Cancro alla tiroide ora diagnosticato con l'imaging fotoacustico/ecografia AI

Il cancro alla tiroide ora viene diagnosticato con l'imaging fotoacustico/ecografico basato sull'apprendimento automatico

Un gonfiore nella ghiandola tiroidea è chiamato inestetismo tiroideo, così come il 5-10% di tutti gli inestetismi tiroidei viene diagnosticato come cancro alla tiroide Il cancro alla tiroide ha una diagnosi eccellente, un alto prezzo di sopravvivenza, così come un prezzo di ricomparsa ridotto, quindi molto presto la diagnosi medica e la terapia sono vitali. Recentemente, un gruppo di studio congiunto in Corea ha raccomandato un nuovissimo approccio non invasivo per identificare gli inestetismi della tiroide dal cancro integrando l'innovazione fotoacustica () e l'immagine ecografica con un sistema esperto.

Il gruppo di studio congiunto, composto dal professor Chulhong Kim e dal dott. Byullee Park del dipartimento di ingegneria elettrica di POSTECH, dipartimento di ingegneria informatica della convergenza e dipartimento di ingegneria meccanica, professor Dong-Jun Lim e professor Jeonghoon Ha di Seoul St Mary's L'ospedale dell'Università Cattolica della Corea, così come il professor Jeesu Kim dell'Università Nazionale di Pusan, hanno condotto uno studio di ricerca per ottenere foto di persone con difetti mortali e benigni e le hanno esaminate con un sistema esperto. In riconoscimento della loro importanza, le ricerche di questa ricerca sono state rilasciate in Ricerca sul cancro.

Attualmente, la diagnosi medica di un difetto tiroideo viene eseguita utilizzando una biopsia ambiziosa con ago sottile (FNAB) utilizzando un'immagine ecografica. Ma circa il 20% degli FNAB non è affidabile, il che si traduce in biopsie ripetute e non necessarie.

Per superare questo problema, il gruppo di studio congiunto ha scoperto di utilizzare l'imaging per acquisire un segnale ultrasonico creato dalla luce. Quando la luce (laser) viene irradiata sull'imperfezione tiroidea dell'individuo, un segnale ultrasonico chiamato segnale viene creato dalla ghiandola tiroidea e dall'imperfezione. Ottenendo e perfezionando questo segnale, vengono raccolte le foto sia della ghiandola che dell'imperfezione. A questo punto, se si ottengono segnali multispettrali, è possibile determinare i dettagli di saturazione di ossigeno della ghiandola tiroidea e le imperfezioni della tiroide.

Gli scienziati si sono concentrati sulla realtà che la saturazione di ossigeno degli inestetismi mortali è inferiore a quella degli inestetismi tipici, così come hanno ottenuto foto di persone con inestetismi mortali della tiroide (23 persone) e di quelli con inestetismi benigni (29 persone). Eseguendo l'imaging multispettrale in vivo sugli inestetismi della tiroide dell'individuo, gli scienziati hanno determinato diverse specifiche, tra cui il grado di saturazione dell'ossigeno dell'emoglobina nella posizione del nodulo. Questo è stato esaminato utilizzando strategie di intelligenza artificiale per classificare efficacemente e immediatamente se l'inestetismo tiroideo era mortale o benigno. Nella prima categoria, il livello di sensibilità per classificare l'odio come mortale era del 78%, così come l'unicità di classificare benigno come benigno era del 93%.

I risultati della valutazione ottenuti dalle strategie di intelligenza artificiale nella 2a valutazione sono stati incorporati con i risultati della prima valutazione basata su foto ecografiche normalmente utilizzate nelle strutture sanitarie. Anche in questo caso è stato verificato che gli inestetismi mortali della tiroide potevano essere identificati con un livello di sensibilità dell'83% e un'unicità del 93%.

Andando ad agire ancora di più, quando gli scienziati hanno mantenuto il livello di sensibilità al 100% nella 3° valutazione, l'unicità è arrivata al 55%. Ciò ha avuto a che fare con 3 volte più dell'unicità del 17.3% (livello di sensibilità del 98%) della prima valutazione degli inestetismi tiroidei utilizzando l'ecografia standard.

Di conseguenza, la probabilità di identificare in modo appropriato macchie benigne e non maligne è aumentata di oltre 3 volte, il che rivela che la diagnosi eccessiva, le biopsie non necessarie e gli esami duplicati possono essere notevolmente ridotti, e di conseguenza ridurre al minimo i costi clinici.

"Questo studio è significativo in quanto è il primo ad acquisire immagini fotoacustiche di noduli tiroidei e classificare i noduli maligni utilizzando l'apprendimento automatico", ha affermato il professor Chulhong Kim di POSTECH. “Oltre a ridurre al minimo le biopsie non necessarie nei pazienti con cancro alla tiroide, questa tecnica può essere applicata anche a una varietà di altri tumori, incluso il cancro al seno”.

"Il dispositivo ad ultrasuoni basato sull'imaging fotoacustico sarà utile per diagnosticare efficacemente il cancro alla tiroide che si riscontra comunemente durante i controlli sanitari e per ridurre il numero di biopsie", ha descritto il professor Dong-Jun Lim dell'ospedale di Seoul St Mary. "Può essere sviluppato in un dispositivo medico che può essere facilmente utilizzato su pazienti con noduli tiroidei".