基于PACS人工智能预测甲状腺乳头状癌侧颈部淋巴结转移的研究

摘要

目的：探索基于图像存档和通信系统的人工智能（PACS-AI）模型在甲状腺乳头状癌（PTC）侧颈部淋巴结转移中的预测价值。方法：通过582例PTC患者1 762枚淋巴结构建Swin UNETR分割网络和3D U-Net分类网络AI模型，集成为PACS-AI。通过PACS-AI前瞻性地对258例PTC患者804枚Ⅲ区和Ⅳ区淋巴结进行评估，与2名放射科医生术前评估结果 比较。结果：Ⅲ区和Ⅳ区淋巴结的前瞻性评估中，AI模型的AUC、准确度、灵敏度、特异度分别为0.91和0.82、83%和72%、82%和82%、83%和69%；高年资医生AUC、准确度、灵敏度、特异度分别为0.90和0.84、88%和84%、92%和85%、88%和83%；低年资医生的分别为0.77和0.73、79%和74%、74%和70%、80%和76%。AI模型诊断效能介于高年资和低年资医生之间，低年资医生在AI帮助下，Ⅲ和Ⅳ区的AUC分别提升到0.90和0.86。2名医生观察者间一致性得到改善，Ⅲ区和Ⅳ区的Kappa值分别从0.513增加到0.780，从0.581增加到0.678。结论：PACS-AI诊断效能介于高年资和低年资放射科医生之间，低年资医生在AI辅助下诊断效能显著提升，且PACS-AI不增加过多临床报告书写时间，适合临床广泛应用。

关键词

甲状腺肿瘤 / 肿瘤转移 / 人工智能 / 体层摄影术,螺旋计算机