KẾT QUẢ ÁP DỤNG PHÂN LOẠI TIRADS (AI-2019) TRONG SIÊU ÂM CHẨN ĐOÁN TỔN THƯƠNG NHÂN TUYẾN GIÁP TẠI VIỆN Y HỌC PHÓNG XẠ VÀ U BƯỚU QUÂN ĐỘI

Nguyễn Văn Hách1, , Nguyễn Xuân Khái2, Nguyễn Hữu Bền2, Nguyễn Duy Trinh3
1 Viện Y học phóng xạ và U bướu Quân đội
2 Học viện Quân y
3 Bệnh viện Đa khoa Tâm Anh

Nội dung chính của bài viết

Tóm tắt

Mục tiêu: Đánh giá vai trò phân loại của TIRADS (AI-2019) trong siêu âm tổn thương nhân tuyến giáp. Phương pháp nghiên cứu: Nghiên cứu tiến cứu, mô tả cắt ngang trên 134 bệnh nhân (BN), với 171 nhân tuyến giáp đến khám và điều trị phẫu thuật tại Viện Y học phóng xạ và U bướu Quân đội, từ tháng 8/2023 - 5/2024. Kết quả: Các nhân tuyến giáp TIRADS 3, TIRADS 4 và TIRADS 5 trên siêu âm có tỷ lệ ung thư lần lượt là 22,2%, 65,0% và 95,2%. Các nhân tuyến giáp TIRADS ≥ 4 có tỷ lệ ung thư cao hơn nhân tuyến giáp TIRADS < 4, với OR: 125,96 (95%CI: 26,76 - 592,83). Se, Sp, PPV, NPV và Acc lần lượt là 98,50%, 65,79%, 90,97%, 92,59% và 91,23%. Phân tích đường cong ROC về điểm TIRADS trong chẩn đoán tổn thương nhân tuyến giáp: Tại điểm cắt 5,5 (TIRADS 4) với diện tích dưới đường cong ROC là 0,945, có Se, Sp, PPV, NPV và Acc lần lượt là 93,23%, 84,21%, 95,38%, 78,05% và 91,23%. Kết luận: Phân loại TIRADS (AI-2019) có giá trị trong đánh giá tổn thương nhân tuyến giáp, trong đó, nhân tuyến giáp có TIRADS càng cao thì nguy cơ ung thư tuyến giáp (UTTG) càng tăng.

Chi tiết bài viết

Tài liệu tham khảo

1. Hyuna Sung, Jacques Ferlay, Rebecca L Siegel, et al. Global cancer statistics 2020: GLOBOCAN Estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2021; 0:1-41.
2. Bùi Diệu. Xu hướng bệnh ung thư vú ở Việt Nam đến năm 2020. Tạp chí Y học Việt Nam. 2012; 1:127-131.
3. Benjamin Wildman-Tobriner, Mateusz Buda, Jenny K Hoang, et al. Using artificial intelligence to revise ACR TI-RADS risk stratification of thyroid nodules: Diagnostic accuracy and utility. Radiology. 2019; 292:112-119.
4. Watkins L, O'Neill G, Young D, et al. Comparison of British Thyroid association, American college of radiology TIRADS and artificial intelligence tirads with histological correlation: Diagnostic performance for predicting thyroid malignancy and unnecessary fine needle aspiration rate. Br J Radiol. 2021; 94(20201444):1-8.
5. Yufan Chen, Zixiong Gao, Yanni He, et al. An Artificial intelligence model based on ACR TI-RADS characteristics for US diagnosis of thyroid nodules. Radiology. 2022; 303:613-619.
6. Cai-Feng Si, Chao Fu, Yi-Yang Cui, et al. Diagnostic and therapeutic performances of three score-based thyroid imaging reporting and data systems after application of equal size thresholds. Quant Imaging Med Surg. 2023; 13(4):2109-2118.
7. Chao Fu, Yiyang Cui, Jing Li, et al. Effect of the categorization method on the diagnostic performance of ultrasound risk stratification systems for thyroid nodules. Front. Oncol. 2023; 13(1073891):1-9.
8. Nguyễn Thị Thu Thảo, Ngô Lê Lâm, Vũ Đăng Lưu. Nghiên cứu giá trị chẩn đoán ung thư tuyến giáp của phân độ EU - TIRADS 2017. Điện Quang Việt Nam. 2019; 3:12-18.
9. Nguyễn Văn Hách, Nguyễn Văn Mùi, Nguyễn Thị Lan Hương, et al. Giá trị siêu âm trong chẩn đoán ung thư tuyến giáp. Điện Quang & Y học Hạt nhân Việt Nam. 2021; 43:4-11.
10. Trình Văn Kỳ, Nguyễn Thị Minh Huệ, Đinh Nhân Dương, et al. Giá trị của bảng phân loại AI TIRADS 2019 trong đánh giá nhân tuyến giáp. Tạp chí Y học Việt Nam. 2023; 533(1B):293-297.