超声造影VueBox软件定量分析联合人工智能大语言模型在鉴别C-TIRADS 4类甲状腺小结节良恶性中的价值OA北大核心CSTPCD

目的:本研究拟探寻超声造影(Contrast-enhanced ultrasound,CEUS)VueBox软件定量分析联合人工智能大语言模型在鉴别C-TIRADS 4类甲状腺小结节良恶性中的价值。方法:回顾性分析2021年3月—2022年11月于我院行常规超声检查发现最大直径≤10 mm的C-TIRADS 4类结节并进一步行CEUS检查,后经甲状腺细针穿刺或手术病理证实的100个患者(100个结节)的资料。根据病理结果分为恶性组(70个结节)和良性组(30个结节),记录两组结节常规超声声像图特征并比较;使用VueBox软件对结节CEUS动态图像进行分析获得时间-强度曲线,记录结节及周围等大等深正常组织共24个VueBox定量参数及差值(△)并比较。采用ChatGPT 3.5大语言模型分析初级医师及高级医师记录的C-TIRADS特征并记录输出结果。评价两组间VueBox定量参数及大语言模型结果,并绘制受试者工作特征(Receptor operation curve,ROC)曲线评估诊断效能。结果:恶性组结节相较于良性组结节,纵横比大于1及边界模糊的比例更高;恶性组结节峰值强度(PE)((11292.37±8608.01)a.u)、结节处PE与正常组织PE差值(△PE)(-13219.32±20922.01)、流入相曲线下面积(WiAUC)((47702.1±44265.22)a.u)、流入相比率(WiR)((4644.31±3857.83)a.u)、流入相灌注指数(WiPI)((10112.57±8468.14)a.u)均低于良性组结节。定量参数PE以10967.66 a.u为截断值诊断效能最高,灵敏度为0.6(0.476~0.713),特异度为0.87(0.684~0.956),准确度为0.68,AUC为0.789(0.695~0.882);大语言模型诊断灵敏度为0.83(0.716~0.905),特异度为0.63(0.439~0.795),准确度为0.77,AUC为0.731(0.616~0.846);CEUS的VueBox定量分析联合大语言模型诊断灵敏度为1(0.935~1),特异度为0.63(0.439~0.795),准确度为0.89,AUC为0.817(0.707~0.926)(P均<0.05)。结论:CEUS VueBox定量参数PE可有效鉴别C-TIRADS 4类甲状腺小结节的良恶性,联合大语言模型可保留诊断特异度的同时提高诊断灵敏度、准确度及AUC。