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

O objetivo deste estudo observacional é avaliar a precisão diagnóstica e a integração no fluxo de trabalho clínico de um agente inteligente de ultrassonografia (UIA) para a gestão de doenças da tiróide num cenário multicêntrico do mundo real. A principal questão de investigação é:

Poderá o UIA melhorar a consistência e eficiência diagnóstica para nódulos da tiróide (TI-RADS 1-5), tiroidite de Hashimoto e metástase de gânglios linfáticos cervicais, em comparação com a interpretação tradicional por ultrassonografia? Os participantes incluirão adultos (18-80 anos) submetidos a ultrassonografia da tiróide em 16 hospitais participantes na China. Os principais critérios de inclusão abrangem doentes com suspeita de distúrbios da tiróide que necessitem de imagiologia, enquanto os critérios de exclusão abordam má qualidade da imagem ou ensaios clínicos concomitantes. Mais de 2.000 casos (50% nódulos da tiróide, 30% lesões difusas, 12,5% anomalias não nodulares, 7,5% populações especiais) serão recrutados prospetivamente. A recolha de dados integra imagens estáticas/dinâmicas de ultrassonografia, resultados laboratoriais e relatórios gerados por IA. Os endpoints primários incluem métricas de desempenho do modelo (AUC, sensibilidade/especificidade, Kappa TI-RADS ≥0,8), eficiência do fluxo de trabalho (tempo de geração do relatório ≤5 minutos) e padrões de referência específicos para pediatria/gravidez. As análises secundárias avaliarão a fiabilidade interobservador (Kappa de Cohen) e resultados longitudinais através de seguimento de 6-12 meses. Este estudo visa estabelecer diretrizes baseadas em evidências para o diagnóstico da tiróide aumentado por IA, particularmente em regiões carenciadas, ao mesmo tempo que aborda lacunas nos atuais quadros de validação de IA relacionadas com a fusão de dados multimodais e a adaptabilidade a populações especiais.