关键词:
甲状腺
人工智能技术
细针吸取细胞学检查
诊断
应用价值
摘要:
目的:探究人工智能技术联合细针吸取细胞学检查(FNAC)在甲状腺良恶性结节诊断中的应用价值。方法:选取2022年1月至2023年12月在我院进行诊治的128例甲状腺结节患者作为研究对象并记录所有患者的临床资料,采用多普勒超声诊断仪分别进行甲状腺超声人工智能检查、超声引导下加负压FNAC以及二者联合检查,完成后统计患者的病理学结果,人工智能检测将内置算法作为指导,观察病灶参数,对良性、恶性例数进行统计;分析对比单一检测与联合检测的检出率、准确度、灵敏度、特异度、阳性及阴性预测值,并进行受试者工作特征(ROC)曲线分析。结果:128例甲状腺结节患者中,病理学检测出有良性结节者44例(34.38%),恶性结节者84例(65.63%);FNAC检测出良性结节患者55例,恶性结节患者73例;人工智能检测出良性结节患者49例,恶性结节患者79例;联合检测出良性结节患者45例,恶性结节患者83例。在各检测方式阳性与阴性预测值结果中,FNAC检测阳性预测值为65.45%,阴性预测值为89.04%;人工智能检测阳性预测值为71.42%,阴性预测值为88.61%;联合检测阳性预测值为95.55%,阴性预测值为98.80%。采用预测值对识别诊断绘制ROC发现,FNAC检测AUC值为0.789、灵敏度81.82%、特异度78.91%、约登指数0.60;人工智能检测AUC值为0.784、灵敏度79.55%、特异度79.54%、约登指数0.59;联合检测的AUC值为0.985、灵敏度97.72%、特异度92.28%、约登指数0.90,提示在甲状腺良恶性结节诊断中,与单一检测相比,联合检测具有更高的诊断价值。结论:与单一检测相比,人工智能技术与FNAC相结合的检测方式在甲状腺良恶性结节诊断中的诊断效率更高,建议临床推广使用。