深度学习联合C-TIRADS在甲状腺4a类结节风险分层管理的应用

摘要

目的 探讨深度学习联合中国超声甲状腺影像报告和数据系统（C-TIRADS）在甲状腺4a类结节风险分层管理的应用。方法纳入陕西省人民医院2018年12月～2022年10月收治的179例甲状腺结节患者，依据病理结果分为良性组（n=76）与恶性组（n=103），所有患者均予以超声检查，按照C-TIRADS指南标准、深度学习进行观察诊断。利用多因素Logistic回归分析获取独立预测指标；利用ROC曲线评估预测变量准确性。结果 多因素Logistic分析显示，甲状腺结节图像特征的结构、方位、边缘、回声、局灶性强回声及年龄是独立预测甲状腺结节性质的指标（P<0.05）。以病理结果为金标准，深度学习联合C-TIRADS与病理结果完全符合率为96.65%,Kappa值为0.932，一致性好；联合诊断甲状腺4a类结节的符合率、特异度、阳性预测值显著高于深度学习、C-TIRADS(P<0.05)。联合诊断疾病的敏感度、阴性预测值高于深度学习（P<0.001），但与C-TIRADS的差异无统计学意义（P<0.05）。ROC曲线分析显示，C-TIRADS、深度学习及联合诊断的AUC分别为0.873、0.819、0.967；与Az=0.5相比，差异有统计学意义（P<0.001）。结论 C-TIRADS在甲状腺4a类结节风险分层管理中敏感性较高，结合深度学习辅助诊断能够准确进行甲状腺结节良恶性鉴别，具备较高诊断效能。

关键词

甲状腺结节 / 中国超声甲状腺影像报告和数据系统 / 深度学习 / 恶性风险 / 指南 / 诊断