Denne studien tester en ny Sound Blade-ultralyd for thyreoide-skjerming. Den sammenligner bildene med vanlige sykehusultralyder for å se hvilken som er klarere. Bildene vil hjelpe til med å bygge fremtidige KI-verktøy for å forbedre behandlingen. (THYMAL 01)

Vår spesialbygde ultralydplattform for skjoldbruskkjertelen, integrert med banebrytende maskinlæringsalgoritmer, vil oppnå nøyaktig deteksjon og avgrensning av skjoldbruskkjertelknuter og tilstøtende kritiske strukturer, og vil produsere en sporbar tredimensjonal knutemodell som kan veilede minimalt invasiv ablering samtidig som den gir sanntids volumetrisk kvantifisering av behandlingsfremgang og gjenværende sykdom.

STUDIEDESIGN Denne studien vil bestå av to deler. Del A - Prospektiv skjoldbruskkjertelavbildningsstudie Vi vil gjennomføre en prospektiv, parvis avbildningsstudie (n=30) for å fastslå om studieultralydenheten oppnår resultater/evne til å oppdage skjoldbruskkjertelknuter og nøkkelstrukturer (arteria carotis communis, vena jugularis interna, luftrøret, nervus vagus, nervus laryngeus recurrens og biskjoldbruskkjertlene) som er sammenlignbare med standard ultralydenhet.

Del B - Utvikling av maskinlæringsmodell Ultralydbilder og videosekvenser innhentet fra forsøksenheten og radiologkommentarer fra Del A vil bli brukt til å trene og internelt teste en ML-modell for knute- og kritisk-struktur-segmentering. For ekstern validering vil ML-modellen bli anvendt på anonymiserte skjoldbruskkjertelultralydstudier innhentet med standard ultralydenhet og hentet tilbake i tid fra det provinsielle PACS-systemet (n≈30). Nøyaktighet og presisjon vil bli vurdert for å etablere teknisk gyldighet og generaliserbarhet. ML-resultater er kun til forskningsformål; ingen kliniske beslutninger vil bli basert på dem.