目的:探讨人工智能(AI)在四川藏区超声医师鉴别诊断甲状腺结节良恶性中的应用价值.方法:回顾性收集2020年1月-2021年1月于核工业四一六医院就诊的219例甲状腺结节患者资料(共219枚甲状腺结节),分别由四川藏区初级医师(A医师)、四川藏区中级医师(B医师)和三甲医院中级医师(C医师)根据超声图像,对甲状腺结节的良恶性进行诊断,之后再由A医师结合AI辅助诊断系统的诊断结果对良恶性的诊断结果进行调整.以病理结果为金标准,比较不同诊断方法对甲状腺结节良恶性的鉴别诊断价值.结果:术后病理确诊恶性结节103枚,占比47.03％,良性结节116枚,占比52.97％.单独使用AI诊断甲状腺结节良恶性的灵敏度(Sen)、特异度(Spe)、准确度(ACC)分别为75.43％(88/103)、74.13％(86/116)、79.45％(174/219),与病理诊断的一致性中等(Kappa=0.591,P<0.001);A医师应用常规超声检查诊断甲状腺结节良恶性的Sen、Spe、ACC分别为44.66％(46/103)、75.00％(87/116)、60.73％(133/219),与病理诊断的一致性较差(Kappa=0.199,P=0.129);B医师应用常规超声诊断甲状腺结节良恶性的Sen、Spe、ACC分别为64.08％(66/103)、74.14％(86/116)、69.41％(152/219),与病理诊断的一致性中等(Kappa=0.384,P<0.001);C医师应用常规超声诊断甲状腺结节良恶性的Sen、Spe、ACC分别为77.67％(80/103)、85.34％(99/116)、81.74％(179/219),与病理诊断的一致性较强(Kappa=0.632,P<0.001);A医师+AI诊断甲状腺结节良恶性的Sen、Spe、ACC分别为81.55％(84/103)、78.45％(91/116)、79.91％(175/219),与病理诊断的一致性中等(Kappa=0.598,P<0.001);B医师+AI诊断甲状腺结节良恶性的Sen、Spe、ACC分别为90.29％(93/103)、75.00％(87/116)、82.19％(180/219),与病理诊断的一致性较强(Kappa=0.646,P<0.001);C医师+AI诊断甲状腺结节良恶性的Sen、Spe、ACC分别为95.15％(98/103)、81.90％(95/116)、88.13％(193/219),与病理诊断的一致性较强(Kappa=0.764,P<0.001).结论:在甲状腺结节的临床诊断中,联合AI辅助诊断系统可提升四川藏区超声医师对其良恶性鉴别诊断的诊断效能.

甲状腺结节;鉴别;诊断;人工智能;四川藏区;超声医师

谢杨;石波;刘家开;周春美;吴垠;曾卓华;杜君;徐可

成都医学院第二附属医院/核工业四一六医院超声医学科,成都 610057

湖南师范大学学报（医学版）

[1]谢杨;石波;刘家开;周春美;吴垠;曾卓华;杜君;徐可-.人工智能在四川藏区超声医师甲状腺结节良恶性诊断中的应用)[J].湖南师范大学学报（医学版）,2022(06):118-123

四川藏区,超声医师,甲状腺结节良恶性,良恶性诊断,核工业,一六,中级,三甲医院,院中,超声图像,辅助诊断系统,诊断结果,病理结果,金标准,鉴别诊断价值,术后病理,恶性结节,良性结节,Sen,Spe,ACC,病理诊断,Kappa,常规超声检查,检查诊断,超声诊断,+AI,良恶性鉴别诊断,诊断效能

0.149806