Стратификация узловых образований щитовидной железы по категориям Eu-TIRADS с использованием трансферного обучения свёрточных нейронных сетей

В статье описан метод оценки потенциала злокачественности узловых образований щитовидной железы и их стратификации по шкале European Thyroid Imaging And Reporting Data System — Европейской системы описания и оценки образований щитовидной железы (Eu-TIRADS) по данным изображений ультразвуковой диагностики c использованием системы искусственного интеллекта. Метод основан на применении технологии трансферного обучения многопараметрических моделей сверточных нейронных сетей и последующей их тонкой настройки. Показано, что даже на основании небольшого набора данных, состоящего из 1129 ультразвуковых изображений узловых образований щитовидной железы, классифицированных по 5 категориям Eu-TIRADS, применение метода обеспечивает высокие показатели точности обучения (Accuracy: 0.8, AUC: 0.92). Это позволяет внедрить и использовать данную технологию в клинической практике как дополнительное средство («второе мнение») объективной оценки риска злокачественности в узлах щитовидной железы с целью дальнейшего их отбора для тонкоигольной биопсии.

1. Черников Р.А., Воробьев С.Л., Слепцов И.В., и др. Узловой зоб (эпидемиология, методы выявления, диагностическая тактика) // Клиническая и экспериментальная тиреоидология. — 2013. — Т. 9. — №2. — С. 29-35. doi: https://doi.org/10.14341/ket20139229-35

2. Russ G, Bonnema SJ, Erdogan MF, et al. European Thyroid Association guidelines for ultrasound malignancy risk stratification of thyroid nodules in adults: The EU-TIRADS. Eur Thyroid J. 2017;6(5):225-237. doi: https://doi.org/10.1159/000478927

3. Sych YP, Fadeev VV, Fisenko EP, Kalashnikova M. Reproducibility and interobserver agreement of different Thyroid Imaging and Reporting Data Systems (TIRADS). Eur Thyroid J. 2021;10(2):161-167. doi: https://doi.org/10.1159/000508959

4. Tran B, Vu G, Ha G, et al. Global evolution of research in artificial intelligence in health and medicine: A bibliometric study. J Clin Med. 2019;8(3):360. doi: https://doi.org/10.3390/jcm8030360

5. Song J, Chai YJ, Masuoka H, et al. Ultrasound image analysis using deep learning algorithm for the diagnosis of thyroid nodules. Medicine (Baltimore). 2019;98(15):e15133. doi: https://doi.org/10.1097/MD.0000000000015133

6. Платформа машинного обучения TensorFlow [Интернет]. Доступно по: https://www.tensorflow.org/