論文の概要: Artificial Intelligence-Enabled Analysis of Radiology Reports: Epidemiology and Consequences of Incidental Thyroid Findings

• arxiv url: http://arxiv.org/abs/2510.26032v1
• Date: Thu, 30 Oct 2025 00:15:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.609464
• Title: Artificial Intelligence-Enabled Analysis of Radiology Reports: Epidemiology and Consequences of Incidental Thyroid Findings
• Title（参考訳）: 放射線医学報告の人工知能による分析 : 偶発性甲状腺所見の疫学と関連性
• Authors: Felipe Larios, Mariana Borras-Osorio, Yuqi Wu, Ana Gabriela Claros, David Toro-Tobon, Esteban Cabezas, Ricardo Loor-Torres, Maria Mateo Chavez, Kerly Guevara Maldonado, Luis Vilatuna Andrango, Maria Lizarazo Jimenez, Ivan Mateo Alzamora, Misk Al Zahidy, Marcelo Montero, Ana Cristina Proano, Cristian Soto Jacome, Jungwei W. Fan, Oscar J. Ponce-Ponte, Megan E. Branda, Naykky Singh Ospina, Juan P. Brito,
• Abstract要約: 非甲状腺所見に対する画像検査では, 偶発性甲状腺所見(ITFs)がますます検出される。 Aimは、放射線学レポートでIFFを特定するために自然言語処理パイプラインを開発し、検証し、デプロイすることを目的としている。 マヨクリニックにて甲状腺撮影を施行した甲状腺疾患のない成人の回顧的コホート
• 参考スコア（独自算出の注目度）: 1.6872046521957624
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Importance Incidental thyroid findings (ITFs) are increasingly detected on imaging performed for non-thyroid indications. Their prevalence, features, and clinical consequences remain undefined. Objective To develop, validate, and deploy a natural language processing (NLP) pipeline to identify ITFs in radiology reports and assess their prevalence, features, and clinical outcomes. Design, Setting, and Participants Retrospective cohort of adults without prior thyroid disease undergoing thyroid-capturing imaging at Mayo Clinic sites from July 1, 2017, to September 30, 2023. A transformer-based NLP pipeline identified ITFs and extracted nodule characteristics from image reports from multiple modalities and body regions. Main Outcomes and Measures Prevalence of ITFs, downstream thyroid ultrasound, biopsy, thyroidectomy, and thyroid cancer diagnosis. Logistic regression identified demographic and imaging-related factors. Results Among 115,683 patients (mean age, 56.8 [SD 17.2] years; 52.9% women), 9,077 (7.8%) had an ITF, of which 92.9% were nodules. ITFs were more likely in women, older adults, those with higher BMI, and when imaging was ordered by oncology or internal medicine. Compared with chest CT, ITFs were more likely via neck CT, PET, and nuclear medicine scans. Nodule characteristics were poorly documented, with size reported in 44% and other features in fewer than 15% (e.g. calcifications). Compared with patients without ITFs, those with ITFs had higher odds of thyroid nodule diagnosis, biopsy, thyroidectomy and thyroid cancer diagnosis. Most cancers were papillary, and larger when detected after ITFs vs no ITF. Conclusions ITFs were common and strongly associated with cascades leading to the detection of small, low-risk cancers. These findings underscore the role of ITFs in thyroid cancer overdiagnosis and the need for standardized reporting and more selective follow-up.
• Abstract（参考訳）: 非甲状腺症状に対する画像診断において, 重要甲状腺検査 (ITFs) の発見がますます進んでいる。 彼らの有病率、特徴、臨床効果は未定のままである。 目的 自然言語処理(NLP)パイプラインを開発、検証、展開し、放射線医学報告におけるIFFを特定し、その頻度、特徴、臨床結果を評価すること。 2017年7月1日から2023年9月30日まで、マヨクリニックの甲状腺撮影施設で甲状腺疾患を発症した成人の甲状腺機能障害に対するデザイン、設定、参加者の振り返りコホートを行った。 トランスをベースとしたNLPパイプラインは、複数のモードと体領域からのイメージレポートからIFFを同定し、結節特性を抽出した。 ITFs, 下流甲状腺超音波, 生検, 甲状腺切除, 甲状腺癌診断の予後と対策 ロジスティック回帰は人口動態と画像関連因子を同定した。 115,683人(平均年齢56.8歳,SD 17.2歳,女性52.9%)のうち,9,077人(7.8%)がIFFで,92.9%がノジュールであった。 ITFは、女性、高齢者、BMIが高い者、画像診断は腫瘍学または内科で指示された場合の方が多かった。 胸部CTと比較すると, 頸部CT, PET, 核医学検査によりIFFが検出された。 結節特性は文書化が不十分で, サイズは44%, その他の特徴は15%以下であった(例えば石灰化)。 ITF患者と比較すると, 甲状腺結節診断, 生検, 甲状腺切除, 甲状腺癌診断の可能性が高かった。 ほとんどのがんは乳頭状であり、IFFとIFFを併用しなかった後に検出された。 結語 ITF は一般的で,カスケードと強く関連していたため,小・低リスク癌が検出された。 これらの所見は甲状腺癌の過剰診断におけるIFFの役割と、標準化された報告とより選択的フォローアップの必要性を浮き彫りにした。

関連論文リスト

• Scaling Artificial Intelligence for Multi-Tumor Early Detection with More Reports, Fewer Masks [59.37427210144734]
  医療報告における記述に一致する腫瘍をセグメント化するためにAIを訓練するR-Superを紹介する。 101,654のレポートでトレーニングされたAIモデルは、723のマスクでトレーニングされたモデルに匹敵するパフォーマンスを達成した。 R-Superは脾・胆嚢・前立腺・膀胱・子宮・食道の腫瘍の分画を可能にした。
  論文  参考訳（メタデータ） (2025-10-16T15:35:44Z)
• Imaging-Based Mortality Prediction in Patients with Systemic Sclerosis [50.46938276133494]
  全身性硬化症(SSc)における間質性肺疾患(ILD)の死因 本研究は,放射能と深層学習を利用して死亡率を予測する,新しい大規模胸部CT解析フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-27T23:46:57Z)
• Accurate Thyroid Cancer Classification using a Novel Binary Pattern Driven Local Discrete Cosine Transform Descriptor [3.663197678470621]
  我々は特徴抽出に重点を置いた甲状腺癌分類のための新しいCADシステムの開発を行った。 われわれは新しい記述子をバイナリパターン駆動型局所離散コサイン変換(BPD-LDCT)と呼ぶ。
  論文  参考訳（メタデータ） (2025-09-19T19:54:04Z)
• Interpretable Data Mining of Follicular Thyroid Cancer Ultrasound Features Using Enhanced Association Rules [11.458809910127627]
  今回我々は,新しいデータマイニングツールを用いて甲状腺乳頭癌の臨床データを解析した。 橋本病の甲状腺炎も強い悪性関連がある可能性がある。
  論文  参考訳（メタデータ） (2025-09-09T03:02:45Z)
• Liver Tumor Screening and Diagnosis in CT with Pixel-Lesion-Patient Network [37.931408083443074]
  Pixel-Lesion-pAtient Network (PLAN) は, アンカークエリの改善と前景のサンプリング損失による各病変の分割と分類を行う。 PLANは95%と96%の患者レベルの感度と特異性を達成している。 造影CTでは, 病変レベルの検出精度, リコール, 分類精度は92%, 89%, 86%であり, CNNやトランスフォーマーよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-17T06:21:45Z)
• Extracting Thyroid Nodules Characteristics from Ultrasound Reports Using Transformer-based Natural Language Processing Methods [22.35979441935564]
  甲状腺結節の特徴は超音波検査などの臨床報告でしばしば記録される。 本研究は, 超音波検査から甲状腺結節の特徴を抽出するために, トランスフォーマーを用いたNLPモデルを系統的に分類し, 適用した最初の研究である。
  論文  参考訳（メタデータ） (2023-03-31T20:23:58Z)
• Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
  不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。 また、TNCD: Thyroid Nodule Classification データセットも提供します。
  論文  参考訳（メタデータ） (2022-07-02T11:50:02Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)
• Machine-Learning-Based Multiple Abnormality Prediction with Large-Scale Chest Computed Tomography Volumes [64.21642241351857]
  19,993症例から36,316巻の胸部CTデータセットを収集,解析した。 自由テキストラジオグラフィーレポートから異常ラベルを自動的に抽出するルールベース手法を開発した。 胸部CTボリュームの多臓器・多臓器分類モデルも開発した。
  論文  参考訳（メタデータ） (2020-02-12T00:59:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。