Искусственный интеллект в ультразвуковом исследовании узловых образований щитовидной железы, прогноз накопления I-131

Обложка


Цитировать

Полный текст

Аннотация

Обоснование. Узловые образования щитовидной железы — распространённая проблема с частотой встречаемости 19–35% по данным ультразвукового исследования и 8–65% по данным аутопсии [1]. В некоторых случаях наблюдается болезнь Пламмера, а в 10–35% случаев болезни Грейвса могут наблюдаться узловые образования, накопление йода которыми носит различный характер [2, 3]. Одним из основных методов лечения болезней Грейвса и Пламмера является радиойодтерапия, подразумевающая исключение злокачественности узлов. Кроме того, проводится исследование фармакокинетики йода — наиболее длительный и трудозатратный этап подготовки к радиойодтерапии. В клинической практике проводится ультразвуковое исследование согласно системе TI-RADS, затем (в случае необходимости) — тонкоигольная аспирационная пункционная биопсии, стратифицированная по системе Bethesda. Однако ультразвуковое исследование подвержено субъективным интерпретациям, использование же систем поддержки принятия решений может сократить количество тонкоигольных аспирационных пункционных биопсий на 27%, количество пропущенных злокачественных новообразований на 1,9%. Кроме того, количественное описание ультразвукового исследования узловых образований может усовершенствовать процедуру исследования фармакокинетики I-131 [4, 5].

Цель — разработка метода количественного описания ультразвуковых изображений узловых образований щитовидной железы для прогноза злокачественности и накопления I-131 узловыми образованиями.

Материалы и методы. В исследование было включено 125 узловых образований с наличием патоморфологического заключения (65 доброкачественных, 60 злокачественных) и 25 доброкачественных узлов (установлено в рамках цитологического исследования) пациентов, прошедших радиойодтерапию в рамках реализации проекта № 22-15-00135 гранта Российского научного фонда. Продольная и поперечная проекции узлов щитовидной железы были получены с помощью аппаратов GE Voluson E8 (включает 36% всех доброкачественных узлов и 27% злокачественных) и GE Logiq E (64% доброкачественных и 73% злокачественных). Для 25 узлов, полученных на аппарате GE Logiq V2, проведено исследование фармакокинетики I-131 с определением индекса накопления I-131 через 24 часа. Исследовались признаки на основе матрицы пространственной смежности, матрицы длин линий уровней серого, матрицы размера зон уровней серого, а также гистограммные и геометрические признаки изображений ультразвукового исследования.

Результаты. Разработанная на основе наиболее значимых признаков и после проведения корреляционного анализа KNN модель прогноза злокачественности имеет значение диагностической точности 72±3%, чувствительности 73±5%, специфичности 73±5%. Исследование фармакокинетики I-131 показало наибольшее значение модуля коэффициента корреляции Спирмена для признаков максимальный гистограммный градиент интенсивности (r=–0,48, p=0,08) и энтропия интенсивности (r=–0,51, p=0,06) с накоплением I-131 через 24 часа.

Заключение. Проведённое исследование демонстрирует возможность применения количественного описания ультразвуковых изображений узловых образований в качестве инструмента для мониторинга узлов перед проведением радиойодтерапии для последующего дополнительного назначения тонкоигольной аспирационной пункционной биопсии и прогнозирования накопления I-131 через 24 часа.

Полный текст

Обоснование. Узловые образования щитовидной железы — распространённая проблема с частотой встречаемости 19–35% по данным ультразвукового исследования и 8–65% по данным аутопсии [1]. В некоторых случаях наблюдается болезнь Пламмера, а в 10–35% случаев болезни Грейвса могут наблюдаться узловые образования, накопление йода которыми носит различный характер [2, 3]. Одним из основных методов лечения болезней Грейвса и Пламмера является радиойодтерапия, подразумевающая исключение злокачественности узлов. Кроме того, проводится исследование фармакокинетики йода — наиболее длительный и трудозатратный этап подготовки к радиойодтерапии. В клинической практике проводится ультразвуковое исследование согласно системе TI-RADS, затем (в случае необходимости) — тонкоигольная аспирационная пункционная биопсии, стратифицированная по системе Bethesda. Однако ультразвуковое исследование подвержено субъективным интерпретациям, использование же систем поддержки принятия решений может сократить количество тонкоигольных аспирационных пункционных биопсий на 27%, количество пропущенных злокачественных новообразований на 1,9%. Кроме того, количественное описание ультразвукового исследования узловых образований может усовершенствовать процедуру исследования фармакокинетики I-131 [4, 5].

Цель — разработка метода количественного описания ультразвуковых изображений узловых образований щитовидной железы для прогноза злокачественности и накопления I-131 узловыми образованиями.

Материалы и методы. В исследование было включено 125 узловых образований с наличием патоморфологического заключения (65 доброкачественных, 60 злокачественных) и 25 доброкачественных узлов (установлено в рамках цитологического исследования) пациентов, прошедших радиойодтерапию в рамках реализации проекта № 22-15-00135 гранта Российского научного фонда. Продольная и поперечная проекции узлов щитовидной железы были получены с помощью аппаратов GE Voluson E8 (включает 36% всех доброкачественных узлов и 27% злокачественных) и GE Logiq E (64% доброкачественных и 73% злокачественных). Для 25 узлов, полученных на аппарате GE Logiq V2, проведено исследование фармакокинетики I-131 с определением индекса накопления I-131 через 24 часа. Исследовались признаки на основе матрицы пространственной смежности, матрицы длин линий уровней серого, матрицы размера зон уровней серого, а также гистограммные и геометрические признаки изображений ультразвукового исследования.

Результаты. Разработанная на основе наиболее значимых признаков и после проведения корреляционного анализа KNN модель прогноза злокачественности имеет значение диагностической точности 72±3%, чувствительности 73±5%, специфичности 73±5%. Исследование фармакокинетики I-131 показало наибольшее значение модуля коэффициента корреляции Спирмена для признаков максимальный гистограммный градиент интенсивности (r=–0,48, p=0,08) и энтропия интенсивности (r=–0,51, p=0,06) с накоплением I-131 через 24 часа.

Заключение. Проведённое исследование демонстрирует возможность применения количественного описания ультразвуковых изображений узловых образований в качестве инструмента для мониторинга узлов перед проведением радиойодтерапии для последующего дополнительного назначения тонкоигольной аспирационной пункционной биопсии и прогнозирования накопления I-131 через 24 часа.

×

Об авторах

Алмаз Вадимович Манаев

Национальный медицинский исследовательский центр эндокринологии; Национальный исследовательский ядерный университет МИФИ

Email: a.manaew2016@yandex.ru
ORCID iD: 0009-0003-8035-676X
SPIN-код: 2902-9767
Россия, Москва; Москва

Алексей Андреевич Трухин

Национальный медицинский исследовательский центр эндокринологии; Национальный исследовательский ядерный университет МИФИ

Email: alexey.trukhin12@gmail.com
ORCID iD: 0000-0001-5592-4727
SPIN-код: 4398-9536

канд. техн. наук

Россия, Москва; Москва

Светлана Михайловна Захарова

Национальный медицинский исследовательский центр эндокринологии; Национальный исследовательский ядерный университет МИФИ

Email: smzakharova@mail.ru
ORCID iD: 0000-0001-6059-2827
SPIN-код: 9441-4035

кандидат медицинских наук, старший научный сотрудник, лечебно-реабилитационный отдел

Россия, Москва; Москва

Марина Сергеевна Шеремета

Национальный медицинский исследовательский центр эндокринологии

Email: marina888@yandex.ru
ORCID iD: 0000-0003-3785-0335
SPIN-код: 7845-2194

канд. мед. наук

Россия, Москва

Екатерина Анатольевна Трошина

Национальный медицинский исследовательский центр эндокринологии; Национальный исследовательский ядерный университет МИФИ

Автор, ответственный за переписку.
Email: troshina@inbox.ru
ORCID iD: 0000-0002-8520-8702
SPIN-код: 8821-8990
Россия, Москва; Москва

Список литературы

  1. Dean D.S., Gharib H. Epidemiology of thyroid nodules // Best Pract Res Clin Endocrinol Metab. 2008. Vol. 22, N 6. P. 901–911. doi: 10.1016/j.beem.2008.09.019
  2. Carnell N.E., Valente W.A. Thyroid nodules in graves’ disease: Classification, characterization, and response to treatment // Thyroid. 1998. Vol. 8, N 7. P. 571–576. doi: 10.1089/thy.1998.8.571
  3. Kim W.B., Han S.M., Kim T.Y., et al. Ultrasonographic screening for detection of thyroid cancer in patients with Graves’ disease //Clinical endocrinology. 2004. Vol. 60, N 6. P. 719–725. doi: 10.1111/j.1365-2265.2004.02043.x
  4. Kim H.G., Kwak J.Y., Kim E.K., et al. Man to man training: Can it help improve the diagnostic performances and interobserver variabilities of thyroid ultrasonography in residents? // European Journal of Radiology. 2012. Vol. 81, N 3. P. e352–e356. doi: 10.1016/j.ejrad.2011.11.011
  5. Peng S., Liu Y., Lv W., et al. Deep learning-based artificial intelligence model to assist thyroid nodule diagnosis and management: A multicentre diagnostic study // The Lancet Digital Health. 2021. Vol. 3, N 4. P. e250–e259. doi: 10.1016/S2589-7500(21)00041-8

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Эко-вектор, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 79539 от 09 ноября 2020 г.


Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах