目的 测量超声引导下细针穿刺细胞学检查(US-G FNAC)过程中的甲状腺结节平均位移,应用机器学习辅助评价平均位移对结节良恶性的鉴别诊断价值.方法 收集经病理确诊的甲状腺结节患者145例,包括恶性结节84例,良性结节61例,记录结节的大小、位置、形态、回声、血流信号等超声特征,所有结节均行US-G FNAC,将记录的穿刺视频应用Free-Xros M后处理,测量穿刺过程中结节平均位移,利用支持向量机构建平均位移诊断结节良恶性的模型.随机抽取85%的病例作为训练集(99例)和验证集(25例)验证该模型的有效性和稳定性,余15%的病例(21例)作为测试集验证该模型的预测能力.绘制受试者工作特征曲线分析平均位移诊断结节良恶性的效能.结果 甲状腺良恶性结节在大小、位置、回声、血流信号等方面比较差异均无统计学意义.纳入的病例中,19例结节性甲状腺肿、13例甲状腺腺瘤、8例炎性病变和21例皱缩结节的平均位移分别为(1.50±0.51)mm、(1.52±0.50)mm、(1.01±0.55)mm和(5.31±1.30)mm;84例甲状腺乳头状癌的平均位移为(3.10±1.12)mm.应用机器学习辅助评价US-G FNAC过程中结节平均位移鉴别其良恶性具有很好的诊断价值;在测试集中,其诊断甲状腺结节良恶性的敏感性为77.8%,特异性为75.0%,准确率为76.4%,曲线下面积为0.764.结论
作者:杨金锋;陈继繁;金沛乐;黄品同;张超
来源:临床超声医学杂志 2022 年 24卷 4期