Диагностическая ценность искусственного интеллекта для дифференциальной диагностики фолликулярного рака щитовидной железы и фолликулярной аденомы: метаанализ

Введение: Фолликулярный рак щитовидной железы (ФРЩЖ) — второе по частоте злокачественное новообразование щитовидной железы, однако до операции его трудно отличить от фолликулярной аденомы. Искусственный интеллект (ИИ) стал вспомогательным диагностическим инструментом, но опубликованные исследования демонстрируют неодинаковые результаты. Цель метаанализа — оценить общую диагностическую точность ИИ при дифференциальной диагностике ФРЩЖ и доброкачественных образований.

Методы: Независимый поиск литературы проводили в базах данных PubMed, Embase и Medline (через Embase.com), Web of Science, Cochrane Library и англоязычных медицинских базах данных Ovid. Диагностическую точность ИИ сопоставляли с гистопатологическим исследованием, принятым за референсный стандарт. Для оценки точности ИИ рассчитывали сводные показатели чувствительности, специфичности, диагностического отношения шансов и площади под кривой. С помощью метарегрессионного анализа изучали неоднородность, связанную с размером тестовой выборки, стратегией валидации и типом модели машинного обучения.

Результаты: В анализ включили 7 исследований, в которых участвовали 3163 пациента с фолликулярными новообразованиями щитовидной железы: 1876 случаев фолликулярной аденомы щитовидной железы (ФАЩЖ) и 1287 случаев ФРЩЖ. Сводные чувствительность и специфичность ИИ при дифференциальной диагностике ФРЩЖ и ФАЩЖ составили 0,73 (95% ДИ 0,70–0,75) и 0,87 (95% ДИ 0,86–0,89) соответственно. Сводные отношения правдоподобия положительного и отрицательного результатов составили 6,19 (95% ДИ 3,92–9,79) и 0,28 (95% ДИ 0,17–0,46). Диагностическое отношение шансов составило 22,81 (95% ДИ 10,17–51,16), площадь под кривой — 0,94. По данным метарегрессионного анализа, стратегия валидации не была связана со статистически значимой неоднородностью (P = 0,25). Однако потенциально значимыми источниками неоднородности оказались размер тестовой выборки (P = 0,02) и год публикации (P = 0,04). В подгрупповом анализе исследования с размером тестовой выборки более 1000 случаев продемонстрировали более высокую точность по сравнению с исследованиями, включавшими менее 1000 случаев. При сравнении стратегий валидации исследования с перекрёстной валидацией показали лучшие результаты, чем исследования с валидацией на отложенной выборке.

Выводы: В целом ИИ обладает многообещающей диагностической ценностью для дифференциальной диагностики ФРЩЖ и ФАЩЖ. Исследования с большими тестовыми выборками — более 1000 случаев — достигали большей точности, чем исследования с тестовыми выборками менее 1000 случаев. Кроме того, перекрёстная валидация обеспечивала лучшие результаты, чем валидация без перекрёстного контроля, то есть на отложенной выборке.