MD, PhD (Medicine), Professor, Head of the Department of Interventional Diagnostic and Treatment Methods, Samara Regional Clinical Oncology Dispensary
доктор медицинских наук, профессор, заведующий отделением интервенционных методов диагностики и лечения ГБУЗ «Самарский областной клинический онкологический диспансер»
Ординатор по специальности «Онкология» института профессионального образования ФГБОУ ВО «Самарский государственный медицинский университет» Минздрава России
Head of the Department of Ultrasound Diagnostics, Samara Regional Clinical Oncology Dispensary
Заведующая отделением ультразвуковых исследований ГБУЗ «Самарский областной клинический онкологический диспансер»
The prevalence of thyroid nodules is relatively high, affecting up to 68% of the adult population. Although most nodules are benign and do not require treatment, therapy may be needed in some cases when they cause symptoms such as compression, cosmetic concerns, or hyperthyroidism. Minimally invasive techniques, particularly ultrasound-guided radiofrequency ablation (RFA), are gradually assuming an important role in the treatment of carefully selected patients, demonstrating a favorable efficacy and safety profile. Given the high operator dependence of ultrasound (US) and the technical complexity of RFA, growing interest has emerged in the implementation of objective artificial intelligence (AI)-based tools designed to support clinical decision-making at all stages of the procedure. Objective: to assess the potential applications of artificial intelligence in radiofrequency ablation of thyroid nodules. A systematized literature search was conducted in PubMed/MEDLINE, Embase, Web of Science, Scopus, IEEE Xplore, CNKI, Wanfang, CiNii, KoreaMed, KISS, and DBpia. The review included studies, clinical reports, and technical developments addressing the use of machine learning and computer vision methods in radiofrequency ablation for thyroid nodules. In preoperative diagnostics, artificial intelligence systems, according to meta-analyses, demonstrate high diagnostic performance comparable to that of expert physicians and contribute to reducing the number of unnecessary invasive procedures. Predictive models of radiofrequency ablation efficacy integrating clinical and ultrasound predictors have also been developed. For intraoperative support, novel ultrasound navigation technologies have been proposed. In the post-ablation period, the main challenge remains the accurate assessment of ablation completeness. Algorithmic approaches and automated methods for measuring the ablation zone have been developed; however, clinically validated models for segmentation of post-ablation changes in thyroid nodules remain limited. Conclusion: artificial intelligence technologies demonstrate the highest degree of clinical applicability at the stage of preoperative diagnostics. At the same time, solutions for the intraoperative and postoperative stages require further research, confirmation of their impact on long-term clinical outcomes, and integration into routine clinical practice.
Частота встречаемости узловых образований щитовидной железы относительно высока: до 68 % взрослого населения. Хотя большинство образований являются доброкачественными и не нуждаются в лечении, в некоторых случаях, когда они вызывают симптомы, такие как сдавление, косметические проблемы или гипертиреоз, может потребоваться терапия. Минимально инвазивные методы, прежде всего радиочастотная абляция (РЧА) под ультразвуковым контролем, постепенно занимают важное место в лечении тщательно отобранных пациентов, демонстрируя благоприятный профиль эффективности и безопасности. Ввиду высокой операторозависимости ультразвукового исследования (УЗИ) и технических особенностей выполнения РЧА, возрастает интерес к внедрению объективных инструментов на базе искусственного интеллекта (ИИ), ориентированных на поддержку принятия клинических решений на всех этапах вмешательства.