Diese Studie verglich fünf Algorithmen des maschinellen Lernens zur Klassifizierung von Schilddrüsenknoten anhand von Ultraschallmerkmalen mit verbesserter Auflösung. Das SVM-Verfahren zeigte die beste Leistung (Genauigkeit 68,6 %, Fläche unter der Kurve 0,690) und identifizierte Mikroverkalkungen sowie eine Vergrößerung nach Kontrastmittelgabe als wesentliche Beiträge; die Ergebnisse bedürfen jedoch einer externen Validierung, bevor sie klinisch angewendet werden können.
Forschungsartikel
Quantitative superauflösende Ultraschall-Mikrovaskularisationsmerkmale für die auf maschinellem Lernen basierende Klassifizierung von Schilddrüsenknoten
69 Aufrufe
⸱
11. September 2026
* These authors contributed equally
In diesem Artikel
Zusammenfassung
Zusammenfassung
Diese Studie verglich fünf maschinelle Lernalgorithmen – Random Forest (RF), Support Vector Machine (SVM), Entscheidungsbaum (DT), eXtreme Gradient Boosting (XGBoost) und Gradient Boosting (GB) – zur Klassifizierung von Schilddrüsenknoten anhand quantitativer Merkmale aus konventionellem Ultraschall, kontrastverstärktem Ultraschall (CEUS) und Super-Resolution-Ultraschall (SRUS). Die retrospektive Studie umfasste 68 Schilddrüsenknoten von 63 Patienten (30 gutartige und 38 als papilläres Schilddrüsenkarzinom [PTC] bestätigte) und wurde anhand von 25 quantitativen Merkmalen mittels fünffacher, patientengruppierter Kreuzvalidierung analysiert, wobei sichergestellt wurde, dass alle Knoten desselben Patienten derselben Teilgruppe zugeordnet wurden. Die Modellleistung wurde über alle Teilgruppen hinweg sowie anhand zusammengeführter Out-of-Fold- (OOF-)Vorhersagen zusammengefasst, und für das leistungsstärkste SVM-Modell wurde eine fokussierte OOF-SHAP-Analyse (SHapley Additive exPlanations) mithilfe eines permutationsbasierten Erklärs durchgeführt. Die SVM erzielte die höchste mittlere Genauigkeit (0,686 ± 0,120) und den höchsten mittleren Wert unter der ROC-Kurve (ROC-AUC) (0,690 ± 0,164) sowie eine gepoolte OOF-Sensitivität von 0,842 und eine Spezifität von 0,500; Mikroverkalkungen und postkontrastliche Vergrößerung erwiesen sich als die bedeutendsten, modellspezifischen SHAP-Beiträge. RF zeigte eine ausgewogene Leistung (Genauigkeit 55,9 %, Sensitivität 55,3 %, Spezifität 56,7 %), während DT schlecht abschnitt (Genauigkeit 0,429, ROC-AUC 0,447) und zufälligem Raten nahekam. Die Studie zeigte, dass quantitative SRUS-Messungen in konventionelle Klassifikatoren integriert werden können; die Ergebnisse bleiben jedoch vorläufig und erfordern eine prospektive, multizentrische Validierung mit größeren Kohorten, bevor eine klinische Anwendung möglich ist.
Einleitung
Schilddrüsenknoten stellen eine äußerst häufige klinische Befundung dar, wobei die Nachweisraten bei sonographischer Untersuchung in asymptomatischen Populationen bis zu 68 % betragen1. Neuere Metaanalysen haben gezeigt, dass die weltweite Prävalenz von Schilddrüsenknoten von 21,53 % in den Jahren 2000–2011 auf 29,29 % in den Jahren 2012–2022 angestiegen ist, was etwa einer von vier Personen in der Allgemeinbevölkerung betrifft2,3. Unter diesen Knoten werden letztendlich 7–15 % als Schilddrüsenkarzinom diagnostiziert, wobei das papilläre Schilddrüsenkarzinom (PTC) den vorherrschenden Subtyp darstellt4,5. Das PTC macht 80–90 % aller Schilddrüsenmalignome aus und hat sich zu einer der am schnellsten zunehmenden Krebsarten entwickelt; die Inzidenzraten stiegen zwischen 1975 und 2012 von 4,8 auf 14,9 pro 100.0006.
Die konventionelle Ultraschalluntersuchung bleibt die Grundlage zur Beurteilung von Schilddrüsenknoten und bietet ein nicht-invasives, kostengünstiges und weit verbreitet verfügbares diagnostisches Verfahren7. Zu den klassischen sonographischen Merkmalen, die auf eine Malignität hindeuten, gehören ausgeprägte Hypoechoizität, unregelmäßige Ränder, Mikroverkalkungen und eine höhere als breite Form8,9. Allerdings ist sie grundlegend durch die akustische Beugungsgrenze begrenzt, welche die räumliche Auflösung auf etwa 100 Mikrometer beschränkt10. Diese Einschränkung beeinträchtigt erheblich die Fähigkeit, die Mikrogefäße sichtbar zu machen und die feine Gefäßmorphologie zu beurteilen, was entscheidende Parameter zur Unterscheidung zwischen benignen und malignen Schilddrüsenläsionen darstellen11. Die Farbdoppler-Flussbildgebung (CDFI) und die kontrastverstärkte Ultraschalluntersuchung (CEUS) verbessern zwar die Detektion von Blutfluss, können jedoch lediglich Gefäße mit Flussgeschwindigkeiten über 1 cm/s darstellen und bleiben durch die beugungsbegrenzte Auflösung eingeschränkt12,13.
Die Super-Resolution-Ultraschallbildgebung (SRUS) ist als transformative Technologie in der Lage, die traditionelle Beugungsgrenze herkömmlicher Ultraschallsysteme zu überwinden14,15. Indem kontrastverstärkende Mikrobläschen als punktförmige Zielstrukturen zur Lokalisierung und Verfolgung genutzt werden, erreicht die SRUS eine räumliche Auflösung im Mikrometerbereich und ermöglicht so die Visualisierung und Quantifizierung der Mikrozirkulation mit bislang unerreichter Detailgenauigkeit16,17. Mit dieser Methode lassen sich sowohl die mikrovaskuläre Dichte (MVD) als auch die mikrovaskuläre Flussrate (MFR) messen und damit strukturelle und funktionelle Bewertungen vornehmen, die mit nichtinvasiven bildgebenden Verfahren bisher nicht möglich waren17,18. Pilotstudien haben gezeigt, dass gutartige Schilddrüsenknoten eine signifikant höhere MFR aufweisen als maligne Knoten, mit mittleren Werten von 16,76 ± 6,82 mm/s beziehungsweise 9,86 ± 4,54 mm/s19. Die Einführung des Begriffs „Ultraschall-Mikrovaskulomik“ – einer hochdurchsatzfähigen Extraktion quantitativer Merkmale aus SRUS-Bildern – erweitert das Potenzial für präzise und personalisierte mikrovaskuläre Analysen weiter.
Maschinelles Lernen (ML) hat die Analyse medizinischer Bilder revolutioniert, insbesondere bei der Charakterisierung von Schilddrüsenknoten20,21. Tiefere Lernmodelle, insbesondere faltende neuronale Netze (CNNs), erreichten in früheren Studien Werte der Fläche unter der ROC-Kurve (ROC-AUC), die 0,90 überstiegen22,23,24. Ensemble-Methoden des maschinellen Lernens, die mehrere Algorithmen kombinieren – darunter Random Forest (RF), Support Vector Machines (SVM), Entscheidungsbäume (DT), Gradient Boosting (GB) und eXtreme Gradient Boosting (XGBoost) –, haben sich als vielversprechend erwiesen, um die diagnostische Genauigkeit und Robustheit über heterogene Datensätze hinweg zu verbessern21. Wie Habchi et al.25 kürzlich umfassend zusammenfassten, hat sich das Feld der künstlichen Intelligenz (KI) für Schilddrüsenkrebs rasch erweitert und umfasst nun visuelle Konverter, große Sprachmodelle und hybride Architekturen, was die Entwicklung hin zu zunehmend komplexen, bildbasierten diagnostischen Systemen widerspiegelt.
Während herkömmliche Ultraschallmerkmale in Verbindung mit KI-Algorithmen bereits umfassend untersucht wurden, bleibt die Kombination von Mikrozirkulationsparametern der Super-Resolution-Bildgebung mit ML-Modellen weitgehend unerforscht. Trotz des vielversprechenden Potenzials der SRUS-Technologie und der nachgewiesenen Wirksamkeit von maschinellen Lernalgorithmen in der medizinischen Bildgebung sind mehrere entscheidende Fragen offen. Erstens: Welche Architektur des maschinellen Lernens – ob traditionelle Algorithmen wie RF und SVM oder fortschrittliche Ensemble-Methoden wie XGBoost und GB – erzielt die beste Leistung bei der Anwendung auf aus der SRUS abgeleitete mikrovaskuläre Merkmale? Zweitens: Wie unterscheiden sich diese Modelle hinsichtlich Sensitivität, Spezifität und Gesamtdiagnosegenauigkeit bei der Differenzierung benigner von malignen Schilddrüsenknoten? Drittens: Welche aus der SRUS-Bildgebung extrahierten mikrovaskulären Parameter tragen am stärksten zur Klassifizierungsleistung bei? Die Beantwortung dieser Fragen ist entscheidend, um evidenzbasierte Rahmenbedingungen für die klinische Anwendung der SRUS-unterstützten Diagnose von Schilddrüsenknoten zu etablieren.
Dementsprechend zielt diese Studie darauf ab, die Leistungsfähigkeit von fünf ML-Algorithmen (RF, SVM, DT, XGBoost und GB) zur Klassifizierung von Schilddrüsenknoten anhand von Super-Resolution-Ultraschall-Mikrogefäßerfassungsdaten umfassend zu bewerten. Durch den systematischen Vergleich dieser Ansätze und die Identifizierung der informativsten mikrovaskulären Biomarker soll diese Untersuchung das diagnostische Vorgehen bei der Charakterisierung von Schilddrüsenknoten voranbringen und zur wachsenden Evidenzbasis beitragen, die die klinische Nützlichkeit der SRUS-Technologie in der onkologischen Bildgebung unterstützt. Wir vermuteten, dass der vorgegebenen Merkmalsdatensatz mit 25 Variablen eine überzufällige Unterscheidung zwischen benignen Knoten und als papilläres Schilddrüsenkarzinom eingestuften Knoten ermöglichen würde. Zur Verringerung von Informationslecks wurde eine patientengruppierte Kreuzvalidierung angewandt, und eine fokussierte SHAP-Analyse wurde hinzugefügt, um darzustellen, wie der ausgewählte Klassifikator die gemessenen Variablen nutzte. Beide Analysen waren explorativ.
Protokoll
Studiendesign und Patientenpopulation
Diese retrospektive Studie analysierte Schilddrüsen-Ultraschalluntersuchungen, die zwischen dem 13. Juni 2024 und dem 13. Januar 2025 durchgeführt wurden. Das Studienprotokoll wurde von dem Ethikkomitee des Beijing Friendship Hospital, Capital Medical University (Genehmigungsnummer BFHHZS20240300) genehmigt und gemäß den ethischen Grundsätzen der Deklaration von Helsinki durchgeführt; die informierte Einwilligung wurde aufgrund des retrospektiven Studiendesigns nicht eingeholt. Der Datensatz umfasste 68 Schilddrüsenknoten von 63 Patienten (30 gutartige und 38 bösartige), wobei der Knoten die Analyseeinheit darstellte. Die Referenzdiagnosen basierten auf der ultraschallgesteuerten Feinnadelaspirationszytologie (FNAC). Die Gruppe der malignen Knoten bestand aus 38 Knoten, die in der FNAC als papilläres Schilddrüsenkarzinom klassifiziert wurden.
Einschlusskriterien
Zur Eignung kamen Patienten, die alle folgenden Kriterien erfüllten: (1) hatten eine konventionelle Graustufen- und Farbdoppler-Sonographie sowie eine Kontrastmittel-Ultraschalluntersuchung (CEUS) mit zufriedenstellender Bildqualität durchlaufen, die eine anschließende Analyse der mikrovaskulären Durchblutung ermöglichte; (2) verfügten über eine zytopathologische Diagnose eines PTC, die durch eine Feinnadelaspirationsbiopsie bestätigt wurde, mit oder ohne gleichzeitigen positiven Nachweis einer BRAFV600E-Mutation; oder wiesen ein zytologisches Ergebnis der Bethesda-Kategorie III (Atypie unbestimmter Signifikanz) auf, jedoch mit gleichzeitigem positiven Nachweis einer BRAFV600E-Mutation; (3) hatten eine zytopathologische Diagnose eines benignen proliferativen Knotens, adenomatösen Knotens oder benignen follikulären Knotens gemäß Bethesda-Kategorie II ohne gleichzeitigen positiven Nachweis einer BRAFV600E-Mutation.
Ausschlusskriterien
Patienten wurden aus der Studie ausgeschlossen, wenn eine der folgenden Bedingungen vorlag: (1) CEUS-Bilder von schlechter Qualität oder unzureichendes Mikrobläschen-Signal, das eine zuverlässige Beurteilung des mikrovaskulären Flusses ausschloss; (2) Fehlen zytologischer oder pathologischer Ergebnisse; (3) histopathologische Diagnose eines seltenen oder speziellen Subtyps von Schilddrüsenkarzinom (z. B. anaplastische Varianten); oder (4) zytologische Befunde, die auf ein follikuläres Neoplasma (Bethesda-Kategorie IV) oder eine Läsion unbestimmten follikulären Ursprungs hindeuteten, unabhängig vom Mutationsstatus; (5) Hashimoto-Thyreoiditis
Sonographie, CEUS und SRUS-Aufnahme
Alle Untersuchungen wurden mit dem referenzierten Ultraschallsystem und einem Linearschallkopf durchgeführt. Die Patienten lagen in Rückenlage mit überstrecktem Hals. Der Zielknoten wurde im B-Modus-Ultraschall lokalisiert und vermessen; Mikroverkalkungen wurden dokumentiert, und derselbe lesionszentrierte Bildgebungsschnitt wurde verwendet, um die intranoduläre Gefäßversorgung mit Farbdoppler zu beurteilen.
Nachdem ein intravenöser Zugang gelegt worden war, wurde das System auf einen CEUS/URM-Modus mit niedrigem mechanischem Index umgestellt (URM steht für Ultra-Resolution Microscopy-Bildgebung). Die CEUS-Untersuchung wurde durch eine intravenöse Bolusinjektion von 1,2 mL SonoVue durchgeführt, der unmittelbar ein Salzlösungs-Flush von 5 ml folgte; mit der Bolusgabe wurden der Bildschirmtimer und die kontinuierliche Cine-Aufzeichnung gestartet. Der Schallkopf wurde in einer festen Ebene mit minimalem Druck gehalten, und der Patient wurde gebeten, während der An- und Abbauphase das Schlucken zu vermeiden.
Für die quantitative CEUS wurde eine lesionsbeschränkte Region von Interesse verwendet, um die Zeit-Intensitäts-Parameter abzuleiten. Bei der SRUS lokalisierte und verfolgte die URM-Arbeitsablauf-Software Mikrobläschen-Signale nach Bewegungskontrolle und generierte Messungen des Gefäßverhältnisses, der Komplexität, der mikrovaskulären Dichte, des Perfusionindex und der Fließgeschwindigkeit. Die repräsentativen Bilddarstellungen zeigten Einstellungen von VSP 4, RES 2, CTR 3, SM 2, VEN 3 und CPT 10 s; entsprechende Einstellungen waren für die übrigen Untersuchungen nicht verfügbar.
Die 25 Modell-Eingangsvariablen sind in Tabelle 1 aufgelistet und nach Erhebungsmethode gruppiert: Alter und Geschlecht; B-Modus-Mikroverkalkungen; intranoduläre Gefäßversorgung im Farbdoppler; qualitative CEUS; quantitative CEUS; sowie 11 SRUS-Messungen der Mikrogefäße.
Merkmalsauswahl
Alle 25 quantitativen Merkmale wurden in den Modellen des maschinellen Lernens beibehalten. Es wurden ausschließlich numerische Merkmale verwendet; Patientennamen, Registrierungsnummern und Angaben zur Läsionsgröße wurden ausgeschlossen. Es erfolgte keine datenbasierte Merkmalsauswahl, und dieselben vorab festgelegten Prädiktoren wurden in jeden Klassifikator eingegeben.
Standardisierung von Merkmalen
Vor der Kreuzvalidierung wurde keine Transformation, Imputation oder globale Skalierung angewendet. Eine Standardisierung wurde nur für die SVM mit radialer Basisfunktion mithilfe einer StandardScaler-Pipeline durchgeführt. Der Skalierer wurde auf den Trainings-Noduli jedes Folds angepasst und anschließend auf die Validierungs-Noduli desselben Folds angewendet. Entscheidungsbaum-basierte Klassifikatoren erhielten die ursprünglichen numerischen Skalen:
wobei x der ursprüngliche Merkmalswert, µ der Mittelwert der Trainingsfalte und σ die Standardabweichung der Trainingsfalte ist. Die faltenweise Vorverarbeitung verhinderte, dass Validierungsbeobachtungen zu den Skalierungsparametern des SVM beitrugen.
Datenpartitionierung
Die primäre Leistungsbeurteilung verwendete eine fünffache stratifizierte StratifiedGroupKFold-Kreuzvalidierung mit shuffle = True und random_state = 42. Ein Patientenidentifikator definierte 63 Gruppen, und alle Knoten desselben Patienten wurden derselben Teilmenge zugeordnet. Kein Patient trug Knoten sowohl in die Trainings- als auch in die Validierungsteilmenge einer Teilmenge bei.
Modelltraining und -validierung
Ausbildungsprotokoll
Fünf Klassifikatoren wurden evaluiert: Random Forest (100 Bäume; random_state = 42), SVM mit radialer Basisfunktion (C = 1,0; gamma = scale; probability = True; StandardScaler-Pipeline; random_state = 42), Entscheidungsbaum (Gini-Kriterium; unbegrenzte Tiefe; random_state = 42), XGBoost (100 Schätzer; learning_rate = 0,3; max_depth = 6; subsample = 1,0; colsample_bytree = 1,0; random_state = 42) und Gradient Boosting (100 Schätzer; learning_rate = 0,1; max_depth = 3; random_state = 42). Es wurde keine Gitter-Suche, bayessche Optimierung, Schwellenwert-Abstimmung oder geschachtelte Modellselektion durchgeführt.
Kreuzvalidierung
Innerhalb jeder der fünf, nach Patienten gruppierten Faltungen, wurden die Modelle anhand der verbleibenden Patientengruppen trainiert und an den zurückgehaltenen Gruppen evaluiert. Genauigkeit, Sensitivität, Spezifität, Präzision, F1-Score und ROC-AUC wurden für jede Faltung berechnet und als Mittelwert ± Standardabweichung zusammengefasst. Die OOF-Vorhersagen wurden über alle 68 Noduli hinweg zusammengefasst, um je eine kreuzvalidierte ROC-Kurve und eine Konfusionsmatrix für jedes Modell zu erstellen.
Leistungsbeurteilung
Evaluierungsmetriken
Die Modellleistung wurde innerhalb jedes patientengruppierten Validierungsabschnitts und anhand zusammengeführter OOF-Vorhersagen unter Verwendung der folgenden Metriken bewertet:
Genauigkeit: Gesamter Anteil korrekter Vorhersagen
Empfindlichkeit (Sensitivität): Anteil korrekt identifizierter maligner Knoten
Spezifität: Anteil der korrekt identifizierten gutartigen Knoten
Präzision (Positiver Vorhersagewert): Anteil der tatsächlich malignen Fälle unter den vorhergesagten malignen Fällen
F1-Score: Harmonisches Mittel aus Präzision und Sensitivität
Fläche unter der Receiver-Operating-Characteristic-Kurve (ROC-AUC): Maß für die Fähigkeit des Modells, zwischen benignen und malignen Knoten über alle Klassifizierungsschwellen hinweg zu unterscheiden
wobei TP = wahre positive Befunde (korrekt identifizierte maligne Knoten), TN = wahre negative Befunde (korrekt identifizierte benigne Knoten), FP = falsch positive Befunde (falsch als maligne klassifizierte benigne Knoten) und FN = falsch negative Befunde (falsch als benign klassifizierte maligne Knoten) sind.
Analysen der Konfusionsmatrix
OOF-Konfusionsmatrizen wurden erstellt, indem die Vorhersagen für jeden Knoten nur in derjenigen Faltung zusammengefasst wurden, in der der entsprechende Patient ausgelassen wurde. Dadurch erhielt jeder Knoten eine Vorhersage von einem Modell, das mit Knoten aus anderen Patienten trainiert wurde.
Analyse der Merkmalswichtigkeit
Für das Random-Forest-Modell wurden die Wichtigkeitsscores der Merkmale basierend auf der durchschnittlichen Abnahme der Gini-Unreinheit über alle Entscheidungsbäume hinweg berechnet. Die 15 wichtigsten Merkmale wurden identifiziert und rangiert, um festzustellen, welche mikrovaskulären Parameter am stärksten zur Klassifizierungsleistung beigetragen haben.
Explorative SHAP-Analyse
Eine fokussierte OOF-SHAP-Analyse unter Verwendung eines permutationsbasierten Erklärungsansatzes wurde für den SVM durchgeführt. Für jeden ausgelassenen Knoten wurden nur die entsprechenden Beobachtungen aus dem Trainings-Teildatensatz als Hintergrundverteilung verwendet (128 antithetische Permutationen; Zufallsstartwert = 20260716). Die mittleren absoluten SHAP-Werte fassten die Stärke der Beiträge zusammen, während die vorzeichenbehafteten Werte die Richtung anzeigten. Die Analyse hatte einen explorativen Charakter und diente nicht zur Ableitung kausaler Zusammenhänge, zur Identifizierung unabhängiger Biomarker oder zur Definition klinischer Schwellenwerte.
Statistische Analyse
Vergleichende Analyse
Die Modellleistung wurde deskriptiv über die fünf patientengruppierten Validierungsfalten und in gepoolten OOF-Vorhersagen zusammengefasst. Es wurde kein formeller Hypothesentest zwischen Modellen oder eine Rangfolge basierend auf P-Werten durchgeführt, da die Faltungen miteinander verbunden sind und die Kohorte klein ist.
Für Gruppenvergleiche zur Ausgangslage wurde die Normalverteilung stetiger Variablen innerhalb jeder Ergebnisgruppe mithilfe des Shapiro-Wilk-Tests überprüft. Welch's t wurde verwendet, wenn beide Gruppen mit der Normalverteilung verträglich waren; andernfalls ein zweiseitiger Mann-Whitney U Der Test wurde verwendet. Kategoriale Variablen wurden mit dem Chi-Quadrat-Test nach Pearson bewertet, bei spärlichen 2×2-Tabellen mit dem exakten Fisher-Test. Die p-Werte waren zweiseitig, explorativ und nicht korrigiert (Alpha = 0,05).
Reproduzierbarkeit
Die Reproduzierbarkeit wurde durch eine festgelegte Patientengruppendefinition, einen festen Zufallsstartwert (42), feste Klassifikatorkonfigurationen und eine vorabweise Vorverarbeitung unterstützt. Identifikatoren wurden nur zum Gruppieren verwendet und weder als Prädiktoren eingegeben noch zusammen mit den Modellergebnissen exportiert.
Ergebnisse
Charakteristika der Patienten und Studienpopulation
Insgesamt wurden 68 Schilddrüsenknoten von 63 Patienten eingeschlossen, darunter 30 gutartige Knoten und 38 PTCs. Der Knoten war die Analyseeinheit, und die Patientengruppierung stellte sicher, dass Knoten desselben Patienten nicht sowohl in der Trainings- als auch in der Validierungsstichprobe enthalten waren. Die Basischarakteristika sind in Tabelle 2 zusammengefasst.
Abbildung 1 zeigt technisch erfolgreiche, auf die Läsion beschränkte SRUS/URM-Rekonstruktionen eines repräsentativen benignen Knotens und eines Knotens, der gemäß sonographisch gesteuerter FNAC als PTC klassifiziert wurde. Beide Beispiele zeigen die Läsionsumrandung, die rekonstruierte mikrovaskuläre Karte sowie die quantitative Überlagerung, die vom Gerät generiert wurde. Diese Beispiele veranschaulichen eine erfolgreiche Erfassung und Rekonstruktion in beiden Referenzklassen, belegen jedoch allein noch keine diagnostische Trennung oder Modellleistung.
Fünf Klassifizierer wurden mithilfe einer fünffachen, patientengruppierten Kreuzvalidierung des Datensatzes mit 68 Knoten evaluiert. Die Leistungsmetriken werden als Mittelwert ± SD der Folds sowie als gepoolte OOF-Werte in Tabelle 3 angegeben. Abbildung 2, Abbildung 3 und Abbildung 4 zeigen die OOF-ROC-Kurven, die zusammengefassten Metriken pro Gruppen-Fold und die OOF-Konfusionsmatrizen.
Abbildung 4 zeigt gepoolte OOF-Konfusionsmatrizen, bei denen jede Läsion nur von einem Modell vorhergesagt wurde, das ohne Läsionen desselben Patienten trainiert worden war. SVM klassifizierte 32 der 38 malignen Läsionen korrekt (Sensitivität 0,842), ordnete jedoch 15 der 30 benignen Läsionen fälschlicherweise als maligne ein (Spezifität 0,500). Der Entscheidungsbaum wies die höchste Anzahl an falsch-negativen und falsch-positiven Klassifizierungen auf. Diese Muster verdeutlichen, warum die Genauigkeit allein unzureichend ist, und veranschaulichen sowohl erfolgreiche als auch suboptimale Ergebnisse.
In der fokussierten OOF-SHAP-Analyse (Abbildung 5 und Tabelle 4) leisteten Mikrokalkifikation und kontrastmittelbedingte Vergrößerung die größten modellspezifischen Beiträge zur SVM-Malignitätswahrscheinlichkeit, gefolgt von der Homogenität der Kontrastmittelaufnahme und dem Geschlecht. Diese Ergebnisse beschreiben, wie das angepasste SVM-Modell die gemessenen Variablen in dieser Kohorte verwendete, und begründen nicht die unabhängige klinische Bedeutung.
Datensatzverfügbarkeitserklärung
Die Daten, die dieser Arbeit zugrunde liegen, werden auf begründete Anfrage an den korrespondierenden Autor weitergegeben.
Abbildung 1. Repräsentative, auf die Läsion beschränkte SRUS/URM-Bilder. (A) Gutartiger Schilddrüsenknoten. (B) Papilläres Schilddrüsenkarzinom gemäß ultraschallgesteuerter FNAC. Jedes Bildfeld zeigt die Umrandung der Läsion und die entsprechende Rekonstruktion der Mikrogefäße mit der quantitativen, vom Gerät generierten Überlagerung. Die Beispiele veranschaulichen eine erfolgreiche Erfassung und Rekonstruktion und dienen nicht zur Abschätzung der diagnostischen Genauigkeit. Abkürzungen: SRUS = Super-Resolution-Ultraschall; URM = ultrascharfe mikroskopische Bildgebung; FNAC = Feinnadelaspirationszytologie. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.
Abbildung 2. ROC-Kurven für Patienten-gruppierte Out-of-Fold-Ergebnisse der fünf Klassifikatoren. Jede Kurve fasst eine zurückgehaltene Vorhersage pro Knoten zusammen; die gestrichelte Diagonale zeigt die zufällige Unterscheidungsfähigkeit an. Abkürzungen: RF = Random Forest; SVM = Support Vector Machine; DT = Decision Tree; XGB = eXtreme Gradient Boosting; GB = Gradient Boosting; OOF = Out-of-fold; ROC-AUC = Receiver Operating Characteristic-Area Under Curve. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.
Abbildung 3. Mittelwert ± SD der Genauigkeit, Sensitivität, Spezifität, Präzision, F1-Score und ROC-AUC über fünf patientengruppierte Validierungsfalten. Abkürzungen: SD = Standardabweichung; ROC-AUC = Receiver Operating Characteristic – Fläche unter der Kurve. Klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.
Abbildung 4. Konfusionsmatrizen nach Patienten gruppiert (OOF). Die Zeilen zeigen die Referenzklasse und die Spalten die vorhergesagte Klasse. Jeder Knoten wurde von einem Modell vorhergesagt, das ohne Knoten desselben Patienten trainiert wurde. Abkürzung: OOF = Out-of-fold. Bitte klicken Sie hier, um eine vergrößerte Version dieser Abbildung anzusehen.
Abbildung 5. OOF-SHAP-Analyse des SVM unter Verwendung eines permutationsbasierten Erklärungsmodells. (A) Die zehn größten mittleren absoluten SHAP-Werte sind aufgelistet. (B) Vorzeichenbehaftete SHAP-Werte für dieselben Variablen über 68 zurückgehaltene Vorhersagen hinweg. Abkürzungen: OOF = Out-of-fold; SHAP = SHapley Additive exPlanations; SVM = Support Vector Machine; MVD = Mikrovaskuläre Dichte. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.
| Erhebungsquelle | Prädiktoren | Modellbehandlung |
| Daten zur Person | Alter; Geschlecht | Numerische Tabellenvariablen; beide als vorgegebene Modell-Eingaben beibehalten. |
| B-Bild-Ultraschall | Mikrokalkifikation | Numerische Tabellenvariable; keine globale Skalierung. |
| Farbdoppler | Intranoduläre Vaskularisierung (Durchblutung) | Als Farbdoppler-Prädiktor klassifiziert, nicht als B-Bild-Prädiktor. |
| Qualitative CEUS | Vergrößerung nach Kontrastmittelgabe; Anreicherungsmuster; Homogenität der Anreicherung | Numerische Tabellenvariablen; als vorgegebene Eingaben beibehalten. |
| Quantitative CEUS | AUC, Spitzenintensität, Zeit bis zur Spitze, Ankunftszeit, Anstiegszeit, mittlere Transitzeit, Zeit bis zur halben Spitzenintensität | Sieben Zeit-Intensitäts-Kurven-Variablen; keine Imputation oder globale Skalierung. |
| SRUS-Mikrogefäße | Gefäßverhältnis, Komplexität, MVD Maximum/Minimum/Mittelwert/SD, Perfusionsindex, Flussgeschwindigkeit Maximum/Minimum/Mittelwert/SD | Elf mikrovaskuläre Variablen; keine a priori Merkmalsauswahl. |
Tabelle 1: Quantitative Variablen und Vorverarbeitung. Die 25 vorab festgelegten Prädiktoren sind nach Erhebungsquelle gruppiert: Alter und Geschlecht; mikroskalige Verkalkung im B-Modus; intranoduläre Gefäßversorgung im Farbdoppler; qualitative und quantitative CEUS-Messungen; sowie mikrovaskuläre SRUS-Messungen. Namen, Registrierungs-IDs und Läsionsgrößenfelder wurden ausgeschlossen. In der 25-Variablen-Matrix fehlten keine Werte. Die Patientenidentität wurde nur zur Gruppierung verwendet. StandardScaler wurde ausschließlich innerhalb der SVM-Trainingsfolds angewendet. Abkürzungen: CEUS = kontrastverstärkte Ultraschalluntersuchung; SRUS = Super-Resolution-Ultraschall; SVM = Support-Vektor-Maschine.
| Erwerbsquelle | Charakteristik | Benigne Knoten | Maligne Knoten | P-Wert |
| (n = 30) | (n = 38) | |||
| Demografie | Alter, Jahre | 48 (42, 55) | 48 (41, 52) | 0.551 |
| Demografie | Geschlecht, n (%) | 0.012 | ||
| Demografie | Weiblich | 26 (86,7 %) | 27 (71,1 %) | |
| Demografie | Männlich | 4 (13,3 %) | 11 (28,9 %) | |
| B-Modus-Ultraschall | ||||
| B-Modus-Ultraschall | Mikroverkalkung, n (%) | 0,001 | ||
| B-Modus-Ultraschall | Nicht vorhanden | 12 (40,0 %) | 2 (5,3 %) | |
| B-Modus-Ultraschall | Vorhanden | 18 (60,0 %) | 36 (94,7 %) | |
| Farbdoppler | Blutfluss, n (%) | 0,1 | ||
| Farbdoppler | Nicht vorhanden | 7 (23,3 %) | 8 (21,1 %) | |
| Farbdoppler | Vorhanden | 23 (76,7 %) | 30 (78,9 %) | |
| Qualitative CEUS | Vergrößerung nach Kontrastmittelgabe, n (%) | 0,001 | ||
| Qualitative CEUS | Nein | 16 (53,3 %) | 5 (13,2 %) | |
| Qualitative CEUS | Ja | 14 (46,7 %) | 33 (86,8 %) | |
| Qualitative CEUS | Homogenität der Kontrastmittelaufnahme, n(%) | 0,087 | ||
| Qualitative CEUS | Heterogen | 11 (36,7 %) | 23 (60,5 %) | |
| Qualitative CEUS | Homogen | 19 (63,3 %) | 15 (39,5 %) | |
| Qualitative CEUS | Art der Kontrastmittelaufnahme, n (%) | |||
| Qualitative CEUS | Hypoenhancement | 18 (60,0 %) | 20 (52,6 %) | |
| Qualitative CEUS | Isoenhancement | 3 (10,0 %) | 0 (0,0 %) | |
| Qualitative CEUS | Hyperenhancement | 9 (30,0 %) | 18 (47,4 %) | |
| Quantitative CEUS | ||||
| Quantitative CEUS | Fläche unter der Kurve (AUC), dB·s | 3255,49 (2457,15, 4048,94) | 3620,76 (3096,36, 4066,75) | 0,201 |
| Quantitative CEUS | Spitzenintensität (PI), dB | 48,93 (40,93, 55,78) | 50,22 (42,49, 56,82) | 0,621 |
| Quantitative CEUS | Zeit bis zur Spitze (TTP), s | 17,78 (16,47, 19,30) | 20,42 (17,53, 23,47) | 0,045 |
| Quantitative CEUS | Ankunftszeit (AT), s | 9,88 (8,23, 11,53) | 9,88 (8,64, 11,53) | 0,1 |
| Quantitative CEUS | Anstiegszeit (RT), s | 8,43 (6,92, 9,55) | 9,55 (7,00, 12,11) | 0,164 |
| Quantitative CEUS | Mittlere Durchgangszeit (MTT), s | 69,38 (60,17, 87,84) | 82,82 (64,22, 99,15) | 0,102 |
| Quantitative CEUS | Zeit bis zur halben Spitzenintensität (THP), s | 81,62 (70,53, 99,93) | 95,34 (73,60, 109,44) | 0,157 |
| SRUS Mikrozirkulation | ||||
| SRUS Mikrozirkulation | Gefäßanteil, % | 56,29 (43,34, 71,44) | 57,81 (41,49, 70,24) | 0,772 |
| SRUS Mikrozirkulation | Komplexitätsgrad | 1,68 (1,59, 1,73) | 1,62 (1,57, 1,69) | 0,083 |
| SRUS Mikrozirkulation | Mikrovaskuläre Dichte—Maximum | 15,24 (10,59, 17,88) | 13,28 (9,60, 15,92) | 0,142 |
| SRUS Mikrozirkulation | Mikrovaskuläre Dichte—Minimum | 0,07 (0,05, 0,07) | 0,06 (0,04, 0,07) | 0,385 |
| SRUS Mikrozirkulation | Mikrovaskuläre Dichte—Mittelwert | 6,20 (3,46, 7,45) | 4,71 (3,74, 6,78) | 0,161 |
| SRUS Mikrozirkulation | Mikrovaskuläre Dichte—SD | 3,15 (2,12, 3,64) | 2,56 (1,94, 3,04) | 0,085 |
| SRUS Mikrozirkulation | Perfusionsindex | 6,81 (4,53, 9,05) | 7,12 (4,52, 9,90) | 0,666 |
| SRUS Mikrozirkulation | Maximale Flussgeschwindigkeit, mm/s | 25,13 (22,24, 26,43) | 26,32 (23,86, 28,00) | 0,152 |
Tabelle 2: Basischarakteristika von 30 benignen und 38 malignen Schilddrüsenknoten. Basisdemografische und bildgebende Merkmale für benigne (n = 30) und maligne (n = 38) Knoten. Die Werte sind als n (%) oder Median (Interquartilsabstand) angegeben. Die Referenzbezeichnungen wurden gemäß sonographisch gesteuerter Feinnadelpunktion (FNAC) vergeben; eine postoperative histopathologische Untersuchung stand nicht zur Verfügung. Abkürzungen: EUS = kontrastmittelverstärkte Ultraschalluntersuchung; SRUS = Super-Resolution-Ultraschall.
| Klassifikator | Genauigkeit | Sensitivität | Spezifität | Precision | F1-Score | ROC-AUC | |
| Random Forest | Stratifizierte GroupKFold-Validierung | 0.548 ± 0.176 | 0.573 ± 0.297 | 0.572 ± 0.105 | 0.603 ± 0.139 | 0.555 ± 0.204 | 0.633 ± 0.137 |
| pooled OOF | 0.559 | 0.553 | 0.567 | 0.618 | 0.583 | 0.579 | |
| SVM | Stratifizierte GroupKFold-Validierung | 0.686 ± 0.120 | 0.850 ± 0.180 | 0.495 ± 0.204 | 0.678 ± 0.154 | 0.740 ± 0.118 | 0.690 ± 0.164 |
| pooled OOF | 0.691 | 0.842 | 0.5 | 0.681 | 0.753 | 0.655 | |
| Entscheidungsbaum | Stratifizierte GroupKFold-Validierung | 0.429 ± 0.073 | 0.492 ± 0.229 | 0.402 ± 0.247 | 0.514 ± 0.169 | 0.468 ± 0.117 | 0.447 ± 0.073 |
| pooled OOF | 0.426 | 0.474 | 0.367 | 0.486 | 0.48 | 0.42 | |
| XGBoost | Stratifizierte GroupKFold-Validierung | 0.541 ± 0.151 | 0.494 ± 0.197 | 0.595 ± 0.137 | 0.587 ± 0.228 | 0.530 ± 0.202 | 0.571 ± 0.163 |
| pooled OOF | 0.544 | 0.5 | 0.6 | 0.613 | 0.551 | 0.594 | |
| Gradient Boosting | Stratifizierte GroupKFold-Validierung | 0.544 ± 0.099 | 0.500 ± 0.091 | 0.550 ± 0.213 | 0.624 ± 0.087 | 0.546 ± 0.053 | 0.579 ± 0.124 |
| pooled OOF | 0.544 | 0.5 | 0.6 | 0.613 | 0.551 | 0.555 |
Tabelle 3: Leistung der fünffachen, patientengruppierten Kreuzvalidierung und gepoolte OOF-Leistung. Alle Knoten desselben Patienten wurden derselben Teilgruppe zugeordnet. Die Werte geben den Mittelwert ± Standardabweichung über fünf StratifiedGroupKFold-Validierungsteilgruppen an. Die 68 Knoten stammten aus 63 Patientengruppen; jede Teilgruppe schloss 12–15 Knoten aus 12–13 Patientengruppen aus. Jeder gepoolte OOF-Wert basiert auf einer Vorhersage pro Knoten, die in der Validierungsteilgruppe erstellt wurde, die alle Knoten dieses Patienten ausschloss. Abbildung 3 zeigt die entsprechenden gepoolten OOF-Konfusionsmatrizen. Abkürzungen: OOF = out-of-fold; SVM = Support Vector Machine.
| Rang | Feature | Mittelwert |SHAP| | Falt-SD des Mittelwerts |SHAP| |
| 1 | Mikrokalzifikation | 0.0357 | 0.023 |
| 2 | Größenzunahme nach Kontrastmittelgabe | 0.0331 | 0.0165 |
| 3 | Homogenität der Kontrastmittelaufnahme | 0.0207 | 0.008 |
| 4 | Geschlecht | 0.0194 | 0.0109 |
| 5 | SD der Flussgeschwindigkeit | 0.0159 | 0.01 |
| 6 | MVD-Mittelwert | 0.0124 | 0.0086 |
| 7 | Mittlere Durchflusszeit | 0.0118 | 0.0069 |
| 8 | Minimale Flussgeschwindigkeit | 0.0107 | 0.0061 |
| 9 | Aufnahmemuster | 0.0103 | 0.0112 |
| 10 | MVD-SD | 0.0102 | 0.0077 |
Tabelle 4: Globale OOF-SHAP-Merkmalrangfolge für die SVM. SHAP-Werte quantifizieren den Beitrag zur Malignitätswahrscheinlichkeit der SVM. Jede Läsion wurde einmal anhand ihrer ausgeschiedenen, patientengruppierten Validierungsschicht erklärt. Die globalen Werte entsprechen den mittleren absoluten SHAP-Werten über 68 OOF-Erklärungen; die Fold-SD ist die Standardabweichung der spezifischen mittleren absoluten Werte über fünf Folds hinweg. Die Rangfolgen stellen modellspezifische explorative Zusammenfassungen dar und stellen keine kausalen Effekte, unabhängigen Biomarker oder klinischen Schwellenwerte dar. Abkürzungen: OOF = out-of-fold; SVM = Support Vector Machine; MVD = mikrovaskuläre Dichte; SHAP = SHapley Additive exPlanations.
Diskussion
Aktuelle diagnostische Ansätze bei Schilddrüsenknoten stützen sich hauptsächlich auf die konventionelle Ultraschalluntersuchung, die grundsätzlich vom Untersucher abhängig ist und an interindividueller Variabilität5 sowie an der Unfähigkeit leidet, die Mikrogefäße unterhalb der Beugungsgrenze sichtbar zu machen. Nach unserem Wissen ist unsere Studie die erste umfassende Bewertung mehrerer maschineller Lernalgorithmen, die auf Daten der Ultraschall-Mikrogefäßerfassung mit verbesserter Auflösung (SRUS) angewendet wurden, und ermöglicht eine objektive, quantitative Einschätzung des PTC-Risikos bei Schilddrüsenknoten im Forschungskontext.
Der Hauptbeitrag dieser Studie ist ein patientenbezogenes analytisches Framework, das lokalisationsbasierte, auf Kontrastmikrobläschen basierende SRUS-Messungen mit B-Mode-Ultraschall, Farb-Doppler, qualitativer und quantitativer CEUS sowie klinischen Variablen kombiniert, um Schilddrüsenknoten zu klassifizieren. Die Neuheit besteht darin, experimentell ermittelte mikrovaskuläre Informationen in einen vordefinierten multimodalen Merkmalskomplex aus 25 Variablen einzubeziehen und diesen mithilfe einer leckageresistenten, patientengruppierten Aufteilung zu bewerten, anstatt eine neue Klassifizierungsarchitektur vorzustellen. Alle Knoten desselben Patienten wurden in einer einzigen Gruppe („fold“) zusammengehalten; der SVM-Scaler wurde ausschließlich an jedem Trainingsdatensatz angepasst; und die Modellbewertung erfolgte mittels fünffacher, patientengruppierter Kreuzvalidierung, gepoolter OOF-Vorhersagen und einer fokussierten OOF-SHAP-Analyse. Innerhalb dieses Frameworks erzielte SVM die höchste mittlere Genauigkeit (0,686 ± 0,120) und den höchsten mittleren ROC-AUC-Wert (0,690 ± 0,164), wobei jedoch die gepoolte OOF-Spezifität lediglich 0,500 betrug und die Leistung zwischen den Gruppen variierte. Insgesamt etablieren diese Ergebnisse einen reproduzierbaren Ansatz zur Bewertung kombinierter mikrovaskulärer und konventioneller Ultraschalldaten auf Patientenebene und verdeutlichen gleichzeitig Bereiche, die vor einer klinischen Anwendung weiterer Verbesserungen bedürfen.
Frühere Arbeiten zum Schilddrüsenbereich haben die Durchführbarkeit der Kontrast-Mikrobläschen-SRUS gezeigt und Gruppenunterschiede im mikrovaskulären Fluss in einer Pilotkohorte mit 24 Knoten berichtet26. Unsere Studie erweitert diesen Nachweis der bildgebenden Durchführbarkeit in drei konkreten Aspekten. Erstens wurden SRUS-abgeleitete Messungen der Gefäßdichte, Flussgeschwindigkeit und Perfusion zusammen mit B-Bild-Mikroverkalkungen, intranodulärer Farbdoppler-Vaskularität, qualitativer und quantitativer CEUS sowie Alter und Geschlecht analysiert, anstatt einen isolierten SRUS-Vergleich durchzuführen. Zweitens wurde der Patient als Einheit der Trennung während der gesamten Vorverarbeitung und Validierung behandelt, wodurch verhindert wurde, dass Knoten desselben Patienten sowohl in den Trainings- als auch in den Validierungsdaten erscheinen. Drittens verknüpfte derselbe patientengruppierte Ansatz die Modellleistung mit gepoolten OOF-Vorhersagen und einer fokussierten OOF-SHAP-Analyse. Zusammen verbinden diese Elemente die Datenerfassung, die quantitative Charakterisierung der Mikrozirkulation, die Modellbewertung und deren Erklärung zu einem einzigen reproduzierbaren Workflow und schaffen damit eine Grundlage, auf der zukünftige Studien aufbauen können.
Wir haben eine Reihe aktueller Studien zur Anwendung von KI und Deep Learning bei der Diagnose maligner Schilddrüsenknoten identifiziert. Es ist hilfreich, unsere Herangehensweise von diesen abzugrenzen. Feng et al. entwickelten ein multizentrisches, multimodales Modell zur präoperativen Risikostratifizierung von papillärem Schilddrüsenkarzinom27, während Gatta et al. maschinelle Lernmodelle, die extern evaluiert wurden, für die Differenzialdiagnose gutartig gegen bösartig basierend auf konventionellen Schilddrüsen-Ultraschallbildern synthetisierten28. Li et al. wandten die rechnergestützte Einzelbild-Super-Resolution auf konventionellen Ultraschall zur Knotenlokalisation an29, und He et al. nutzten GAN-verstärkte B-Bild-Radiomics, um ein nicht-diagnostisches (Bethesda I) FNA-Ergebnis vorherzusagen30. Geometriebasierte, transferlernende und auf Transformatoren basierende Ansätze verdeutlichen weiterhin die algorithmische Vielfalt der Schilddrüsen-Ultraschallforschung31. Diese Studien verwenden konventionelle Ultraschallbilder, multimodale klinische oder bildgebende Variablen oder rechnerisch verbesserte Bildrepräsentationen; sie lokalisieren jedoch keine injizierten Kontrastmikrobläschen und quantifizieren nicht direkt die mikrovaskuläre Dichte und den Fluss auf Läsionsebene. Habchi et al. wandten ein auf VGG19 basierendes Transfer-Learning-Framework auf konventionelle Schilddrüsen-Ultraschallbilder an und berichteten über eine hohe Klassifikationsgenauigkeit in einem öffentlichen Datensatz32. Obwohl ihre Arbeit das Potenzial des Deep Learnings in diesem Bereich aufzeigte, stützte sie sich ausschließlich auf B-Bild-Merkmale.
Im Vergleich dazu liegt der spezifische Beitrag hier in der Anwendung der lokalisationbasierten SRUS, um experimentell gemessene mikrovaskuläre Variablen zu erhalten, deren Integration mit konventionellen Ultraschall- und CEUS-Merkmalen sowie deren Bewertung nach Patientengruppen. Die zitierten Studien ergänzen sich gegenseitig, anstatt direkte Leistungsvergleiche darzustellen, da sich ihre Eingabedaten, Endpunkte, Referenzstandards und Validierungsdesigns unterscheiden. Wir betrachten diese Komplementarität als Stärke, da sie auf mehrere unabhängige Ansätze hinweist, die zu einer verbesserten Risikostratifizierung führen können. Bemerkenswert ist, dass unsere Ergebnisse auch Ansätzen basierend auf Deep Learning ergänzen, wie etwa dem geometrieorientierten Bandelet-Transformations-Framework von Habchi et al.31 und den Transfer-Learning-Benchmarks von Xu et al., die sich auf die Klassifizierung konventioneller B-Bild-Aufnahmen konzentrieren statt auf quantitative hämodynamische Biomarker33 – grundverschiedene Eingabemodalitäten, die unterschiedliche Aspekte der Tumorbiologie erfassen.
Unsere Ergebnisse zeigen signifikante Unterschiede in der Leistung der fünf Evaluierungsklassifikatoren. Der SVM weist die beste durchschnittliche Genauigkeit (0,686 ± 0,120) und den höchsten ROC-AUC-Wert (0,690 ± 0,164) auf und weist die geringste Standardabweichung in der Kreuzvalidierung auf, was seine robuste Leistung bei Aufgaben mit kleinen Stichproben belegt. Eine aggregierte OOF-Validierung bestätigte zudem, dass die Sensitivität des SVM bei 84,2 % lag (32 von 38 malignen Knoten wurden korrekt identifiziert) und der F1-Score mit 0,753 der höchste unter allen Modellen war. Diese starke Detektionsfähigkeit besitzt einen erheblichen Wert in der klinischen Praxis, da eine verpasste Diagnose schwerwiegende Folgen haben kann. Die Spezifität betrug jedoch lediglich 50,0 % (15 von 30 benignen Knoten wurden fälschlicherweise klassifiziert), ein Muster, das sorgfältig interpretiert werden muss. Diese bescheidene Spezifität spiegelt wahrscheinlich die hochdimensionale Natur unseres Datensatzes wider (25 Prädiktoren gegenüber 30 benignen Proben). In einem solch spärlichen Merkmalsraum wird die Entscheidungsgrenze des SVM überproportional durch einige benigne Knoten mit malignomähnlichen mikrovaskulären Merkmalen beeinflusst, wodurch der Klassifikator gezwungen ist, eine konservative Strategie zu verfolgen – zweifelhafte Fälle als malign einzustufen –, um Falsch-Negativ-Befunde zu minimieren. Aus klinischer Sicht ist dieser Kompromiss in Screening-Szenarien akzeptabel, da die Folgen einer verpassten Diagnose von PTC weitaus schwerwiegender sein können als die einer unnötigen FNAC. In zukünftigen Studien sollte vorrangig eine größere Kohorte mit mehr benignen Proben angestrebt und erneut versucht werden, kostenempfindliche Lernverfahren oder Methoden zur Dimensionsreduktion einzusetzen, um die Sensitivität beizubehalten und gleichzeitig die Spezifität zu verbessern.
RF weist eine mittlere Genauigkeit (0,548 ± 0,176) auf, die niedriger ist als die von SVM. Allerdings zeigte RF eine ausgewogene gepoolte OOF-Leistung (Genauigkeit 55,9 %, Sensitivität 55,3 %, Spezifität 56,7 %), was für klinische Entscheidungsunterstützungssysteme von Wert ist. Die auf Unreinheit basierende Wichtigkeit stufte mittlere MVD, mittlere Flussgeschwindigkeit und Perfusionsindex unter den führenden Variablen ein, was auf ein aussagekräftiges SRUS-Signal hindeutet. XGBoost und Gradient Boosting zeigten mittelmäßige Leistung; keines übertraf RF, wahrscheinlich aufgrund der Empfindlichkeit gegenüber Hyperparametern bei der begrenzten Stichprobengröße (n = 68) und konservativer Regularisierung. DT schnitt schlecht ab (Genauigkeit 0,429, ROC-AUC 0,447) und näherte sich zufälligem Raten an – wie aufgrund von Überanpassung durch einen einzelnen Baum zu erwarten war. Zusammenfassend ist SVM vorzuziehen, wenn die Maximierung der Sensitivität im Vordergrund steht, während RF Vorteile hinsichtlich ausgewogener Leistung und Interpretierbarkeit bietet; beide Methoden bedürfen weiterer Untersuchungen.
Die fokussierte SHAP-Analyse identifizierte Mikroverkalkung, postkontrastliche Vergrößerung und Homogenität der Kontrastmittelaufnahme als die drei wichtigsten prädiktiven Faktoren, gefolgt von Geschlecht und SRUS-Parametern, einschließlich der Standardabweichung der Blutflussgeschwindigkeit, dem mittleren MVD und der mittleren Transitzeit. Konventionelle Merkmale dominieren, doch liefern die SRUS-Parameter unabhängige, zusätzliche Informationen. Die Bedeutung der SRUS-Indikatoren steht im Einklang mit deren physikalischen Vorteilen. SRUS kann eine Auflösung von ~10 µm erreichen, während die Auflösung des herkömmlichen Doppler auf ~200–300 µm begrenzt ist. Zhang et al. bestätigten, dass maligne Knoten eine geringere Flussgeschwindigkeit aufweisen (9,86 vs. 16,76 mm/s, p < 0,01) und ein niedrigeres MVD19, was der fibrotischen und lymphatisch dominierten Biologie des PTC entspricht. Unsere SHAP-Ergebnisse sind biologisch plausibel, und die Übereinstimmung mit den TI-RADS-Kriterien untermauert ein klinisch sinnvolles Musterlernen8.
Eine genaue Risikostratifizierung hat erhebliche Auswirkungen auf die Patientenversorgung und das klinische Entscheidungsverhalten. Wenn hochriskante Knoten durch ML-Analyse von SRUS-Bildern identifiziert werden können, könnten Patienten zeitnaher eine FNAC erhalten, wodurch Angstzustände verringert und eine Krebsprogression verhindert werden könnte. Ausgewählte knoten mit niedrigem Risiko könnten stattdessen mittels Ultraschall überwacht werden. Quantitative mikrovaskuläre Messungen könnten letztendlich die konventionellen Beobachtungen in diesem Prozess ergänzen. Die vorliegende Studie hat jedoch nicht untersucht, ob die Klassifikator-Ausgabe die Leistung der Ärzte verbessert, unnötige FNAC-Verfahren reduziert oder die Patientenergebnisse verändert. Die Modellausgaben sollten daher noch nicht zur Steuerung klinischer Entscheidungen herangezogen werden. Vielmehr sollten sie als forschungsorientierte Werkzeuge betrachtet werden, die ein Prinzip beweisen und eine Grundlage für eine prospektive Evaluation bieten. Während der Analyse müssen alle Knoten eines einzelnen Patienten in derselben Teilgruppe verbleiben, und die Vorverarbeitung muss ausschließlich anhand des Trainingsanteils dieser Teilgruppe erfolgen.
Mehrere Einschränkungen sollten berücksichtigt werden. Erstens handelte es sich um eine retrospektive, single-center Studie mit 68 Knoten von 63 Patienten, ohne externe Validierung; die geringe Stichprobengröße könnte das Risiko einer Überanpassung erhöhen. Dennoch bietet eine patientengruppierte Kreuzvalidierung gewisse Sicherheit. Zweitens wurden alle Referenzlabels aus sonographisch gesteuerter Feinnadelpunktion (FNAC) und nicht aus postoperativer Histopathologie abgeleitet. Die FNAC liefert zytologische Hinweise, entspricht jedoch nicht der postoperativen histologischen Bestätigung und könnte insbesondere bei als benign klassifizierten Knoten zu Klassifikationsfehlern führen, auch wenn wir den Umfang benigner Knoten eingeschränkt und bei allen Knoten eine BRAFV600E-Genanalyse durchgeführt haben. Drittens war die maligne Gruppe auf Knoten beschränkt, die in der FNAC als PTC (papilläres Schilddrüsenkarzinom) klassifiziert wurden, was die Übertragbarkeit auf andere Schilddrüsenmalignitäten einschränkt. Viertens wurden zusätzliche klinische Faktoren (Schilddrüsenfunktion, familiäre Vorgeschichte) nicht systematisch erfasst. Schließlich erfolgte weder eine systematische Optimierung der Hyperparameter noch eine Kalibrationsanalyse oder ein unabhängiger, bildbasierte Vergleich mittels Deep Learning. Trotz dieser Einschränkungen verleihen die Übereinstimmung unserer Ergebnisse mit biologischer Plausibilität und der bestehenden Literatur Vertrauen in deren Gültigkeit. Zukünftige Forschung sollte folgende Aspekte priorisieren: (1) prospektive, multizentrische Validierung in größeren Kohorten mit postoperativer Histopathologie; (2) multimodale Fusion, die die Scherwellenultraschalluntersuchung (SRUS) mit Elastographie und konventionellem Ultraschall kombiniert; (3) serologische Biomarker, standardisierte Erhebungsprotokolle, Qualitätskontrollkriterien34 sowie die Optimierung des Feature-Engineerings.
Zusammenfassend zeigt diese Studie die Durchführbarkeit der Anwendung herkömmlicher maschineller Lernalgorithmen auf quantitative mikrovaskuläre SRUS-Messungen, um die explorative Klassifizierung von Schilddrüsenknoten zu unterstützen. SVM zeigte eine hohe Sensitivität, jedoch begrenzte Spezifität, was seine mögliche Rolle als Screening-Hilfsmittel und nicht als diagnostischer Ersatz stützt. Obwohl vorläufig, legen unsere Ergebnisse eine reproduzierbare, leckage-resistente Evaluierungspipeline fest und rechtfertigen eine prospektive Validierung in größeren Kohorten.
Offenlegungen
Die Autoren erklären, dass keine Interessenkonflikte bestehen.
Danksagungen
Die Autoren danken dem Personal der Abteilung für Ultraschall des Beijing Friendship Hospital, Capital Medical University, für ihre Unterstützung bei der Sammlung der Patientendaten.
Materialien
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| Entscheidungsbaum-Klassifikator | scikit-learn | Version 1.5.2 | Machine-Learning-Klassifikator |
| Feinnadelaspirations-Biopsienadel | Verwendet für die ultraschallgeführte FNAC | ||
| Gradient-Boosting-Klassifikator | scikit-learn | Version 1.5.2 | Machine-Learning-Klassifikator |
| Intravenöser Katheter | Verwendet für die Kontrastmittelapplikation | ||
| Python | Python Software Foundation | Version 3.11.9 | Programmiersprache für die Machine-Learning-Analyse |
| Random-Forest-Klassifikator | scikit-learn | Version 1.5.2 | Machine-Learning-Klassifikator |
| SHAP (Permutations-Erklärer) | SHAP-Entwickler | Version 0.46.0 | Modell-Interpretabilitätsanalyse |
| SonoVue-Kontrastmittel | Bracco | Ultraschallkontrastmittel für CEUS/SRUS-Bildgebung | |
| StandardScaler | scikit-learn | Version 1.5.2 | Standardisierung der Merkmale für die SVM-Pipeline |
| Sterile physiologische Kochsalzlösung | Verwendet für die intravenöse Spülung nach Kontrastmittelgabe | ||
| StratifiedGroupKFold | scikit-learn | Version 1.5.2 | Patientengruppierte Kreuzvalidierung |
| Support-Vektor-Maschine (SVM)-Klassifikator | scikit-learn | Version 1.5.2 | Klassifikator mit Radialbasisfunktionskern |
| U5-15LE Lineararray-Umwandler | VINNO Technology | U5-15LE | Linearer Ultraschallwandler |
| ULTIMUS 9E Ultraschallsystem | VINNO Technology | ULTIMUS 9E | Ultraschallbildgebungssystem für B-Mode-, Farbdoppler-, CEUS- und SRUS-Bildgebung |
| XGBoost | XGBoost-Entwickler | Version 2.1.1 | Gradient-Boosting-Framework |
Referenzen
- Mu C, et al. Mapping global epidemiology of thyroid nodules among general population: a systematic review and meta-analysis. Front Oncol. 2022;12:1029926.
- Moon JH, et al. Prevalence of thyroid nodules and their associated clinical parameters: a large-scale, multicenter-based health checkup study. Korean J Intern Med. 2018;33(4):753-62.
- Dean DS, Gharib H. Epidemiology of thyroid nodules. Best Pract Res Clin Endocrinol Metab. 2008;22(6):901-11.
- Uppal N, Collins R, James B. Thyroid nodules: global, economic, and personal burdens. Front Endocrinol (Lausanne). 2023;14:1113977.
- Durante C, et al. The diagnosis and management of thyroid nodules: a review. JAMA. 2018;319(9):914-24.
- Lim H, Devesa SS, Sosa JA, Check D, Kitahara CM. Trends in thyroid cancer incidence and mortality in the United States, 1974-2013. JAMA. 2017;317(13):1338-48.
- Gharib H, et al. American Association of Clinical Endocrinologists, American College of Endocrinology, and Associazione Medici Endocrinologi medical guidelines for clinical practice for the diagnosis and management of thyroid nodules—2016 update. Endocr Pract. 2016;22(5):622-39.
- Tessler FN, et al. ACR Thyroid Imaging, Reporting and Data System (TI-RADS): white paper of the ACR TI-RADS Committee. J Am Coll Radiol. 2017;14(5):587-95.
- Petranović Ovčariček P, et al. The 2025 ATA guidelines for differentiated thyroid cancer—ten years of professional debate and measured progress. Eur J Nucl Med Mol Imaging. 2026;53(4):2213-6.
- Christensen-Jeffries K, et al. Super-resolution ultrasound imaging. Ultrasound Med Biol. 2020;46(4):865-91.
- Carmeliet P. Angiogenesis in health and disease. Nat Med. 2003;9(6):653-60.
- Zhang B, et al. Utility of contrast-enhanced ultrasound for evaluation of thyroid nodules. Thyroid. 2010;20(1):51-7.
- Rago T, Vitti P. Role of thyroid ultrasound in the diagnostic evaluation of thyroid nodules. Best Pract Res Clin Endocrinol Metab. 2008;22(6):913-28.
- Xia S, et al. Super-resolution ultrasound and microvasculomics: a consensus statement. Eur Radiol. 2024;34(11):7503-13.
- Song P, Rubin JM, Lowerison MR. Super-resolution ultrasound microvascular imaging: is it ready for clinical use? Z Med Phys. 2023;33(3):309-23.
- Errico C, et al. Ultrafast ultrasound localization microscopy for deep super-resolution vascular imaging. Nature. 2015;527(7579):499-502.
- Couture O, Hingot V, Heiles B, Muleki-Seya P, Tanter M. Ultrasound localization microscopy and super-resolution: a state of the art. IEEE Trans Ultrason Ferroelectr Freq Control. 2018;65(8):1304-20.
- Gao JY, Hou C. Progresses and clinical application of super-resolution ultrasound imaging: a narrative review. Ultrasound J. 2025;17(1):29.
- Zhang G, et al. Ultrasound super-resolution imaging for the differential diagnosis of thyroid nodules: a pilot study. Front Oncol. 2022;12:978164.
- Wildman-Tobriner B, et al. Using artificial intelligence to revise ACR TI-RADS risk stratification of thyroid nodules: diagnostic accuracy and utility. Radiology. 2019;292(1):112-9.
- Toro-Tobon D, et al. Artificial intelligence in thyroidology: a narrative review of the current applications, associated challenges, and future directions. Thyroid. 2023;33(8):903-17.
- Peng S, et al. Deep learning-based artificial intelligence model to assist thyroid nodule diagnosis and management: a multicentre diagnostic study. Lancet Digit Health. 2021;3(4):e250-9.
- Chen C, et al. Deep learning to assist composition classification and thyroid solid nodule diagnosis: a multicenter diagnostic study. Eur Radiol. 2024;34(4):2323-33.
- Bini F, et al. Artificial intelligence in thyroid field: a comprehensive review. Cancers (Basel). 2021;13(19):4740.
- Habchi Y, Kheddar H, Himeur Y, Ghanem MC. Machine learning and transformers for thyroid carcinoma diagnosis. J Vis Commun Image Represent. 2026;115:104668.
- Zhang M, Wang X, Deng Y, Tang K. Multimodal ultrasound integration pathways and paradigm innovations in precision diagnosis and treatment of thyroid cancer. Acad Radiol. 2026. Epub ahead of print.
- Feng JW, et al. Development and validation of the multidimensional machine learning model for preoperative risk stratification in papillary thyroid carcinoma: a multicenter, retrospective cohort study. Cancer Imaging. 2025;25(1):98.
- Gatta E, et al. Machine learning for diagnosis of malignant thyroid nodules based on thyroid ultrasound: systematic review and meta-analysis of studies with external datasets. Eur J Radiol Open. 2026;16:100716.
- Li J, Guo Q, Peng S, Tan X. Super-resolution based nodule localization in thyroid ultrasound images through deep learning. Curr Med Imaging. 2024;20(1):e15734056269264.
- He S, et al. Super-resolution ultrasound radiomics for pre-FNA prediction of nondiagnostic (Bethesda I) thyroid nodules. Front Endocrinol (Lausanne). 2026;17:1710097.
- Habchi Y, Kheddar H, Ghanem MC, Hwaidi J. Adaptive bandelet transform and transfer learning for geometry-aware thyroid cancer ultrasound classification. Diagnostics (Basel). 2026;16(4):554.
- Habchi Y, Kheddar H, Himeur Y. Adaptive bandelet transform and transfer learning for geometry-aware thyroid cancer ultrasound classification [conference paper]. In: 2024 International Conference on Telecommunications and Intelligent Systems (ICTIS). IEEE; 2024. p. 1-6.
- Xu Y, Xu M, Geng Z, Liu J, Meng B. Thyroid nodule classification in ultrasound imaging using deep transfer learning. BMC Cancer. 2025;25(1):544.
- Gou TH, et al. Application value of super-resolution ultrasound imaging in the diagnosis of American College of Radiology Thyroid Imaging Reporting and Data System category 4 and 5 thyroid nodules. Zhongguo Yi Xue Ke Xue Yuan Xue Bao. 2026. doi:10.3881/j.issn.1000-503X.16808.