Искусственный интеллект в ультразвуковом исследовании узловых образований щитовидной железы, прогноз накопления I-131

Обоснование. Узловые образования щитовидной железы — распространённая проблема с частотой встречаемости 19–35% по данным ультразвукового исследования и 8–65% по данным аутопсии [1]. В некоторых случаях наблюдается болезнь Пламмера, а в 10–35% случаев болезни Грейвса могут наблюдаться узловые образования, накопление йода которыми носит различный характер [2, 3]. Одним из основных методов лечения болезней Грейвса и Пламмера является радиойодтерапия, подразумевающая исключение злокачественности узлов. Кроме того, проводится исследование фармакокинетики йода — наиболее длительный и трудозатратный этап подготовки к радиойодтерапии. В клинической практике проводится ультразвуковое исследование согласно системе TI-RADS, затем (в случае необходимости) — тонкоигольная аспирационная пункционная биопсии, стратифицированная по системе Bethesda. Однако ультразвуковое исследование подвержено субъективным интерпретациям, использование же систем поддержки принятия решений может сократить количество тонкоигольных аспирационных пункционных биопсий на 27%, количество пропущенных злокачественных новообразований на 1,9%. Кроме того, количественное описание ультразвукового исследования узловых образований может усовершенствовать процедуру исследования фармакокинетики I-131 [4, 5].

Цель — разработка метода количественного описания ультразвуковых изображений узловых образований щитовидной железы для прогноза злокачественности и накопления I-131 узловыми образованиями.

Материалы и методы. В исследование было включено 125 узловых образований с наличием патоморфологического заключения (65 доброкачественных, 60 злокачественных) и 25 доброкачественных узлов (установлено в рамках цитологического исследования) пациентов, прошедших радиойодтерапию в рамках реализации проекта № 22-15-00135 гранта Российского научного фонда. Продольная и поперечная проекции узлов щитовидной железы были получены с помощью аппаратов GE Voluson E8 (включает 36% всех доброкачественных узлов и 27% злокачественных) и GE Logiq E (64% доброкачественных и 73% злокачественных). Для 25 узлов, полученных на аппарате GE Logiq V2, проведено исследование фармакокинетики I-131 с определением индекса накопления I-131 через 24 часа. Исследовались признаки на основе матрицы пространственной смежности, матрицы длин линий уровней серого, матрицы размера зон уровней серого, а также гистограммные и геометрические признаки изображений ультразвукового исследования.

Результаты. Разработанная на основе наиболее значимых признаков и после проведения корреляционного анализа KNN модель прогноза злокачественности имеет значение диагностической точности 72±3%, чувствительности 73±5%, специфичности 73±5%. Исследование фармакокинетики I-131 показало наибольшее значение модуля коэффициента корреляции Спирмена для признаков максимальный гистограммный градиент интенсивности (r=–0,48, p=0,08) и энтропия интенсивности (r=–0,51, p=0,06) с накоплением I-131 через 24 часа.

Заключение. Проведённое исследование демонстрирует возможность применения количественного описания ультразвуковых изображений узловых образований в качестве инструмента для мониторинга узлов перед проведением радиойодтерапии для последующего дополнительного назначения тонкоигольной аспирационной пункционной биопсии и прогнозирования накопления I-131 через 24 часа.