Este estudio prueba un nuevo ultrasonido de hoja sónica para exploraciones tiroideas. Compara sus imágenes con ecografías hospitalarias regulares para ver cuál es más clara. Las imágenes ayudarán a desarrollar futuras herramientas de IA para mejorar la atención. (THYMAL 01)

Nuestra plataforma de ecografía tiroidea diseñada específicamente, integrada con algoritmos de aprendizaje automático de última generación, logrará una detección y delimitación precisa de los nódulos tiroideos y las estructuras críticas adyacentes, y producirá un modelo tridimensional trazable de nódulos capaz de guiar la ablación mínimamente invasiva mientras proporciona una cuantificación volumétrica en tiempo real del progreso del tratamiento y la enfermedad residual.

DISEÑO DEL ESTUDIO Este estudio constará de dos partes. Parte A - Estudio prospectivo de imagen tiroidea Realizaremos un estudio de imagen prospectivo emparejado (n=30) para determinar si el dispositivo de ecografía del estudio adquiere resultados/capacidad para detectar nódulos tiroideos y estructuras clave (arteria carótida común, vena yugular interna, tráquea, nervio vago, nervio laríngeo recurrente y glándulas paratiroideas) que sean comparables al dispositivo de ecografía estándar de atención (SOC).

Parte B - Desarrollo del modelo de aprendizaje automático Las imágenes de ecografía y el video cine adquiridos con el dispositivo de investigación y las anotaciones del radiólogo de la Parte A se utilizarán para entrenar y probar internamente un modelo de ML para la segmentación de nódulos y estructuras críticas. Para la validación externa, el modelo de ML se aplicará a estudios de ecografía tiroidea anonimizados adquiridos con la ecografía estándar de atención (SOC) y recuperados retrospectivamente del PACS provincial (n≈30). Se evaluará la exactitud y la precisión para establecer la validez técnica y la generalizabilidad. Los resultados del ML son solo para investigación; no se basarán en ellos decisiones clínicas.