Ultrasound Large-scale Model i Thyroideafeltet: Et Multicenterstudie om Medicinsk-Ingeniorfaglig Integration

Formålet med denne observationsstudie er at evaluere den diagnostiske nøjagtighed og den kliniske arbejdsgangsintegration af en intelligent ultralydsagent (UIA) til skjoldbruskkirtelsygdomshåndtering i en virkelig multicentersetting. Det primære forskningsspørgsmål er:

Kan UIA forbedre diagnostisk konsistens og effektivitet for skjoldbruskkirtelknuder (TI-RADS 1-5), Hashimotos thyroiditis og cervikale lymfeknudemetastaser sammenlignet med traditionel ultralydsfortolkning? Deltagerne vil omfatte voksne (18-80 år), der gennemgår skjoldbruskkirtelultralydsscanning på 16 deltagende hospitaler i hele Kina. Nøgleinklusionskriterier dækker patienter med mistænkte skjoldbruskkirtelforstyrrelser, der kræver billeddannelse, mens eksklusionskriterier omhandler dårlig billedkvalitet eller samtidige kliniske forsøg. Over 2.000 tilfælde (50% skjoldbruskkirtelknuder, 30% diffuse læsioner, 12,5% ikke-knudede unormaliteter, 7,5% særlige befolkningsgrupper) vil blive prospektivt inkluderet. Dataindsamlingen integrerer statiske/dynamiske ultralydsbilleder, laboratorieresultater og AI-genererede rapporter. Primære slutpunkter inkluderer modelydelsesmålinger (AUC, følsomhed/specificitet, TI-RADS Kappa ≥0,8), arbejdsgangseffektivitet (rapportgenereringstid ≤5 minutter) og pædiatriske/graviditetsspecifikke referencestandarder. Sekundære analyser vil vurdere interbedømmers pålidelighed (Cohens Kappa) og longitudinelle resultater via 6-12 måneders opfølgning. Denne studie sigter mod at etablere evidensbaserede retningslinjer for AI-forstærket skjoldbruskkirteldiagnose, især i underbetjente regioner, samtidig med at den adresserer huller i de nuværende AI-valideringsrammer relateret til multi-modalitets datafusion og særlig befolkningsgruppetilpasningsevne.