摘要

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）((11 292.37±8 608.01) a.u)、结节处PE与正常组织PE差值（△PE）(-13 219.32±20 922.01)、流入相曲线下面积（WiAUC）((47 702.1±44 265.22) a.u)、流入相比率（WiR）((4 644.31±3 857.83) a.u)、流入相灌注指数（WiPI）((10 112.57±8 468.14) a.u)均低于良性组结节。定量参数PE以10 967.66 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。

关键词