Tämä tutkimus testaa uutta Sound Blade -ultraäänilaitetta kilpirauhasen kuvauksiin. Se vertaa sen kuvia tavallisiin sairaalan ultraäänikuvauksiin nähdäkseen, kumpi on selkeämpi. Kuvat auttavat kehittämään tulevaisuuden tekoälytyökaluja hoidon parantamiseksi. (THYMAL 01)

Meidän tarkoituksenmukaisesti kehitetty kilpirauhasen ultraäänialusta, joka on integroitu huippuluokan koneoppimisalgoritmeihin, saavuttaa tarkan kilpirauhasen kyhmymuodostumien ja vierekkäisten kriittisten rakenteiden havaitsemisen ja rajauksen, ja tuottaa seurattavan kolmiulotteisen kyhymuodostumamallin, joka pystyy ohjaamaan minimaalisesti invasiivista ablatiota samalla tarjoten reaaliaikaista tilavuuden määritystä hoidon edistymisestä ja jäljellä olevasta sairaudesta.

TUTKIMUSSUUNNITTELMA Tämä tutkimus koostuu kahdesta osasta. Osa A - Prospektiivinen kilpirauhasen kuvantamistutkimus Suoritamme prospektiivisen, paritellun kuvantamistutkimuksen (n=30) määrittääksemme, hankkiiko tutkimusultraäänilaite tuloksia/kykyä havaita kilpirauhasen kyhmymuodostumia ja keskeisiä rakenteita (aivoverisuoniputki, sisäinen kaulalaskimo, henkitorvi, vaeltava hermo, toistuva kurkunpäähermo ja lisäkilpirauhaset), jotka ovat verrattavissa standardihoidon (SOC) ultraäänilaitteeseen.

Osa B - Koneoppimismallin kehitys Osassa A tutkimuslaitteella hankitut ultraäänikuvat ja videot sekä radiologien merkinnät käytetään kyhmymuodostumien ja kriittisten rakenteiden segmentointiin tarkoitetun koneoppimismallin kouluttamiseen ja sisäiseen testaamiseen. Ulkoista validointia varten koneoppimismallia sovelletaan anonymisoituihin kilpirauhasen ultraäänitutkimuksiin, jotka on hankittu standardihoidon (SOC) ultraäänilaitteella ja haettu retrospektiivisesti maakunnan PACS-järjestelmästä (n≈30). Tarkkuutta ja tarkkuutta arvioidaan teknisen pätevyyden ja yleistettävyyden vahvistamiseksi. Koneoppimismallin tuotokset ovat vain tutkimuskäyttöön; niihin ei perustuta kliinisiä päätöksiä.