Ultrasound Large-scale Model in Thyroid Field: A Multi-center Study on Medical-Engineering Integration

Celem tego badania obserwacyjnego jest ocena dokładności diagnostycznej i integracji z klinicznym przepływem pracy inteligentnego agenta ultrasonograficznego (UIA) w zarządzaniu chorobami tarczycy w rzeczywistych warunkach wieloośrodkowych. Główne pytanie badawcze brzmi:

Czy UIA może poprawić spójność i efektywność diagnostyczną dla guzków tarczycy (TI-RADS 1-5), zapalenia tarczycy Hashimoto oraz przerzutów do węzłów chłonnych szyjnych w porównaniu z tradycyjną interpretacją ultrasonograficzną? Uczestnicy będą obejmować dorosłych (18-80 lat) poddawanych badaniu ultrasonograficznemu tarczycy w 16 uczestniczących szpitalach w Chinach. Kluczowe kryteria włączenia obejmują pacjentów z podejrzeniem zaburzeń tarczycy wymagających obrazowania, podczas gdy kryteria wykluczenia dotyczą słabej jakości obrazu lub równoległych badań klinicznych. Ponad 2000 przypadków (50% guzków tarczycy, 30% zmian rozlanych, 12,5% nieguzkowych nieprawidłowości, 7,5% populacji specjalnych) zostanie prospektywnie włączonych. Zbieranie danych integruje statyczne/dynamiczne obrazy ultrasonograficzne, wyniki laboratoryjne oraz raporty generowane przez AI. Pierwszorzędowe punkty końcowe obejmują metryki wydajności modelu (AUC, czułość/specyficzność, Kappa TI-RADS ≥0,8), efektywność przepływu pracy (czas generowania raportu ≤5 minut) oraz standardy referencyjne specyficzne dla pediatrii/ciąży. Analizy drugorzędowe ocenią zgodność między obserwatorami (Kappa Cohena) oraz wyniki podłużne poprzez 6-12-miesięczną obserwację. Badanie to ma na celu ustalenie opartych na dowodach wytycznych dla diagnozy tarczycy wspomaganej AI, szczególnie w regionach niedostatecznie obsługiwanych, jednocześnie adresując luki w obecnych ramach walidacji AI związane z fuzją danych wielomodalnych i adaptacyjnością dla populacji specjalnych.