Yapay zeka destekli ultrasonla foliküler tiroid neoplazilerinin tanısı ve sınıflandırılması: çok merkezli bir çalışma

Tiroid nodülleri olan kişiler için neden önemli

Birçok kişi rutin kontroller sırasında tiroid nodülleri keşfeder ve ardından bu büyümenin zararsız mı yoksa kanserli mi olduğunu öğrenmek için endişeli haftalar geçirir. Bu çalışma, yapay zekânın (YZ) foliküler neoplazi olarak adlandırılan belirli bir tiroid büyüme grubunun ultrason görüntülerini insan uzmanlardan daha doğru okuyup okuyamayacağını araştırıyor; böylece gereksiz ameliyatlardan kaçınılmasına yardımcı olurken tehlikeli tümörlerin atlanmamasını sağlamayı amaçlıyor.

Zararsız ve zararlı aynı görünürken

Foliküler tiroid tümörleri iki ana formda olur: adenomlar, ki bunlar iyi huyludur, ve karsinomlar, bunlar ise kan damarlarına invaze olabilir ve yayılabilir. Hem mikroskop altında hem de ultrason taramalarında bu tümörler sıklıkla çarpıcı şekilde benzer görünür. Tecrübeli radyologlar ve patologlar bile ameliyat öncesi bunları ayırt etmekte zorlanabilir; bu da birçok hastanın kesin tanı almak için tiroidin yarısının veya tamamının çıkarılmasına maruz kalmasına yol açar. Stakes yüksektir: bazı karsinomlar yalnızca hafif invazivdir ve iyi bir prognoza sahiptir, bazıları ise daha agresiftir; bu nedenle doğru türü bilmek, hastanın ne kadar ameliyat ve takip gerektirdiğini belirleyebilir.

Bilgisayara tiroid ultrasonlarını okumayı öğretmek

Araştırmacılar, şimdiye kadarki en büyük foliküler tiroid ultrason görüntüsü koleksiyonlarından birini derledi; Çin genelindeki 31 hastaneden 2.567 hasta kullanıldı. Her nodül için radyologlar standart siyah-beyaz ultrason görüntülerinde ilgili bölgeyi çizdi. ConvNeXt olarak bilinen görsel bir mimariye dayanan modern bir derin öğrenme sistemi daha sonra aşamalar halinde eğitildi. Önce iyi huylu adenomları karsinomlardan ayırt etmeyi öğrendi. Sonra karsinomlar arasında daha az invaziv ve daha invaziv alt tipleri ayırmayı öğrendi; bu alt gruplar kabaca düşük, orta ve yüksek riskli hastalıklarla örtüşüyor. Ekip farklı ultrason bilgisi türlerini test etti ve basit B‑modu görüntülerin—standart gri tonlu taramaların—YZ için renkli kan akışı görüntülerinden daha güvenilir olduğunu buldu; renkli görüntüler kalite açısından çok değişkenlik gösteriyordu.

YZ’nin gerçek dünyadaki performansı nasıldı

Sistemin inşa edildiği laboratuvarların dışında da işe yarayıp yaramadığını görmek için yazarlar, her biri farklı iyi huylu ve kötü huylu tümör karışımlarına sahip üç bağımsız hasta grubunda test etti. Bu merkezler genelinde YZ, adenomları karsinomlardan ayırmada tutarlı biçimde güçlü performans sergiledi; doğruluk ölçüleri (AUC değerleri) yaklaşık 0,82 ila 0,85 arasındaydı. Ayrıca daha zor olan görevi olan tümörleri üç gruba—iyi huylu, minimal invaziv kanser ve daha agresif invaziv kanser—ayırmada da başarılı oldu ve tüm hastaneler genelinde yüksek performansı korudu. Önemli olarak model erkekler ve kadınlar, farklı cerrahi yaklaşımlar ve çoğu coğrafi bölge için benzer şekilde iyi çalıştı; bu da geniş bir klinik ortam yelpazesinde faydalı olabileceğini düşündürüyor.

Radyologların yerine değil, yanına çalışmak

Çalışma ayrıca pratik bir soruyu gündeme getirdi: bu YZ gerçekten doktorların daha iyi kararlar almasına yardımcı oluyor mu? Radyologlar yalnızca yerleşik tiroid ultrasonu skor sistemlerini kullandıklarında, karsinomları belirlemedeki performansları YZ’ninkinden belirgin biçimde daha kötüydü. Aynı görüntülerde YZ’nin çıktısı ve vurguladığı "dikkat haritaları" gösterildiğinde doğrulukları arttı ve bazı durumlarda neredeyse bilgisayarla eşitlendi. Yeni uzmanlar en çok fayda sağlarken, deneyimli uzmanlar bile bir avantaj elde etti. Aynı zamanda YZ’nin yanlış yaptığı olguların analizi önemli bir zayıflığı gösterdi: bu görüntülerde sistem gerçek tümörün dışındaki bölgelere odaklanma eğilimindeydi, şüpheli iç özelliklere değil; bu da daha fazla iyileştirme gereken yerleri işaret ediyor.

Bu hastalar için ne anlama gelebilir

Düz bir ifadeyle, bu çalışma iyi eğitilmiş bir YZ’nin doktorlar tiroid ultrasonlarını okurken tutarlı ikinci bir göz olarak hizmet edebileceğini öne sürüyor. Foliküler tiroid nodülleri olan hastalar için böyle bir araç, tehlikeli bir karsinomun ameliyat öncesi tespit edilme olasılığını artırırken, zararsız bir adenomun gereğinden fazla agresif tedavi tetiklemesi olasılığını azaltabilir. Model uzman yargısının yerini almak için henüz hazır değil ve diğer ülkelerde ve daha çeşitli hasta gruplarında daha fazla test edilmesi gerekiyor. Ancak bir ultrason çalışma istasyonu veya tarayıcı parçalarında yer alırsa, yakında her kişinin gerçek risk düzeyine göre cerrahi ve takibi uyarlamaya yardımcı olabilir ve tiroid tanısında bir zamanlar bulanık olan alanı daha net bir yola dönüştürebilir.

Atıf: Li, J., Zhang, H., Zheng, H. et al. Artificial intelligence-enabled ultrasound diagnosis and stratification of follicular thyroid neoplasms: a multi-center study. npj Digit. Med. 9, 313 (2026). https://doi.org/10.1038/s41746-026-02489-6

Anahtar kelimeler: tiroid ultrasonu, foliküler neoplazi, yapay zeka, kanser riskinin sınıflandırılması, tıbbi görüntüleme