RU2706948C1 - Method for prediction of thyroid gland node malignancy probability - Google Patents

Method for prediction of thyroid gland node malignancy probability Download PDF

Info

Publication number
RU2706948C1
RU2706948C1 RU2018147796A RU2018147796A RU2706948C1 RU 2706948 C1 RU2706948 C1 RU 2706948C1 RU 2018147796 A RU2018147796 A RU 2018147796A RU 2018147796 A RU2018147796 A RU 2018147796A RU 2706948 C1 RU2706948 C1 RU 2706948C1
Authority
RU
Russia
Prior art keywords
node
thyroid gland
absence
malignancy
thyroid
Prior art date
Application number
RU2018147796A
Other languages
Russian (ru)
Inventor
Любовь Анатолиевна Тимофеева
Original Assignee
Любовь Анатолиевна Тимофеева
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Любовь Анатолиевна Тимофеева filed Critical Любовь Анатолиевна Тимофеева
Priority to RU2018147796A priority Critical patent/RU2706948C1/en
Application granted granted Critical
Publication of RU2706948C1 publication Critical patent/RU2706948C1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

FIELD: medicine.
SUBSTANCE: method refers to medicine, namely to ultrasonic diagnostics, and can be used for prediction of thyroid gland malignancy probability including ultrasonography of thyroid gland node. Thyroid ultrasonography is performed. Type of echostructure of the node (EN), the presence or absence of macrocalcinates in the node (MN), the presence or absence of the rim of the Halo node (OH), the intensity of blood flow in the node (BL), the shape of the node (SN) are determined. Derived data are used to calculate a prognostic coefficient of malignancy of thyroid gland node (PCMTGN) by the formula: PCMTGN=Con-EN× ZnP1-MN×ZnP2-OH×ZnP3+BL×ZnP4-SN×ZnP5, where ZnP1 – (-4.3094); ZnP2 – (-4.0393); ZnP3 – (-1.9071); ZnP4 – 0.4867; ZnP5 – (-1.9915); Con – 1192.0931; Con is constant for given set; EN – type of echostructure of the node: 101 is hypoechoic, 102 is hyperechoic; MC – macrocalcinates in node: 101 – presence, 102 – absence; OH is Halo rim: 101 – absence, 102 – availability; BL is blood flow intensity in the node: 101 – high, 102 – medium, 103 – low, 104 – is absent; SN – shape of the node: 101 is incorrect, 102 is correct. If PCMTGN is more than or equal to 0.6671, a high probability of the malignancy of the thyroid gland is predicted. If the PCMTGN derived value is less than 0.6671, a high probability of benign of the thyroid gland nodule is predicted.
EFFECT: method provides determining the thyroid gland malignancy risk by using multidimensional modeling.
1 cl, 1 dwg, 1 tbl, 2 ex

Description

Изобретение относится к области медицины, а именно к ультразвуковой диагностике, эндокринологии.The invention relates to medicine, namely to ultrasound diagnostics, endocrinology.

Комплексное использование ультразвуковых методик, рациональная последовательность и последовательность их использования - значительно повышает диагностическую точность и эффективность метода, раннюю и дифференциальную диагностику рака, выявление регионарного метастазирования.The integrated use of ultrasound techniques, the rational sequence and sequence of their use significantly increases the diagnostic accuracy and effectiveness of the method, early and differential diagnosis of cancer, and the identification of regional metastasis.

Известен способ ранжировании набора ультразвуковых признаков, наиболее часто встречающихся при различных вариантах патологии щитовидной железы (ЩЖ) предложенный E. Horvath и соавторами в 2009 году, который включает в себя ультразвуковую классификацию Thyroid Imaging Reporting and Data System (TIRADS) (Horvath E, Majlis S, Rossi R, et al. An ultrasonogram reporting system for thyroid nodules stratifying cancer risk for clinical management. J Clin Endocrinol Metab 2009; 94: 1748-51.). Предложенная ультразвуковая классификация TIRADS Система строится на оценке следующих характеристик узлов щитовидной железы, а именно: четкость контуров и ровность границ, эхогенность, эхоструктура, строение, наличие макро- и микрокальцификатов, васкуляризация, форма. Поскольку эта классификация была первой в ряду систем TIRADS, то в ней сохраняется элемент субъективизма, опирающийся на комплексность оценки без учета значимости и валидности отдельных критериев.A known method of ranking a set of ultrasound signs most commonly found in various thyroid pathology (Thyroid) pathologies proposed by E. Horvath et al in 2009, which includes the ultrasonic classification of Thyroid Imaging Reporting and Data System (TIRADS) (Horvath E, Majlis S , Rossi R, et al. An ultrasonogram reporting system for thyroid nodules stratifying cancer risk for clinical management. J Clin Endocrinol Metab 2009; 94: 1748-51.). The proposed ultrasonic classification of the TIRADS system is based on an assessment of the following characteristics of the thyroid gland nodes, namely: clarity of contours and even borders, echogenicity, echostructure, structure, presence of macro- and microcalcifications, vascularization, shape. Since this classification was the first in a series of TIRADS systems, an element of subjectivity is retained in it, based on the complexity of the assessment without taking into account the significance and validity of individual criteria.

Также известны рекомендации по тактике ультразвукового обследования взрослых пациентов с узлами и раком щитовидной железы представленные Американской Тиреоидной Ассоциацией (ATА) в пересмотре от 2016 года (Haugen BR, Alexander ЕK, Bible KС, Doherty GM, Mandel SJ, Nikiforov YE, Pacini F, Randolph GW, Sawka AM, Schlumberger M, Schuff KG, Sherman SI, Sosa JA, Steward DL, Turtle RM, Wartofsky L. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer: The American Thyroid Association Guidelines Task Force on Thyroid Nodules and Differentiated Thyroid Cancer. Thyroid. 2016; 26: 1-133). Авторы рекомендуют опираться на пять вариантов сонографической картины по риску малигнизации и учитывать значительное меньшее число ультразвуковых признаков. Недостатком данного подхода является существенное несоответствие конечных результатов за счет гиподиагностики, а соответственно и постановки объективного диагноза.Also known recommendations on the tactics of ultrasound examination of adult patients with nodes and thyroid cancer presented by the American Thyroid Association (ATA) in revision from 2016 (Haugen BR, Alexander EK, Bible KC, Doherty GM, Mandel SJ, Nikiforov YE, Pacini F, Randolph GW, Sawka AM, Schlumberger M, Schuff KG, Sherman SI, Sosa JA, Steward DL, Turtle RM, Wartofsky L. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer: The American Thyroid Association Guidelines Task Force on Thyroid Nodules and Differentiated Thyroid Cancer. Thyroid. 2016; 26: 1-133). The authors recommend relying on five options for the sonographic picture of the risk of malignancy and consider a significantly smaller number of ultrasound signs. The disadvantage of this approach is the significant discrepancy between the final results due to underdiagnosis and, accordingly, the formulation of an objective diagnosis.

Наиболее близким аналогом к предлагаемому решению является способ оценки риска рака ЩЖ путем выявления узлов ЩЖ щитовидной железы и измерения их размеров предложенный специалистами Американской Ассоциации клинических эндокринологов (ААСЕ), Американской коллегии эндокринологии (АСЕ) и Ассоциации врачей эндокринологов (АМЕ) в 2016 rofly.(Gharib Н, PapiniE, Garber JR, Duick DS, Harrell RM,

Figure 00000001
L, Paschke R, Valcavi R, Vitti P; AACE/ACE/AME Task Force on Thyroid Nodules: 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; 22:622-639), где учитываются следующие критерии при описании узлов ЩЖ: положение, форма, границы, структура, наличие ободка Halo (от англ. «ореол»), содержимое (при его наличии), эхогенность, наличие макро- и микрокальцификатов, периферического обезвыствления (ободок Halo), особенность сосудистого рисунка, состояние регионарных лимфатических узлов. Далее учтенные признаки переводятся в бальную шкалу от 0 до 7 и в зависимости от набора баллов распределяются на три класса вероятности наличия опухоли: 1 класс - низкий риск поражения ЩЖ, 2 класс - средний риск поражения ЩЖ и 3 класс - высокий риск поражения ЩЖ. При этом сохраняется элемент трудоемкости и гипердиагностики, с недостаточностью комплексного оценивания. Предлагаемая многофакторная система прогнозирования эффективности ультразвуковой диагностики при узловых новообразованиях щитовидной железы, основана на учете таких значимых предикторов как: тип эхоструктуры узла (ЭУ), наличие/отсутствие макрокальцинатов в узле (МК), наличие/отсутствие ободка Halo узла (ОХ), интенсивность кровотока в узле (КР), вид формы узла (ФУ).The closest analogue to the proposed solution is a method for assessing the risk of thyroid cancer by detecting thyroid gland nodes and measuring their sizes, proposed by specialists from the American Association of Clinical Endocrinologists (AACE), the American College of Endocrinology (ACE) and the Association of Doctors of Endocrinologists (AME) in 2016 rofly. ( Gharib H, PapiniE, Garber JR, Duick DS, Harrell RM,
Figure 00000001
L, Paschke R, Valcavi R, Vitti P; AACE / ACE / AME Task Force on Thyroid Nodules: 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: 622-639), where the following criteria are taken into account when describing thyroid nodes: position, shape, boundaries, structure, presence of a Halo rim (from the English “halo”), contents (if any), echogenicity, presence of macro- and microcalcifications , peripheral dehydration (Halo rim), a feature of the vascular pattern, the state of regional lymph nodes. Further, the considered signs are transferred to a point scale from 0 to 7 and, depending on the set of points, are distributed into three classes of probability of the presence of a tumor: class 1 - low risk of thyroid damage, class 2 - medium risk of thyroid damage and grade 3 - high risk of thyroid damage. At the same time, an element of laboriousness and overdiagnosis, with a lack of integrated assessment, remains. The proposed multifactor system for predicting the effectiveness of ultrasound diagnostics for nodular neoplasms of the thyroid gland is based on taking into account such significant predictors as the type of node echostructure (EC), the presence / absence of macrocalcinates in the node (MK), the presence / absence of the rim of the Halo node (OX), blood flow intensity in the node (CR), the form of the form of the node (FU).

Целью предлагаемого нами способа является повышение надежности ультразвуковой диагностики образований щитовидной железы за счет применения многомерного статистического моделирования с учетом таких объективных показателей как: тип эхоструктуры узла (ЭУ), наличие/отсутствие макрокальцинатов в узле (МК), наличие/отсутствие ободка Halo узла (ОХ), интенсивность кровотока в узле (КР), вид формы узла (ФУ).The aim of our proposed method is to increase the reliability of ultrasound diagnostics of thyroid formations through the use of multivariate statistical modeling, taking into account such objective indicators as the type of echostructure of the node (EC), the presence / absence of macrocalcinates in the node (MK), the presence / absence of the rim of the Halo node (OH ), the intensity of blood flow in the node (CR), the form of the form of the node (FU).

Поставленная цель достигается тем, что при проведении ультразвукового исследования щитовидной железы и при выявлении в ней узлов, оцениваются следующие ультразвуковые показатели: тип эхоструктуры узла (ЭУ), наличие/отсутствие макрокальцинатов в узле (МК), наличие/отсутствие ободка Halo узла (ОХ), интенсивность кровотока в узле (КР), вид формы узла (ФУ), затем рассчитывают прогностический коэффициент злокачественности узлов щитовидной железы (ПКзущж) решая уравнение логистической регрессии по формуле:The goal is achieved by the fact that when conducting an ultrasound examination of the thyroid gland and identifying nodes in it, the following ultrasound parameters are evaluated: the type of echostructure of the node (EC), the presence / absence of macrocalcinates in the node (MK), the presence / absence of the rim of the Halo node (OH) , the intensity of blood flow in the node (CR), the form of the shape of the node (FU), then the prognostic coefficient of malignancy of the thyroid gland nodes (PCs) is calculated by solving the logistic regression equation by the formula

ПКзущж=Кон-ЭУ×ЗнП1-МК×ЗнП2-ОХ×ЗнП3+КР×ЗнП4-ФУ×ЗнП5 PKuzushzh = Kon-EU × ZnP 1 -MK × ZnP 2 -OH × ZnP 3 + KR × ZnP 4 -FU × ZnP 5

ЗНП1…5 - наблюдаемое значение для соответствующего образца переменной,ZNP1 ... 5 - the observed value for the corresponding sample variable,

Кон - константа для данной совокупности,Kon is a constant for a given population,

ЭУ - тип эхоструктуры узла: 101 - гипоэхогенна, 102 - гиперэхогенна,EU - type of echostructure of the node: 101 - hypoechoic, 102 - hyperechoic,

МК - макрокальцинаты в узле: 101 - наличие, 102 - отсутствие,MK - macrocalcinates in the node: 101 - presence, 102 - absence,

ОХ - ободок Halo: 101 - отсутствие, 102 - наличие,OX - rim of Halo: 101 - absence, 102 - presence,

КР - интенсивность кровотока в узле: 101 - высокий, 102 - средний, 103 - низкий, 104 – отсутствует;CR - the intensity of blood flow in the node: 101 - high, 102 - medium, 103 - low, 104 - absent;

ФУ - вид формы узла: 101 - неправильная, 102 - правильная, -FU - view of the shape of the node: 101 - incorrect, 102 - correct, -

и, если прогностический коэффициент выше или равен 0,6721, то прогнозируют высокую вероятность злокачественности узла щитовидной железы, а если меньше 0,6721 то прогнозируют высокую вероятность доброкачественности узла щитовидной железы.and if the prognostic coefficient is higher or equal to 0.6721, then a high probability of malignancy of the thyroid gland node is predicted, and if less than 0.6721, then a high probability of benign thyroid gland is predicted.

Новизна предлагаемого решения заключается в том, что впервые у пациентов с узловыми образованиями щитовидной железы возможно прогнозировать наличие злокачественности выявленных узлов, путем применения многомерного моделирования, для снижения частоты ложно положительных и ложноотрицательных диагнозов, учитывая определенный набор ультразвуковых критериев.The novelty of the proposed solution lies in the fact that for the first time in patients with nodular thyroid formations, it is possible to predict the presence of malignancy of the identified nodes by using multivariate modeling to reduce the frequency of false positive and false negative diagnoses, given a certain set of ultrasound criteria.

Технические решения, имеющие признаки, совпадающие с отличительными признаками предлагаемого нами способа, не выявлены, что позволяет сделать вывод о соответствии предлагаемого способа критерию «изобретательский уровень».Technical solutions that have features that match the distinguishing features of our proposed method are not identified, which allows us to conclude that the proposed method meets the criterion of "inventive step".

В процессе разработки способа было проведено обследование 648 пациентов с узловыми образованиями щитовидной железы. Обследование включало получение анамнестических, физикальных, инструментальных и лабораторных данных пациента. Учет производился по данным ультразвуковой диагностики и данным о дальнейшей судьбе (гистологическим подтверждением или исключением наличия злокачественного образования).In the process of developing the method, 648 patients with thyroid nodules were examined. The examination included obtaining anamnestic, physical, instrumental and laboratory data of the patient. Accounting was carried out according to the data of ultrasound diagnostics and data on the further fate (histological confirmation or exclusion of the presence of a malignant formation).

Последовательно методом редукции множества признаков в программе «MedCalc» v. 18.2.1 были выделены комбинации наиболее значимых показателей, отличающие группы друг от друга. Для оценки прогностического влияния каждого из признаков, а также их возможной комбинации были использованы Receiver Operating Characteristic (ROC) Analysis и логистический регрессионный анализ. Построенная прогностическая модель позволяет судить, с какой вероятностью выявленное образование щитовидной железы окажется злокачественным.Consistently by the method of reduction of many features in the program "MedCalc" v. 18.2.1 combinations of the most significant indicators were distinguished that distinguished groups from each other. Receiver Operating Characteristic (ROC) Analysis and logistic regression analysis were used to assess the prognostic effect of each of the signs, as well as their possible combination. The constructed prognostic model allows one to judge with what probability the detected thyroid gland formation will turn out to be malignant.

В таблице 1 представлен уровень прогностической значимости выявленных независимых переменных.Table 1 presents the level of prognostic significance of the identified independent variables.

Figure 00000002
Figure 00000002

где ДИ - доверительный интервалwhere CI is the confidence interval

В дальнейшем с целью выявления возможной комбинации выделенных переменных построено регрессионное уравнение, на основании которого выверена одиночная аналитическая шкала прогностических значений с оптимальной комбинацией между чувствительностью и специфичностью, определенных по последующей процедуре ROC-анализа (см. фиг. 1)Subsequently, in order to identify a possible combination of the selected variables, a regression equation was constructed, based on which a single analytical scale of prognostic values was verified with the optimal combination between sensitivity and specificity determined by the subsequent ROC analysis procedure (see Fig. 1)

Уровень значения данной модели статистически значимый (р<0,0001). Площадь под кривой (AUC) составляла 0,954. Точка отсечения при данной модели находилась на уровне 0,6721, где чувствительность составила 87,46%, с 95% доверительным интервалом от 83,4 до 90,8, а специфичность - 95,71%, с 95% доверительным интервалом 92,9 до 97,6, с положительным 20,37 и отрицательным 0,13 отношением правдоподобия.The level of value of this model is statistically significant (p <0.0001). The area under the curve (AUC) was 0.954. The cut-off point for this model was 0.6721, where the sensitivity was 87.46%, with a 95% confidence interval from 83.4 to 90.8, and specificity was 95.71%, with a 95% confidence interval of 92.9 up to 97.6, with a positive 20.37 and a negative 0.13 likelihood ratio.

На основании математической обработки получен набор оптимальных признаков и сформирован способ прогнозирования эффективности ультразвуковой диагностики при узловых новообразованиях щитовидной железы, который заключается в определении классификационного значения.Based on the mathematical processing, a set of optimal signs was obtained and a method for predicting the effectiveness of ultrasound diagnostics for nodular neoplasms of the thyroid gland was formed, which consists in determining the classification value.

Предлагаемый способ прогнозирования эффективности ультразвуковой диагностики при узловых новообразованиях щитовидной железы осуществляется следующим образом: у каждого обследуемого пациента при проведении ультразвукового исследования щитовидной железы и выявления узловых образований, учитывают следующие показатели: тип эхоструктуры узла (ЭУ), наличие/отсутствие макрокальцинатов в узле (МК), наличие/отсутствие ободка Halo узла (ОХ), интенсивность кровотока в узле (КР), вид формы узла (ФУ). Затем рассчитывают прогностический коэффициент злокачественности узлов щитовидной железы (ПКзущж) решая уравнение логистической регрессии по формуле:The proposed method for predicting the effectiveness of ultrasound diagnostics for nodular neoplasms of the thyroid gland is carried out as follows: for each examined patient, when conducting an ultrasound examination of the thyroid gland and identifying nodular formations, the following indicators are taken into account: the type of echostructure of the node (EU), the presence / absence of macrocalcinates in the node (MK) , the presence / absence of the rim of the Halo node (OH), the intensity of blood flow in the node (CR), the form of the node (FU). Then calculate the prognostic coefficient of malignancy of the nodes of the thyroid gland (PCzuschzh) by solving the logistic regression equation by the formula:

ПКзущж=Кон-ЭУ×ЗнП1-МК×ЗнП2-ОХ×ЗнПЗ+КР×ЗнП4-ФУ×ЗнП5PKuzushzh = Kon-EU × ZnP1-MK × ZnP2-Okh × ZnPZ + KR × ZnP4-FU × ZnP5

ЗНП1…5 - наблюдаемое значение для соответствующего образца переменной,ZNP1 ... 5 - the observed value for the corresponding sample variable,

Кон - константа для данной совокупности,Kon is a constant for a given population,

ЭУ - тип эхоструктуры узла: 101 - гипоэхогенна, 102 - гиперэхогенна,EU - type of echostructure of the node: 101 - hypoechoic, 102 - hyperechoic,

МК - макрокальцинаты в узле: 101 - наличие, 102 - отсутствие,MK - macrocalcinates in the node: 101 - presence, 102 - absence,

ОХ - ободок Halo: 101 - отсутствие, 102 - наличие,OX - rim of Halo: 101 - absence, 102 - presence,

КР - интенсивность кровотока в узле: 101 - высокий, 102 - средний, 103 - низкий, 104 – отсутствует;CR - the intensity of blood flow in the node: 101 - high, 102 - medium, 103 - low, 104 - absent;

ФУ - вид формы узла: 101 - неправильная, 102 - правильная.FU - type of node shape: 101 - incorrect, 102 - correct.

Решая данное уравнения для каждого пациента, получают соответствующее классификационное значение, которое при сопоставлении с аналитической шкалой позволяет прогнозировать злокачественность выявленных узловых образований щитовидной железы. Если прогностический коэффициент выше или равен 0,6721, то прогнозируют высокую вероятность злокачественности узла щитовидной железы. Напротив, если полученное значение меньше 0,6721, то прогнозируют высокую вероятность доброкачественности узла щитовидной железы. Соответственно это позволяет поставить наиболее достоверный диагноз и определить для пациента необходимую тактику лечения.Solving this equation for each patient, they receive the corresponding classification value, which, when compared with the analytical scale, allows us to predict the malignancy of the identified thyroid nodules. If the prognostic factor is higher or equal to 0.6721, then a high probability of malignancy of the thyroid gland node is predicted. On the contrary, if the obtained value is less than 0.6721, then a high probability of a benign thyroid gland node is predicted. Accordingly, this allows you to make the most reliable diagnosis and determine the necessary treatment tactics for the patient.

Предлагаемый способ наглядно иллюстрируется следующими примерами.The proposed method is clearly illustrated by the following examples.

Пример 1. Пациент М., 42 лет, обратился на ультразвуковую диагностику щитовидной железы по направлению от эндокринолога. При проведении исследования было выявлено узловое образование в левой доле щитовидной железы, при этом других новообразований выявлено не было. Далее при подробном исследовании узлового образования определили следующие показатели: эхоструктуры узла - гипоэхогенна; макрокальцинаты в узле - присутствуют; ободок Halo отсутствует; интенсивность кровотока в узле низкая; узел имеет неправильную форму. Выполнено решение уравнения регрессии:Example 1. Patient M., 42 years old, turned to an ultrasound diagnosis of the thyroid gland in the direction from the endocrinologist. During the study, a nodular formation was revealed in the left lobe of the thyroid gland, while no other neoplasms were detected. Further, with a detailed study of nodular formation, the following indicators were determined: echostructure of the node - hypoechoic; macrocalcinates in the node are present; Halo rim missing; the blood flow in the node is low; the node is irregular in shape. The solution of the regression equation is made:

ПКзущж=1192.0931-4.3094×101-4.0393×101-1.9071×101+0.4867×103--1.9915×102, гдеPKuzushzh = 1192.0931-4.3094 × 101-4.0393 × 101-1.9071 × 101 + 0.4867 × 103-1.9915 × 102, where

- 4.3094 – ЗнП3, - 4.0393 - ЗнП2, - 1.9071 - ЗнП3, 0.4867 - ЗнП4,- 4.3094 - ZnP3, - 4.0393 - ZnP2, - 1.9071 - ZnP3, 0.4867 - ZnP4,

-1.9915 -ЗнП5,-1.9915 -ZnP5,

1192.0931 - Кон, рассчитанные формулой логистической регрессии.1192.0931 - Kon calculated by the logistic regression formula.

В результате решения регрессионного уравнения, полученное значение при сопоставлении с одиночной аналитической шкалой прогностических значений оказалось выше точки отсечения 0,6721, и составило 4,7596. Это указывает на высокую вероятность злокачественности выявленного узлового образование щитовидной железы у данного пациента, что и было подтверждено клинически: через неделю пациента отправили на оперативное лечение по удалению щитовидной железы - железу удалили полностью согласно онкологическому принципу лечения такой патологии и выполнили гистологическое исследование - подтвердился железистый рак. Благодаря быстрому и точному определения характера выявленного узлового образования щитовидной железы, пациенту оказали необходимую и эффективную помощь в лечении онкологии.As a result of solving the regression equation, the obtained value, when compared with a single analytical scale of prognostic values, turned out to be higher than the cut-off point of 0.6721, and amounted to 4.7596. This indicates a high probability of malignancy of the detected nodular thyroid gland formation in this patient, which was clinically confirmed: a week later the patient was sent for surgical treatment to remove the thyroid gland - the gland was completely removed according to the oncological principle of treating such a pathology and histological examination was performed - glandular cancer was confirmed . Thanks to the quick and accurate determination of the nature of the detected thyroid nodular formation, the patient was provided with the necessary and effective assistance in the treatment of oncology.

Пример 2. Пациент П., 55 лет, обратился на ультразвуковую диагностику щитовидной железы по направлению от эндокринолога поликлиники. При проведении исследования было выявлено узловое образование в правой доле щитовидной железы, при этом других новообразований выявлено не было. Далее при подробном исследовании узлового образования определили следующие показатели: эхоструктуры узла - гиперэхогенна; макрокальцинаты в узле - отсутствовали; ободок Halo присутствовал; кровоток в узле отсутствовал; узел имеет правильную форму. Выполнено решение уравнения регрессии:Example 2. Patient P., 55 years old, turned to ultrasound diagnostics of the thyroid gland in the direction from the endocrinologist of the clinic. During the study, a nodular formation was identified in the right lobe of the thyroid gland, while no other neoplasms were detected. Further, with a detailed study of nodular formation, the following indicators were determined: echostructure of the node - hyperechoic; macrocalcinates in the node were absent; Halo bezel was present; blood flow in the node was absent; the node has the correct shape. The solution of the regression equation is made:

ПКзущж=1192.0931-4.3094×102-4.0393×102-1.9071×102+0.4867×101--1.9915×102, гдеPKuzushzh = 1192.0931-4.3094 × 102-4.0393 × 102-1.9071 × 102 + 0.4867 × 101-1.9915 × 102, where

- 4.3094 - ЗнП1, - 4.0393 - ЗнП2, - 1.9071 - ЗнП3, 0.4867 - ЗнП4,- 4.3094 - ZnP1, - 4.0393 - ZnP2, - 1.9071 - ZnP3, 0.4867 - ZnP4,

- 1.9915 - ЗнП5,- 1.9915 - ZnP5,

1192.0931 - Кон, рассчитанные формулой логистической регрессии.1192.0931 - Kon calculated by the logistic regression formula.

В результате решения регрессионного уравнения, полученное значение при сопоставлении с одиночной аналитической шкалой прогностических значений оказалось меньше точки отсечения 0,6721, и составило -7,9751. Это указывает на низкую вероятность злокачественности выявленного узлового образование щитовидной железы у данного пациента, что и было подтверждено клинически: через две недели пациент был прооперирован -локально удалили узел и выполнили его гистологическое исследование -доброкачественное образование аденома. В виду проведенной ультразвуковой диагностики выявленного узлового образования и установления правильного диагноза, пациент избежал возможной неоправданной радикальной тактики лечения и ему была оказана в органосберегающем объеме.As a result of solving the regression equation, the obtained value, when compared with a single analytical scale of prognostic values, turned out to be less than the cut-off point of 0.6721, and amounted to -7.9751. This indicates a low probability of malignancy of the revealed nodular thyroid gland formation in this patient, which was clinically confirmed: after two weeks the patient was operated on, the node was locally removed and his histological examination performed — benign adenoma formation. In view of the ultrasound diagnostics of the revealed nodular formation and the establishment of the correct diagnosis, the patient avoided possible unjustified radical treatment tactics and was provided with an organ-saving amount.

Предлагаемый способ применен в АУ «Республиканский клинический онкологический диспансер» Минздрава Чувашии.The proposed method is used in the Autonomous Republic "Clinical Oncology Dispensary" of the Ministry of Health of Chuvashia.

Claims (15)

Способ прогнозирования вероятности злокачественности узла щитовидной железы, включающий ультразвуковое исследование щитовидной железы, при котором определяют тип эхоструктуры узла (ЭУ), наличие или отсутствие макрокальцинатов в узле (МК), наличие или отсутствие ободка Halo узла (ОХ), интенсивность кровотока в узле (КР), вид формы узла (ФУ), отличающийся тем, что на основании полученных данных рассчитывают прогностический коэффициент злокачественности узлов щитовидной железы (ПКзущж) как классификационное значение уравнения регрессии по формуле:A method for predicting the probability of malignancy of the thyroid gland node, including an ultrasound examination of the thyroid gland, in which the type of echostructure of the node (EU), the presence or absence of macrocalcinates in the node (MK), the presence or absence of the rim of the Halo node (OH), the intensity of blood flow in the node (KR) are determined ), the form of the shape of the node (FU), characterized in that on the basis of the data obtained, the prognostic coefficient of malignancy of the thyroid gland nodes (PCs) is calculated as the classification value of the regression equation for f rmule: ПКзущж=Кон-ЭУ×ЗнП1-МК×ЗнП2-ОХ×ЗнП3+КР×ЗнП4-ФУ×ЗнП5, гдеPKuzushzh = Kon-EU × ZnP1-MK × ZnP2-OH × ZnP3 + KR × ZnP4-FU × ZnP5, where ЗнП1 - (- 4.3094);ZnP1 - (- 4.3094); ЗнП2 - (- 4.0393);ZnP2 - (- 4.0393); ЗнП3 - (- 1.9071);ZnP3 - (- 1.9071); ЗнП4 - 0.4867;ZnP4 - 0.4867; ЗнП5 - (- 1.9915);ZnP5 - (- 1.9915); Кон - 1192.0931;Cohn - 1192.0931; Кон - константа для данной совокупности;Kon is a constant for a given population; ЭУ - тип эхоструктуры узла: 101 - гипоэхогенна, 102 – гиперэхогенна;EU - type of echostructure of the node: 101 - hypoechoic, 102 - hyperechoic; МК - макрокальцинаты в узле: 101 - наличие, 102 – отсутствие;MK - macrocalcinates in the node: 101 - presence, 102 - absence; ОХ - ободок Halo: 101 - отсутствие, 102 – наличие;ОХ - rim of Halo: 101 - absence, 102 - presence; КР - интенсивность кровотока в узле: 101 - высокий, 102 - средний, 103 - низкий, 104 – отсутствует;CR - the intensity of blood flow in the node: 101 - high, 102 - medium, 103 - low, 104 - absent; ФУ - вид формы узла: 101 - неправильная, 102 – правильная,FU - type of node shape: 101 - wrong, 102 - correct, если ПКзущж оказывается выше или равен 0,6721, то прогнозируют высокую вероятность злокачественности узла щитовидной железы, если полученное значение ПКзущж меньше 0,6721, то прогнозируют высокую вероятность доброкачественности узла щитовидной железы, что позволяет выбрать для пациента наиболее подходящую тактику лечения.if the SCcush is higher than or equal to 0.6721, then a high probability of malignancy of the thyroid gland node is predicted, if the obtained value of SCcush is less than 0.6721, then the high probability of benign thyroid gland is predicted, which allows the patient to choose the most suitable treatment tactic.
RU2018147796A 2018-12-29 2018-12-29 Method for prediction of thyroid gland node malignancy probability RU2706948C1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2018147796A RU2706948C1 (en) 2018-12-29 2018-12-29 Method for prediction of thyroid gland node malignancy probability

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2018147796A RU2706948C1 (en) 2018-12-29 2018-12-29 Method for prediction of thyroid gland node malignancy probability

Publications (1)

Publication Number Publication Date
RU2706948C1 true RU2706948C1 (en) 2019-11-21

Family

ID=68652927

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2018147796A RU2706948C1 (en) 2018-12-29 2018-12-29 Method for prediction of thyroid gland node malignancy probability

Country Status (1)

Country Link
RU (1) RU2706948C1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2783304C1 (en) * 2021-12-13 2022-11-11 Федеральное государственное автономное образовательное учреждение высшего образования "Крымский федеральный университет имени В.И. Вернадского" (ФГАОУ ВО "КФ им. В.И. Вернадского") Method for preoperative differential diagnosis of benign and malignant nodular formations of the thyroid gland

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010045463A2 (en) * 2008-10-15 2010-04-22 Government Of The United States As Represented By The Secretary Of The Army Clinical decision model
RU2009103500A (en) * 2009-02-02 2010-08-10 ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ АМУРСКАЯ ГОСУДАРСТВЕННАЯ МЕДИЦИНСКАЯ АКАДЕМИЯ Рос METHOD FOR DIAGNOSTIC OF THYROID TUMORS WITH THE help of MATHEMATICAL MODELING
RU2614700C1 (en) * 2016-02-26 2017-03-28 государственное бюджетное образовательное учреждение высшего профессионального образования "Сибирский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ГБОУ ВПО СибГМУ Минздрава России) Method for preoperative differential diagnosis of benign and malignant thyroid tumours
RU2658465C1 (en) * 2017-05-05 2018-06-21 Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью Method for predicting the individual risk of developing endemic goiter in humans for different life periods

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010045463A2 (en) * 2008-10-15 2010-04-22 Government Of The United States As Represented By The Secretary Of The Army Clinical decision model
RU2009103500A (en) * 2009-02-02 2010-08-10 ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ АМУРСКАЯ ГОСУДАРСТВЕННАЯ МЕДИЦИНСКАЯ АКАДЕМИЯ Рос METHOD FOR DIAGNOSTIC OF THYROID TUMORS WITH THE help of MATHEMATICAL MODELING
RU2614700C1 (en) * 2016-02-26 2017-03-28 государственное бюджетное образовательное учреждение высшего профессионального образования "Сибирский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ГБОУ ВПО СибГМУ Минздрава России) Method for preoperative differential diagnosis of benign and malignant thyroid tumours
RU2658465C1 (en) * 2017-05-05 2018-06-21 Федеральное бюджетное учреждение науки "Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения" Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека (ФБУН "ФНЦ медико-профилактических технологий управления рисками здоровью Method for predicting the individual risk of developing endemic goiter in humans for different life periods

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KOIKE E. et al. Ultrasonographic Characteristics *
ТИМОФЕЕВА Л. А. и др. Сравнение диагностической ценности лучевых методов визуализации при узловых образованиях щитовидной железы. Медицинский альманах. 2012, номер 4(23), стр. 120-123. *
ТИМОФЕЕВА Л. А. и др. Сравнение диагностической ценности лучевых методов визуализации при узловых образованиях щитовидной железы. Медицинский альманах. 2012, номер 4(23), стр. 120-123. KOIKE E. et al. Ultrasonographic Characteristics of Thyroid NodulesPrediction of Malignancy. Arch Surg. 2001, 136(3), pp. 334-337. *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2783304C1 (en) * 2021-12-13 2022-11-11 Федеральное государственное автономное образовательное учреждение высшего образования "Крымский федеральный университет имени В.И. Вернадского" (ФГАОУ ВО "КФ им. В.И. Вернадского") Method for preoperative differential diagnosis of benign and malignant nodular formations of the thyroid gland

Similar Documents

Publication Publication Date Title
Wasilewski et al. COVID-19 severity scoring systems in radiological imaging–a review
Cui et al. Radiomics analysis of multiparametric MRI for prediction of pathological complete response to neoadjuvant chemoradiotherapy in locally advanced rectal cancer
Cespedes Feliciano et al. Evaluation of automated computed tomography segmentation to assess body composition and mortality associations in cancer patients
Shang et al. Comparison of RECIST, EORTC criteria and PERCIST for evaluation of early response to chemotherapy in patients with non-small-cell lung cancer
Castera Hepatitis B: are non‐invasive markers of liver fibrosis reliable?
Singal et al. Detection of hepatocellular carcinoma at advanced stages among patients in the HALT-C trial: where did surveillance fail?
Sharma et al. The usefulness of transient elastography by FibroScan for the evaluation of liver fibrosis
Huang et al. Artificial intelligence aids cardiac image quality assessment for improving precision in strain measurements
Iriondo et al. Lumbar intervertebral disc characterization through quantitative MRI analysis: An automatic voxel‐based relaxometry approach
Motoyama et al. Liver failure after hepatocellular carcinoma surgery
Marciniak et al. Septal curvature as a robust and reproducible marker for basal septal hypertrophy
Harmon et al. Artificial intelligence for the detection and treatment of atrial fibrillation
Cano-Palomares et al. Response to initial therapy of differentiated thyroid cancer predicts the long-term outcome better than classical risk stratification systems
RU2706948C1 (en) Method for prediction of thyroid gland node malignancy probability
Kocher et al. Tumor burden of lung metastases at initial staging in breast cancer patients detected by artificial intelligence as a prognostic tool for precision medicine
RU2697971C1 (en) Method for early diagnosis of lung cancer
Kwan et al. Deep learning-derived myocardial strain
IL262027A (en) System and methods for diagnostic image analysis and image quality assessment
JP2018512208A (en) Computerized optical analysis method of MR (magnetic resonance) images for quantifying or determining liver lesions
US20200170503A1 (en) Method for estimating shape parameters of the fovea by optical coherence tomography
Chang et al. Cardiac mechanics and ventricular twist by three-dimensional strain analysis in relation to B-type natriuretic peptide as a clinical prognosticator for heart failure patients
Elseid et al. Glaucoma detection using retinal nerve fiber layer texture features
Byrne et al. Validation of skeletal muscle and adipose tissue measurements using a fully automated body composition analysis neural network versus a semi-automatic reference program with human correction in patients with lung cancer
Kallarakkal et al. A validated predictive model for risk of nodal metastasis in node negative oral squamous cell carcinoma of the buccal mucosa and tongue
Morais et al. Fully automatic left ventricular myocardial strain estimation in 2D short-axis tagged magnetic resonance imaging