Anwendung von künstlicher Ultraschall-Intelligenz und Elastographie in der Differentialdiagnose von Schilddrüsenknoten

Schilddrüsenknoten sind eine der häufigsten knotigen Läsionen bei Erwachsenen, und ihre Inzidenz nimmt zu. Klinische Studien haben ergeben, dass etwa 10 % bis 15 % der Erwachsenen Schilddrüsenknoten haben, von denen die meisten gutartige Knoten sind, nur 7 % der Schilddrüsenknoten neigen dazu, bösartig zu sein, aber wenn sie nicht umgehend behandelt werden, werden 5 % der Patienten immer noch von gutartig zu maligne. Die Inzidenz von Schilddrüsenkrebs nimmt mit dem Alter zu. Nach Angaben des National Cancer Research Center traten im Jahr 2016 weltweit etwa 64.300 neue Fälle von Schilddrüsenkrebs auf, und etwa 1.980 starben an Schilddrüsenkrebs. Die rechtzeitige und genaue Erkennung von Schilddrüsenknoten und die Unterscheidung zwischen gutartig und bösartig sind wichtig, um die klinische Behandlung zu verbessern und die Prognose der Patienten zu verbessern.

Die S-Detect-Technologie ist ein computergestütztes (CAD) System, das kürzlich vom Samsung Medical Center für Schilddrüsen-Ultraschall entwickelt wurde, um die morphologische Analyse basierend auf der Beschreibung und abschließenden Bewertung des Thyroid Imaging Reporting and Data System (TI-RADS) zu unterstützen. Dies bietet eine neue Weise, die gutartigen und bösartigen Schilddrüsenknoten zu identifizieren.

Die ECI-Technik führt im Gegensatz zur herkömmlichen dehnungselastischen Bildgebungstechnologie eine elastische Analyse des gesamten zweidimensionalen Bildes durch. Darüber hinaus ist es bei der Messung des elastischen Verhältnisses nur erforderlich, einen interessierenden Bereich (ROI) am Knoten zu platzieren. Verglichen mit der durchschnittlichen Elastizität der Umgebung spiegelt sie eher das elastische Verhältnis der Masse zum umgebenden Gewebe wider.