European Radiology：人工智能优化的ACR TI-RADS在诊断甲状腺结节方面的价值

自20世纪90年代以来，随着超声在临床上的广泛使用，甲状腺结节的检出率有了很大的提高。在中国，高分辨率超声检查的甲状腺结节患病率为20.43%。现阶段，细针抽吸细胞学检查（FNAC）是识别甲状腺恶性结节的金标准。然而，由于其为一种侵入性手术，因此有出血等并发症发生的可能。目前，临床上仍没有普遍适用的准则来确定哪些结节应进行超声引导下的FNA。
2009年，Horvath等学者提出了最初的甲状腺成像报告和数据系统（TI-RADS）用于甲状腺结节的分级。目前，由美国放射学会（ACR）发布的最新版TI-RADS被广泛应用于甲状腺成像和管理。ACR TI-RADS采用评分系统将甲状腺结节分为五大类，分数越高说明恶变的可能性越大。
最近，Wildman-Tobriner等学者应用人工智能（AI）通过为八个超声特征分配新的分数来优化TI-RADS。在他们的研究中，AI TI-RADS保持了高灵敏度（93.3%），并显示出明显优于人工智能的特异性，显示出明显优于ACR TI- RADS的特异性（64.7% vs. 47%，P < 0.001）。

近日，发表在European Radiology杂志的一项研究回顾性地比较AI TI-RADS和ACR TI-RADS在大样本中的诊断表现，并评估了AI TI-RADS在减少不必要FNAs数量方面的能力，为提高临床诊断准确性、减少患者的负担提供了影像学支持。

本研究在2017年1月-2020年7月期间共对细针抽吸或手术采样的2061个甲状腺结节（1859名患者）进行了回顾性分析。两位对病理诊断保密的放射学专家评估了五个超声类别的结节特征，并通过ACR TI-RADS和AI TI-RADS分配TI-RADS评分。通过要求另外两名放射科医生对一组100个结节进行独立评分，来评估评分者之间的一致性。参考标准是根据Bethesda系统进行的术后病理或细胞病理学诊断。使用类内相关系数（ICC）确定评分者之间的一致性。 
AI TI-RADS分配的TI-RADS风险水平比ACR TI-RADS低（P < 0.001），并且具有更大的AUC（0.762 vs. 0.679，P < 0.001）。ACR TI-RADS和AI TI-RADS的敏感性相似（86.7% vs. 82.2%，p = 0.052），但AI TI-RADS的特异性更高（70.2% vs. 49.2%，p < 0.001）。AI TI-RADS降低了743个（48.63%）良性结节的等级，表明328个（776个活检结节的42.3%）不必要的细针抽吸（FNA）是可以避免的。与ACR TI-RADS相比，AI TI-RADS的评分者之间的一致性更好（ICC，0.808 vs. 0.861，p < 0.001）。 

图 A 根据AI TI-RADS，甲状腺结节分配了新的分数，而结节大小的分界点建议FNA与ACR TI-RADS相同。B 应用AI TI-RADS时，ACR TR3至TR5中的活检和活检回避的良性结节的数量。括号内的数字代表特定风险水平内的百分比

本研究表明，AI TI-RADS可以实现良性甲状腺结节活检数量的降低，并明显提高特异性。

原文出处：

Ying Liu,Xiaoxian Li,Cuiju Yan,et al.Comparison of diagnostic accuracy and utility of artificial intelligence-optimized ACR TI-RADS and original ACR TI-RADS: a multi-center validation study based on 2061 thyroid nodules.DOI:10.1007/s00330-022-08827-y