Ultrasound Groot-schalig Model in het Schildkliergebied: Een Multi-center Studie over Medisch-Technische Integratie

Het doel van deze observationele studie is om de diagnostische nauwkeurigheid en klinische workflowintegratie van een ultrasone intelligente agent (UIA) voor het beheer van schildklieraandoeningen in een real-world, multicentrische setting te evalueren. De primaire onderzoeksvraag is:

Kan de UIA de diagnostische consistentie en efficiëntie voor schildklierknobbels (TI-RADS 1-5), de ziekte van Hashimoto en uitzaaiingen in cervicale lymfeklieren verbeteren in vergelijking met traditionele ultrasone interpretatie? Deelnemers zullen volwassenen (18-80 jaar) omvatten die een schildklier-echografie ondergaan in 16 deelnemende ziekenhuizen in China. Belangrijke inclusiecriteria omvatten patiënten met vermoedelijke schildklieraandoeningen die beeldvorming vereisen, terwijl exclusiecriteria betrekking hebben op slechte beeldkwaliteit of gelijktijdige klinische onderzoeken. Meer dan 2.000 gevallen (50% schildklierknobbels, 30% diffuse laesies, 12,5% niet-nodulaire afwijkingen, 7,5% speciale populaties) zullen prospectief worden opgenomen. Gegevensverzameling integreert statische/dynamische ultrasone beelden, laboratoriumresultaten en AI-gegenereerde rapporten. Primaire eindpunten omvatten modelprestatiemetingen (AUC, sensitiviteit/specificiteit, TI-RADS Kappa ≥0,8), workflowefficiëntie (rapportgeneratietijd ≤5 minuten) en pediatrische/zwangerschapspecifieke referentiestandaarden. Secundaire analyses zullen de interbeoordelaarsbetrouwbaarheid (Cohen's Kappa) en longitudinale uitkomsten via 6-12 maanden follow-up beoordelen. Deze studie beoogt evidence-based richtlijnen vast te stellen voor AI-augmented schildklierdiagnostiek, met name in onderbedeelde regio's, terwijl hiaten in huidige AI-validatiekaders met betrekking tot multimodale datafusie en aanpassingsvermogen voor speciale populaties worden aangepakt.