Schilddrüsenkrebs jetzt mit KI-Photoakustik/Ultraschall-Bildgebung diagnostiziert

Schilddrüsenkrebs jetzt mit maschinell lernender photoakustischer/ultraschallbildgebender Bildgebung diagnostiziert

Eine Schwellung der Schilddrüse wird als Schilddrüsenfehler bezeichnet, ebenso werden 5-10% aller Schilddrüsenfehler als Schilddrüsenkrebs diagnostiziert Schilddrüsenkrebs hat eine ausgezeichnete Diagnose, einen hohen Überlebenspreis, sowie einen reduzierten Wiederauftretenspreis, also sehr früh medizinische Diagnose sowie Therapie sind von entscheidender Bedeutung. Vor kurzem hat eine gemeinsame Studiengruppe in Korea tatsächlich einen brandneuen nicht-invasiven Ansatz empfohlen, um Schilddrüsenfehler durch Krebs zu identifizieren, indem photoakustische () sowie Ultraschallbildinnovationen mit Expertensystemen integriert werden.

Die gemeinsame Studiengruppe – bestehend aus Professor Chulhong Kim sowie Dr. Byullee Park vom Department of Electrical Engineering der POSTECH, Department of Convergence IT Engineering sowie Department of Mechanical Engineering, Professor Dong-Jun Lim sowie Professor Jeonghoon Ha von Seoul St Mary's Krankenhaus der Katholischen Universität von Korea sowie Professor Jeesu Kim von der Pusan ​​National University – führten eine Forschungsstudie durch, um Fotos von Menschen mit tödlichen sowie gutartigen Schönheitsfehlern zu erhalten und sie mit einem Expertensystem zu untersuchen. In Anerkennung ihrer Bedeutung wurden die Recherchen nach dieser Forschung veröffentlicht in Krebsforschung.

Derzeit erfolgt die medizinische Diagnose einer Schilddrüsenfehlfunktion mittels einer Feinnadel-Ambitionsbiopsie (FNAB) unter Verwendung eines Ultraschallbildes. Etwa 20 % der FNABs sind jedoch unzuverlässig, was zu wiederholten sowie unnötigen Biopsien führt.

Um dieses Problem zu überwinden, entdeckte die gemeinsame Studiengruppe die Verwendung der Bildgebung, um ein durch Licht erzeugtes Ultraschallsignal zu erfassen. Wenn Licht (Laser) auf die Schilddrüsenfehlstelle der Person eingestrahlt wird, wird ein Ultraschallsignal, das als Signal bezeichnet wird, von der Schilddrüse sowie der Fehlstelle erzeugt. Durch das Erhalten und Verfeinern dieses Signals werden sowohl Fotos der Drüse als auch des Makels gesammelt. Wenn zu diesem Zeitpunkt multispektrale Signale empfangen werden, können Details der Sauerstoffsättigung der Schilddrüse sowie Schilddrüsenfehler bestimmt werden.

Die Wissenschaftler konzentrierten sich auf die Tatsache, dass die Sauerstoffsättigung tödlicher Hautunreinheiten geringer ist als bei typischen Hautunreinheiten, sowie Fotos von Menschen mit tödlichen Schilddrüsenfehlern (23 Personen) sowie solchen mit gutartigen Hautunreinheiten (29 Personen). Die Wissenschaftler führten multispektrale In-vivo-Bildgebung an den Schilddrüsenfehlern des Individuums durch und bestimmten mehrere Spezifikationen, bestehend aus dem Sauerstoffsättigungsgrad des Hämoglobins an der Stelle des Knotens. Dies wurde mit Strategien der künstlichen Intelligenz untersucht, um effektiv und sofort zu kategorisieren, ob die Schilddrüsenfehlbildung tödlich oder gutartig war. In der ersten Kategorie lag die Sensibilität, Hass als tödlich einzustufen, bei 78% und die Einzigartigkeit, gutartig als gutartig einzustufen, bei 93%.

Die Ergebnisse der Bewertung, die durch Strategien der künstlichen Intelligenz in der 2. Bewertung erzielt wurden, wurden mit den Ergebnissen der ersten Bewertung basierend auf Ultraschallfotos, die typischerweise in Gesundheitseinrichtungen verwendet werden, berücksichtigt. Auch hier wurde bestätigt, dass die tödlichen Schilddrüsenfehler mit einer Sensitivität von 83% sowie einer Einzigartigkeit von 93% identifiziert werden können.

Wenn die Wissenschaftler in der 100. Auswertung den Empfindlichkeitsgrad bei 3 % behielten, erreichte die Einzigartigkeit sogar 55 %. Dabei handelte es sich um das 3-fache der Eindeutigkeit von 17.3% (Sensitivitätsgrad von 98%) der ersten Beurteilung von Schilddrüsenfehlern mit dem Standard-Ultraschall.

Als Ergebnis erhöhte sich die Wahrscheinlichkeit, gutartige, nicht bösartige Schönheitsfehler angemessen zu identifizieren, um mehr als das Dreifache, was zeigt, dass Überdiagnosen sowie unnötige Biopsien sowie doppelte Untersuchungen erheblich gesenkt und folglich zu hohe klinische Preise minimiert werden können.

„Diese Studie ist insofern von Bedeutung, als sie die erste ist, die photoakustische Bilder von Schilddrüsenknoten erfasst und bösartige Knoten mithilfe von maschinellem Lernen klassifiziert“, sagte Professor Chulhong Kim von POSTECH. „Neben der Minimierung unnötiger Biopsien bei Schilddrüsenkrebspatienten kann diese Technik auch bei einer Vielzahl anderer Krebsarten, einschließlich Brustkrebs, angewendet werden.“

„Das Ultraschallgerät, das auf photoakustischer Bildgebung basiert, wird bei der effektiven Diagnose von Schilddrüsenkrebs, der häufig bei Gesundheitsuntersuchungen auftritt, hilfreich sein und die Anzahl der Biopsien reduzieren“, beschreibt Professor Dong-Jun Lim vom Seoul St Mary's Hospital. „Es kann zu einem Medizinprodukt entwickelt werden, das problemlos bei Patienten mit Schilddrüsenknoten eingesetzt werden kann.“