影像组学可能增加经验丰富医师对于甲状腺结节ACR TI-RADS4,5级的诊断信心

摘要

目的:本研究探讨了影像组学在超声放射学会甲状腺影像报告与数据系统(ACR TI-RADS) 4级和5级甲状腺结节诊断中的应用价值。方法:回顾性分析221例接受甲状腺切除手术的ACR TI-RADS 4级和5级患者的临床病理和超声检查数据。图像被随机分为训练集和测试集，使用MaZda软件提取影像组学特征，并通过组内和组间相关系数(ICC),Logistic回归和最小绝对收缩选择算子算法(LASSO)筛选特征。建立Logistic回归、贝叶斯(Bayes)和K临近(KNN)机器学习模型，并评估模型的诊断效能。结果:从超声图像中提取了314个特征，筛选出5个最具诊断意义的特征。基于这些特征建立的机器学习模型中KNN模型表现最佳，训练组和测试组的ROC分别为0.849和0.885,准确率分别为0.779和0.761。与经验丰富的专家读片相比，KNN模型表现更优。结论:基于甲状腺超声的超声组学模型在对于甲状腺ACR 4级和5级结节的诊断中取得了突出的表现，优于经验丰富的超声诊断医师，为临床常规ACR 4级和5级结节鉴定提供有效的诊断参考。

关键词

甲状腺结节 / ACR TI-RADS / 区分 / 超声 / 影像组学