%CI:79.0–84.0),NPV 为 85.1%(95%CI:83.2–87.7),F1 评分为 0.839(95%CI: 0.802–0.877).DL 模型表明恶性肿瘤的预测概率和实际概率之间具有良好的一致性。DCA 证实该模型具有临床价值。
【解释】:研究表明,基于 DL 的系统可以为 FN 的术前诊断提供无创、准确和可靠的工具。通过提高诊断精度,这种方法有可能优化临床决策并减轻 FN 患者过度治疗的负担。有必要进行进一步的前瞻性研究,以便在现实世界的临床环境中验证这些发现。