Сайт издательства «Медиа Сфера»
содержит материалы, предназначенные исключительно для работников здравоохранения. Закрывая это сообщение, Вы подтверждаете, что являетесь дипломированным медицинским работником или студентом медицинского образовательного учреждения.

Вход
RU
+7 (495) 482-4118
+7 (495) 482-0604
+8 800 250-18-12
  • (бесплатный номер по вопросам подписки)
    пн-пт с 10 до 18
  • Издательство «Медиа Сфера»
    а/я 54, Москва, Россия, 127238
  • info@mediasphera.ru

  • © 1998-2025
+7 (495) 482-43-29
RU
Все журналы
Журнал
Год
Год
Результаты поиска: 0

Глушков П.С.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Марущак Е.А.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России;
ФГАОУ ВО «Российский национальный исследовательский медицинский университет имени Н.И. Пирогова» Минздрава России

Азимов Р.Х.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России;
ФГАОУ ВО «Российский университет дружбы народов имени Патриса Лумумбы» Минобрнауки России

Зубарева Е.А.

ФГАОУ ВО «Российский национальный исследовательский медицинский университет имени Н.И. Пирогова» Минздрава России

Левикин К.Е.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Шемятовский К.А.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Карнеев Н.А.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Хусанов Ш.С.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Горский В.А.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России;
ФГАОУ ВО «Российский университет дружбы народов имени Патриса Лумумбы» Минобрнауки России;
ФГАОУ ВО «Российский национальный исследовательский медицинский университет имени Н.И. Пирогова» Минздрава России

Роль искусственного интеллекта в ультразвуковой диагностике узловых образований щитовидной железы

Авторы:

Глушков П.С., Марущак Е.А., Азимов Р.Х., Зубарева Е.А., Левикин К.Е., Шемятовский К.А., Карнеев Н.А., Хусанов Ш.С., Горский В.А.

Подробнее об авторах

Журнал: Хирургия. Журнал им. Н.И. Пирогова. 2024;(12‑2): 109‑116

DOI: 10.17116/hirurgia2024122109

Просмотров: 693

Загрузок: 8

Купить за 300₽
Связаться с автором
Оглавление

ARTIFICIAL INTELLIGENCE IN ULTRASOUND DIAGNOSIS OF THYROID NODULES
ARTIFICIAL INTELLIGENCE IN ULTRASOUND DIAGNOSIS OF THYROID NODULES

Как цитировать:

Глушков П.С., Марущак Е.А., Азимов Р.Х., и др. Роль искусственного интеллекта в ультразвуковой диагностике узловых образований щитовидной железы. Хирургия. Журнал им. Н.И. Пирогова. 2024;(12‑2):109‑116.
Glushkov PS, Marushchak EA, Azimov RKh, et al. Artificial intelligence in ultrasound diagnosis of thyroid nodules. Pirogov Russian Journal of Surgery. 2024;(12‑2):109‑116. (In Russ.)
https://doi.org/10.17116/hirurgia2024122109

Подписка 2025-2 (Pirogov Russian Journal of Surgery)
МСФ на ЯМ
Закрыть метаданные
Рекомендуем статьи по данной теме:
Эф­фек­тив­ность и бе­зо­пас­ность боль­ших язы­ко­вых мо­де­лей на ос­но­ве ис­кусствен­но­го ин­тел­лек­та в ка­чес­тве инстру­мен­та под­дер­жки при­ня­тия ре­ше­ний в гер­ни­оло­гии: оцен­ка эк­спер­та­ми и об­щи­ми хи­рур­га­ми. Хи­рур­гия. Жур­нал им. Н.И. Пи­ро­го­ва. 2024;(8):6-14
Точ­ность при­ло­же­ния на ос­но­ве ис­кусствен­но­го ин­тел­лек­та при вы­яв­ле­нии хро­ни­чес­ких за­бо­ле­ва­ний вен клас­сов C1 и C2. Фле­бо­ло­гия. 2024;(2):132-138
Вли­яние тех­но­ло­гий ис­кусствен­но­го ин­тел­лек­та на дли­тель­ность про­ве­де­ния двой­но­го чте­ния мам­мог­ра­фи­чес­ких ис­сле­до­ва­ний. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2024;(5):32-37
Точ­ность при­ло­же­ния на ос­но­ве ис­кусствен­но­го ин­тел­лек­та при вы­яв­ле­нии хро­ни­чес­ких за­бо­ле­ва­ний вен клас­сов C1 и C2. Фле­бо­ло­гия. 2024;(2):132-138
Сис­те­ма CAD EYE для де­тек­ции и диф­фе­рен­ци­ров­ки но­во­об­ра­зо­ва­ний тол­стой киш­ки в ре­жи­ме ре­аль­но­го вре­ме­ни. До­ка­за­тель­ная гас­тро­эн­те­ро­ло­гия. 2024;(2):50-54
Прог­но­зи­ро­ва­ние рис­ка сни­же­ния ова­ри­аль­но­го ре­зер­ва пос­ле хи­рур­ги­чес­ко­го ле­че­ния па­ци­ен­ток с глу­бо­ким ин­фильтра­тив­ным эн­до­мет­ри­озом с ис­поль­зо­ва­ни­ем ис­кусствен­но­го ин­тел­лек­та. Рос­сий­ский вес­тник аку­ше­ра-ги­не­ко­ло­га. 2024;(3):92-102
Ис­кусствен­ный ин­тел­лект в дер­ма­то­ло­гии: воз­мож­нос­ти и пер­спек­ти­вы. Кли­ни­чес­кая дер­ма­то­ло­гия и ве­не­ро­ло­гия. 2024;(3):246-252
При­ме­не­ние ме­то­дов ис­кусствен­но­го ин­тел­лек­та при гла­уко­ме. Часть 1. Ней­ро­се­ти и глу­бо­кое обу­че­ние в скри­нин­ге и ди­аг­нос­ти­ке гла­уко­мы. Вес­тник оф­таль­мо­ло­гии. 2024;(3):82-87
Ав­то­ном­ный ис­кусствен­ный ин­тел­лект для сор­ти­ров­ки ре­зуль­та­тов про­фи­лак­ти­чес­ких лу­че­вых ис­сле­до­ва­ний. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2024;(7):23-29
Диаг­нос­ти­ка доб­ро­ка­чес­твен­ных но­во­об­ра­зо­ва­ний гор­та­ни с при­ме­не­ни­ем ней­ро­се­ти. Вес­тник ото­ри­но­ла­рин­го­ло­гии. 2024;(3):24-28

ЦЕЛЬ ИССЛЕДОВАНИЯ

Проанализировать использование системы ИИ S-Detect в стратификации узловых образований ЩЖ по сравнению с данными, полученными врачом ультразвуковой диагностики.

МАТЕРИАЛ И МЕТОДЫ

В НКЦ№2 РНЦХ им. Б.В. Петровского за 2024 г. проанализированы результаты УЗИ 80 пациентов с узловыми образованиями ЩЖ, которым была необходима ТАБ. Пациентам выполнено УЗИ ЩЖ с оценкой узлов по классификации EU TI-RADS. После этого каждому пациенту повторно выполнено УЗИ ЩЖ на аппарате с использованием встроенных алгоритмов ИИ для стратификации узловых образований по EU TI-RADS. После УЗИ всем пациентам проведена ТАБ исследованных узловых образований с оценкой полученных цитологических результатов по классификации Bethesda (2023). Для полученных результатов проведена оценка чувствительности, специфичности и прогностической ценности оценки экспертом и системой ИИ.

РЕЗУЛЬТАТЫ

Как для экспертного заключения, так и для заключения, выданного системой ИИ, определялись высокие показатели чувствительности, специфичности и диагностической ценности. Однако для системы ИИ отмечались более низкие показатели специфичности по сравнению с экспертной оценкой, это означает, что система склонна к гипердиагностике. В то же время у эксперта по сравнению с системой ИИ отмечалось несколько большее количество ложноотрицательных значений. При анализе диагностической ценности исследований, проведенных экспертом и ИИ, статистически значимой разницы не было.

ЗАКЛЮЧЕНИЕ

На данном этапе алгоритмы искусственного интеллекта не показывают существенных преимуществ при стратификации новообразований щитовидной железы перед врачом ультразвуковой диагностики с большим стажем работы.

Ключевые слова:

узловые образования щитовидной железы
стратификация
искусственный интеллект
тонкоигольная аспирационная биопсия
EU TI-RADS

Авторы:

Глушков П.С.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Марущак Е.А.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России;
ФГАОУ ВО «Российский национальный исследовательский медицинский университет имени Н.И. Пирогова» Минздрава России

Азимов Р.Х.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России;
ФГАОУ ВО «Российский университет дружбы народов имени Патриса Лумумбы» Минобрнауки России

Зубарева Е.А.

ФГАОУ ВО «Российский национальный исследовательский медицинский университет имени Н.И. Пирогова» Минздрава России

Левикин К.Е.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Шемятовский К.А.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Карнеев Н.А.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Хусанов Ш.С.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России

Горский В.А.

ФГБНУ «Российский научный центр хирургии имени академика Б.В. Петровского» Минобрнауки России;
ФГАОУ ВО «Российский университет дружбы народов имени Патриса Лумумбы» Минобрнауки России;
ФГАОУ ВО «Российский национальный исследовательский медицинский университет имени Н.И. Пирогова» Минздрава России

Дата поступления:

26.08.2024

Дата принятия в печать:

11.09.2024

Список литературы:

  1. Kesharaju M, Nagarajah R. Feature selection for neural network-based defect classification of ceramic components using high frequency ultrasound. Ultrasonics.2015; 62:271-277.  https://doi.org/10.1016/j.ultras.2015.05.027
  2. Tsantis S, Cavouras D, Kalatzis I, Piliouras N, Dimitropoulos N, Nikiforidis G. Development of a support vector machine-based image analysis system for assessing the thyroid nodule malignancy risk on ultrasound. Ultrasound in Medicine and Biology. 2005; 31(11):1451-1459. https://doi.org/10.1016/j.ultrasmedbio.2005.07.009
  3. Hao X, Zhang GG, Ma S. Deep learning. International Journal of Semantic Computing. 2016;10(3):417-439.  https://doi.org/10.1142/s1793351×16500045
  4. Anwar SM, Majid M, Qayyum A, Awais M, Alnowami M, Khan MK. Medical image analysis using convolutional neural networks: a review. Journal of Medical Systems. 2018;42(11):226.  https://doi.org/10.1007/s10916-018-1088-1
  5. Choi YJ, Baek JH, Park HS, Shim WH, Kim TY, Shong YK. A computer-aided diagnosis system using artificial intelligence for the diagnosis and characterization of thyroid nodules on ultrasound: initial clinical assessment. Thyroid. 2017;27(4):546-552.  https://doi.org/10.1089/thy.2016.0372
  6. Gitto S, Grassi G, De Angelis C, Monaco CG, Sdao S, Sardanelli F. A computer-aided diagnosis system for the assessment and characterization of low-to-High suspicion thyroid nodules on ultrasound. Radiologia Medica. 2019;124(2):118-125.  https://doi.org/10.1007/s11547-018-0942-z
  7. Kim HL, Ha EJ, Han M. Real-world performance of computer-aided diagnosis system for thyroid nodules using ultrasonography. Ultrasound in Medicine and Biology. 2019;45(10):2672-2678. https://doi.org/10.1016/j.ultrasmedbio.2019.05.032
  8. Fresilli D, Grani G, De Pascali ML, Alagna G, Tassone E, Ramundo V, Ascoli V, Bosco D, Biffoni M, Bononi M, D’Andrea V, Frattaroli F, Giacomelli L, Solskaya Y, Polti G, Pacini P, Guiban O, Gallo Curcio R, Caratozzolo M, Cantisani V. Computer-aided diagnostic system for thyroid nodule sonographic evaluation outperforms the specificity of less experienced examiners. Journal of Ultrasound. 2020;23(2):169-174.  https://doi.org/10.1007/s40477-020-00453-y
  9. Wei Q, Zeng SE, Wang LP, Yan YJ, Wang T, Xu JW, Zhang MY, Lv WZ, Cui XW, Dietrich CF. The value of s-detect in improving the diagnostic performance of radiologists for the differential diagnosis of thyroid nodules. Medical Ultrasonography. 2020;22(4):415-424.  https://doi.org/10.11152/mu-2501
  10. Han M, Ha EJ, Park JH. Computer-aided diagnostic system for thyroid nodules on ultrasonography: diagnostic performance based on the thyroid imaging reporting and data system classification and dichotomous outcomes. AJNR American Journal of Neuroradiology. 2021;42(3):559-565.  https://doi.org/10.3174/ajnr.A6922
  11. Chung SR, Baek JH, Lee MK, Ahn Y, Choi YJ, Sung TY, Song DE, Kim TY, Lee JH. Computer-aided diagnosis system for the evaluation of thyroid nodules on ultrasonography: prospective non-inferiority study according to the experience level of radiologists. Korean Journal of Radiology. 2020;21(3):369-376.  https://doi.org/10.3348/kjr.2019.0581
  12. Barczynski M, Stopa-Barczynska M, Wojtczak B, Czarniecka A, Konturek A. Clinical validation of s-Detect(Tm) mode in semi-automated ultrasound classification of thyroid lesions in surgical office. Gland Surgery. 2020;9(2):77-85.  https://doi.org/10.21037/gs.2019.12.23
  13. Molnár K, Kálmán E, Hári Z, Giyab O, Gáspár T, Rucz K, Bogner P, Tóth A. False-positive malignant diagnosis of nodule mimicking lesions by computer-aided thyroid nodule analysis in clinical ultrasonography practice. Diagnostics. 2020;10(6): 378.  https://doi.org/10.3390/diagnostics10060378
  14. Котенко К.В., Михайлова А.А., Бадимова А.В., Решетова И.В., Дымова О.В., Еремин И.И., Корчажкина Н.Б. Определение прогностически значимых маркеров донозологического выявления предикторов ожирения и метаболических нарушений. Вопросы курортологии, физиотерапии и лечебной физической культуры. 2023;100(5-2):21. 
  15. Безрукова О.В., Котенко К.В., Васильева Е.С., Корчажкина Н.Б. Оценка эффективности комбинированного применения лечебной физкультуры и SIS-терапии при лечении грыж межпозвонковых дисков шейного отдела позвоночника. Физиотерапия, бальнеология реабилитация. 2023;22(3):209-218. 
  16. Корчажкина Н.Б., Михайлова А.А., Решетова И.В., Дымова О.В., Котенко К.В. Современные подходы к разработке системы валидных методов мониторинга индивидуального здоровья и поддержания активного долголетия. Вопросы курортологии, физиотерапии и лечебной физической культуры. 2023;100(6):6-13. 
  17. Корчажкина Н.Б., Михайлова А.А., Бадимова А.В., Решетова И.В., Дымова О.В., Еремин И.И., Котенко К.В. Методы и маркеры донозологической диагностики и мониторинга индивидуального здоровья и поддержания активного долголетия. Вопросы курортологии, физиотерапии и лечебной физической культуры. 2023;100(5-2):20-21. 
  18. Xia S, Yao J, Zhou W, Dong Y, Xu S, Zhou J, Zhan W. A computer-aided diagnosing system in the evaluation of thyroid nodules-experience in a specialized thyroid center. World Journal of Surgical Oncology. 2019; 17(1):210.  https://doi.org/10.1186/s12957-019-1752-z
  19. Zhao WJ, Fu LR, Huang ZM, Zhu JQ, Ma BY. Effectiveness evaluation of computer-aided diagnosis system for the diagnosis of thyroid nodules on ultrasound: a systematic review and meta-analysis. Medicine. 2019;98(32):e16379. https://doi.org/10.1097/md.0000000000016379
  20. Jeong EY, Kim HL, Ha EJ, Park SY, Cho YJ, Han M. Computer-aided diagnosis system for thyroid nodules on ultrasonography: diagnostic performance and reproducibility based on the experience level of operators. European Radiology. 2019;29(4):1978-1985. https://doi.org/10.1007/s00330-018-5772-9
  21. Yoo YJ, Ha EJ, Cho YJ, Kim HL, Han M, Kang SY. Computer-aided diagnosis of thyroid nodules Via ultrasonography: initial clinical experience. Korean Journal of Radiology. 2018;19(4):665-672.  https://doi.org/10.3348/kjr.2018.19.4.665

Закрыть метаданные

Связаться с автором
Email
Сообщение
Издательство "Медиа Сфера" не оказывает услуги по лечению, не дает рекомендации по обращению в медицинские учреждения и к конкретным специалистам, по назначению лекарственных средств и БАДов.

Подтверждение e-mail

На test@yandex.ru отправлено письмо со ссылкой для подтверждения e-mail. Перейдите по ссылке из письма, чтобы завершить регистрацию на сайте.

Подтверждение e-mail

Обратная связь
Если у вас возникли вопросы, жалобы или предложения, — воспользуйтесь формой обратной связи.
Email
Сообщение
Издательство "Медиа Сфера" не оказывает услуги по лечению, не дает рекомендации по обращению в медицинские учреждения и к конкретным специалистам, по назначению лекарственных средств и БАДов.
Подать заявку

Вы можете стать автором одного из наших журналов, отправьте заявку и мы рассмотрим ее в течении дня.

Имя
Телефон
E-mail
Сообщение
Вход
Регистрация
E-mail
Пароль
Забыли пароль?

Войдите на сайт, используя вашу учетную запись в одном из сервисов

Восстановление пароля
E-mail
Войти
Зарегистрироваться

Мы используем файлы cооkies для улучшения работы сайта. Оставаясь на нашем сайте, вы соглашаетесь с условиями использования файлов cооkies. Чтобы ознакомиться с нашими Положениями о конфиденциальности и об использовании файлов cookie, нажмите здесь.