Роль искусственного интеллекта в ультразвуковой диагностике узловых образований щитовидной железы

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.

Objective. To analyze the efficacy of the S-Detect AI system of the Samsung RS85 ultrasound scanner (South Korea) in stratifying thyroid nodules compared to data obtained by specialist of ultrasound diagnostics. Material and methods. In 2024, we analyzed ultrasound data of 80 patients with thyroid nodules who required fine-needle aspiration biopsy (FNAB). Patients underwent thyroid ultrasound with nodule assessment according to the EU TI-RADS classification (GE Voluson E8 scanner, USA). After that, each patient underwent repeated thyroid ultrasound (Samsung RS85 scanner with built-in AI algorithms) to stratify nodules according to the EU TI-RADS classification. After ultrasound, all patients underwent FNAB of nodules with subsequent assessment of cytological results according to the Bethesda classification (2023). We assessed sensitivity, specificity and prognostic value of assessment by expert and AI. Results. Sensitivity, specificity and diagnostic value were high for both expert opinion and AI. However, AI was prone to overdiagnosis. At the same time, expert assessment was characterized by more common false negative results. Diagnostic value of studies conducted by expert and AI was similar. Conclusion. At the modern stage, AI algorithms do not show significant advantages in stratifying thyroid tumors over ultrasound diagnostician with extensive experience.