Согласно статье, опубликованной перед печатью в апрельском выпуске Американского журнала рентгенологии (AJR), команда Стэнфордского университета разработала количественную основу, позволяющую сонографически различать доброкачественные и злокачественные узелки щитовидной железы на уровне, сопоставимом с уровнем опытные радиологи, которые могут оказаться полезными для создания полностью автоматизированной системы сортировки узлов щитовидной железы.
Альфия Галимзианова и др. ретроспективно собранные ультразвуковые изображения 92 подтвержденных биопсией узелков, аннотированные двумя экспертами-радиологами с использованием системы отчетов и данных по изображениям щитовидной железы Американского колледжа радиологии (TI-RADS).
В рамках исследователей такие характеристики узелков, как эхогенность, текстура, резкость краев и свойства кривизны краев, были проанализированы в модели регуляризованной логистической регрессии для прогнозирования злокачественности узелков. Аутентифицировав свой метод перекрестной проверкой по принципу исключения одного исключения, команда из Стэнфорда использовала ROC AUC, чувствительность и специфичность для сравнения результатов структуры с результатами, полученными шестью экспертными классификаторами на основе аннотаций.
AUC предлагаемой структуры измеряется 0.828 (95% ДИ, 0.715-0.942) -"больше или сопоставимо," Галимзианова отметила, "к классификаторам экспертов"- значения AUC варьировались от 0.299 к 0.829 (р = 0.99).
Кроме того, в лечебной стратегии при чувствительности 1 использование каркаса могло избежать биопсии в 20 из 46 доброкачественных узлов – статистически значимо выше, чем у трех экспертных классификаторов. При консервативной стратегии со специфичностью 1 схема могла бы помочь идентифицировать 10 из 46 злокачественных новообразований – статистически значимо выше, чем у пяти экспертных классификаторов.
"Наши результаты подтверждают окончательную осуществимость компьютерных диагностических систем для оценки риска рака щитовидной железы," заключила Галимзианова. "Такие системы могут предоставить клиницистам оценку риска злокачественного новообразования на основе второго мнения и, в конечном итоге, помочь уменьшить количество ненужных биопсий и хирургических процедур."