智慧医学专栏(三) | 人工智能辅助下多模态超声联合TRAb及VEGF检测对甲状腺结节的精准诊断及临床价值评估
智慧医学专栏(三) | 人工智能辅助下多模态超声联合TRAb及VEGF检测对甲状腺结节的精准诊断及临床价值评估
摘要目的:探讨人工智能(AI)辅助下多模态超声联合促甲状腺激素受体抗体(TRAb)、血管内皮生长因子(VEGF)检测对甲状腺结节的精准诊断及其临床价值评估。方法:选取2023年1月—2024年9月于唐山市人民医院就诊的129例甲状腺结节性疾病患者为研究对象,采用AI辅助下多模态超声检查【AI常规超声 + 彩色多普勒血流成像(CDFI) + 实时剪切波弹性成像(SWE) + 超声造影(CEUS)】,以术后病理结果为金标准,将研究对象分为良性组( n=82 )与恶性组( n=47 )。检测血清TRAb、VEGF水平,并比较两组各项超声指标及血清指标水平,分析AI辅助下多模态超声检查与血清指标及联合预测对甲状腺结节的诊断价值。结果:AI辅助下多模态超声联合TRAb、VEGF检测与病理结果完全符合率为 98.45%( 127/129 ),其检测甲状腺结节的灵敏度、特异度、阳性预测值及阴性预测值均显著高于TRAb、VEGF单一检测( P<0.05 )。以临床病理结果为金标准,TRAb、VEGF、AI辅助下多模态超声及联合预测对甲状腺结节的诊断效能分析(AUC, 95%CI )依次为(0.849,0.773\~0.926),(0.883,0.814\~0.952),(0.927,0.872\~0.982)和(0.983,0.956\~1.000),与 AZ=0.5 相比,均有显著差异( P<0.05 )。结论:在甲状腺结节良恶性诊断中,借助AI技术整合多模态超声特征与血清TRAb、VEGF指标,可显著提升诊断准确性,具备重要临床应用价值。