论文部分内容阅读
目的：
研究AI(Artificial Intelligence，AI)联合UE(UItrasound EIastography，UE)、CEUS(Contrast-enhanced ultrasound，CEUS)对甲状腺结节的良恶性诊断效能，并初步探讨AI识别的甲状腺乳头状癌(Papillary Thyroid Carcinoma，PTC)的超声特征与颈部淋巴结转移的关系。
方法：
收集2018年3月~2019年10月于本院就诊并经手术病理证实的符合纳入标准的甲状腺结节患者237例，共257个结节，其中恶性结节177个，良性结节80个。回顾性分析AI联合UE、CEUS对甲状腺结节的诊断价值，其中反映甲状腺结节组织硬度信息由UE观察，反映甲状腺结节的微循环灌注信息由CEUS观察，计数资料分析用χ2检验，以病理结果为“金标准”，建立ROC曲线，计算AUC、灵敏度、特异度等有效指标，以P＜0.05为有统计学意义。
收集2018年11月~2019年12月于本院行手术切除的PTC患者177例，其中颈部淋巴结有转移71例，无转移106例。探讨AI识别的PTC超声征象(回声、组成、形态、边缘、强回声，内部回声均匀程度)是否与颈部淋巴结转移有关。计数资料分析用χ2检验，采用多因素Logistic回归分析，以P＜0.05为有统计学意义。
结果：
(1)AI软件量化的超声特征低回声(P=0.037)、微钙化(P＜0.001)、纵横比＞1(P＜0.001)、边缘不规则(P=0.004)在甲状腺良恶性结节中差异有统计学意义。AI软件中ACRTI-RADS指南鉴别诊断甲状腺良恶性结节的AUC、灵敏度、特异度、准确性分别为0.840、89.96%、79.31%、85.69%。
(2)UE对甲状腺良恶性结节鉴别诊断的AUC、灵敏度、特异度、准确性分别为0.78、74.58%、78.75%、75.88%。
(3)AI联合UE的AUC、灵敏度、特异度、准确性分别为0.89、93.78%、86.25%、91.44%，AI联合UE的AUC、灵敏度、特异度、准确性均比AI、UE高，差异有统计学意义(P＜0.05)，AI的AUC、灵敏度、准确性均高于UE，差异有统计学意义(P＜0.05)，但AI和UE的特异度比较差异无统计学意义(P=0.61)。
(4)CEUS在鉴别甲状腺良恶性结节中的的AUC、灵敏度、特异度、准确性分别为0.83、80.23%、85.00%、71.71%。
(5)AI联合CEUS的AUC灵敏度、特异度、准确性分别为0.91、93.22%、91.25%、92.60%，AI联合CEUS的AUC、特异度、准确性均高于AI、CEUS，差异比较有统计学意义(P＜0.05)，AI联合CEUS的灵敏度较CEUS高，差异有统计学意义(P＜0.05)，但AI联合CEUS的灵敏度与AI比较差异无统计学意义(P=0.69)，AI和CEUS的AUC比较差异无统计学意义(P=0.77)。
(6)AI联合UE、CEUS的AUC、灵敏度、特异度、准确性分别为0.96、97.18%、92.50%、95.72%，AI联合UE、CEUS的AUC、灵敏度、准确性均比AI联合UE、AI联合CEUS高，差异有统计学意义(P＜0.05)，AI联合UE、CEUS与AI联合CEUS的特异度比较差异无统计学意义(P=0.73)，但AI联合UE、CEUS的特异度高于AI联合UE，差异有统计学意义(P＜0.05)，AI联合UE与AI联合CEUS的AUC比较，差异无统计学意义(P=0.44)。
(7)单因素分析表明性别(P=0.001)和年龄(P＜0.001)在淋巴结转移组与非转移组中差异有统计学意义。AI识别PTC的超声特征中，结节大小(P＜0.001)、微钙化(P＜0.001)、边缘不规则(P＜0.001)在颈部淋巴结转移组与非转移组之间的差异有统计学意义；而A/T与颈部淋巴结转移与否差异无统计学意义(P=0.056)。
(8)多因素分析结果表明PTC发生颈部淋巴结转移的独立危险因素是：患者年龄≤45岁(OR=4.863)、男性(OR=2.406)、微钙化(OR=2.723)、结节大小≥1cm(OR=3.214)。
结论：
(1)AI软件量化的超声特征可以快速有效的鉴别甲状腺结节的良恶性，应用AI软件中ACRTI-RADS对甲状腺结节进行良恶性风险分层，具有一定的鉴别诊断能力。
(2)AI与CEUS鉴别甲状腺良恶性结节中的诊断效能基本相当，但AI比UE在鉴别甲状腺结节良恶性中诊断效能更佳。
(3)AI联合UE或CEUS均比单独应用AI、UE、CEUS具有更高的诊断价值，AI、UE、CEUS三种新技术的联合应用可以明显提高甲状腺良恶性结节鉴别诊断效能。
(4)AI识别的PTC征象中结节微钙化、边缘不规则、大小≥1cm在转移组与非转移组中有差异。患者年龄≤45岁、男性、微钙化、大小≥1cm是甲状腺癌颈部淋巴结转移的独立危险因素。且AI量化更加自动、客观，AI识别有望应用于筛查具有转移倾向的高危人群，辅助医师制定个体化、精确化的治疗方案。
研究AI(Artificial Intelligence，AI)联合UE(UItrasound EIastography，UE)、CEUS(Contrast-enhanced ultrasound，CEUS)对甲状腺结节的良恶性诊断效能，并初步探讨AI识别的甲状腺乳头状癌(Papillary Thyroid Carcinoma，PTC)的超声特征与颈部淋巴结转移的关系。
方法：
收集2018年3月~2019年10月于本院就诊并经手术病理证实的符合纳入标准的甲状腺结节患者237例，共257个结节，其中恶性结节177个，良性结节80个。回顾性分析AI联合UE、CEUS对甲状腺结节的诊断价值，其中反映甲状腺结节组织硬度信息由UE观察，反映甲状腺结节的微循环灌注信息由CEUS观察，计数资料分析用χ2检验，以病理结果为“金标准”，建立ROC曲线，计算AUC、灵敏度、特异度等有效指标，以P＜0.05为有统计学意义。
收集2018年11月~2019年12月于本院行手术切除的PTC患者177例，其中颈部淋巴结有转移71例，无转移106例。探讨AI识别的PTC超声征象(回声、组成、形态、边缘、强回声，内部回声均匀程度)是否与颈部淋巴结转移有关。计数资料分析用χ2检验，采用多因素Logistic回归分析，以P＜0.05为有统计学意义。
结果：
(1)AI软件量化的超声特征低回声(P=0.037)、微钙化(P＜0.001)、纵横比＞1(P＜0.001)、边缘不规则(P=0.004)在甲状腺良恶性结节中差异有统计学意义。AI软件中ACRTI-RADS指南鉴别诊断甲状腺良恶性结节的AUC、灵敏度、特异度、准确性分别为0.840、89.96%、79.31%、85.69%。
(2)UE对甲状腺良恶性结节鉴别诊断的AUC、灵敏度、特异度、准确性分别为0.78、74.58%、78.75%、75.88%。
(3)AI联合UE的AUC、灵敏度、特异度、准确性分别为0.89、93.78%、86.25%、91.44%，AI联合UE的AUC、灵敏度、特异度、准确性均比AI、UE高，差异有统计学意义(P＜0.05)，AI的AUC、灵敏度、准确性均高于UE，差异有统计学意义(P＜0.05)，但AI和UE的特异度比较差异无统计学意义(P=0.61)。
(4)CEUS在鉴别甲状腺良恶性结节中的的AUC、灵敏度、特异度、准确性分别为0.83、80.23%、85.00%、71.71%。
(5)AI联合CEUS的AUC灵敏度、特异度、准确性分别为0.91、93.22%、91.25%、92.60%，AI联合CEUS的AUC、特异度、准确性均高于AI、CEUS，差异比较有统计学意义(P＜0.05)，AI联合CEUS的灵敏度较CEUS高，差异有统计学意义(P＜0.05)，但AI联合CEUS的灵敏度与AI比较差异无统计学意义(P=0.69)，AI和CEUS的AUC比较差异无统计学意义(P=0.77)。
(6)AI联合UE、CEUS的AUC、灵敏度、特异度、准确性分别为0.96、97.18%、92.50%、95.72%，AI联合UE、CEUS的AUC、灵敏度、准确性均比AI联合UE、AI联合CEUS高，差异有统计学意义(P＜0.05)，AI联合UE、CEUS与AI联合CEUS的特异度比较差异无统计学意义(P=0.73)，但AI联合UE、CEUS的特异度高于AI联合UE，差异有统计学意义(P＜0.05)，AI联合UE与AI联合CEUS的AUC比较，差异无统计学意义(P=0.44)。
(7)单因素分析表明性别(P=0.001)和年龄(P＜0.001)在淋巴结转移组与非转移组中差异有统计学意义。AI识别PTC的超声特征中，结节大小(P＜0.001)、微钙化(P＜0.001)、边缘不规则(P＜0.001)在颈部淋巴结转移组与非转移组之间的差异有统计学意义；而A/T与颈部淋巴结转移与否差异无统计学意义(P=0.056)。
(8)多因素分析结果表明PTC发生颈部淋巴结转移的独立危险因素是：患者年龄≤45岁(OR=4.863)、男性(OR=2.406)、微钙化(OR=2.723)、结节大小≥1cm(OR=3.214)。
结论：
(1)AI软件量化的超声特征可以快速有效的鉴别甲状腺结节的良恶性，应用AI软件中ACRTI-RADS对甲状腺结节进行良恶性风险分层，具有一定的鉴别诊断能力。
(2)AI与CEUS鉴别甲状腺良恶性结节中的诊断效能基本相当，但AI比UE在鉴别甲状腺结节良恶性中诊断效能更佳。
(3)AI联合UE或CEUS均比单独应用AI、UE、CEUS具有更高的诊断价值，AI、UE、CEUS三种新技术的联合应用可以明显提高甲状腺良恶性结节鉴别诊断效能。
(4)AI识别的PTC征象中结节微钙化、边缘不规则、大小≥1cm在转移组与非转移组中有差异。患者年龄≤45岁、男性、微钙化、大小≥1cm是甲状腺癌颈部淋巴结转移的独立危险因素。且AI量化更加自动、客观，AI识别有望应用于筛查具有转移倾向的高危人群，辅助医师制定个体化、精确化的治疗方案。