Utiliser l’Intelligence Artificielle (IA) pour :

– aider à la classification TIRADS,

– déterminer quels nodules doivent bénéficier de cytoponction, en s’affranchissant de classification.

Étude prospective multicentrique, multi-constructeur, de février à juin 2021 :

– inclusion de patients bénéficiant d’une échographie thyroïdienne avec ou sans Ponction à l’Aiguille Fine (PAF),

– acquisitions d’images échographiques standardisées,

– classement EU-TIRADS du nodule par deux experts,

– diagnostic cytologique, Bethesda 2018.

L’IA, via un réseau neuronal convolutif profond multitache, devrait permettre de :

– classer les examens en EU-TIRADS-2-3-4-5,

– identifier les nodules pour lesquels un « geste » (nouvelle PAF, biopsie ou chirurgie) n’est pas indiqué.

L’étude étant en cours, des résultats préliminaires seront proposés. Goitres multinodulaires, kystes purs évacués, cas pédiatriques, cas avec métastases ganglionnaires ou fixant au TEP-FDG sont exclus.

L’analyse statistique consistera en l’évaluation de la spécificité et de la sensibilité du modèle automatique pour le classement TIRADS et la détermination de bénignité du nodule versus la vérité de terrain représentée respectivement par :

– le TIRADS des experts,

– la cytologie (Bethesda 2).

Ce travail confirmant de précédentes études permettra de montrer l’intérêt de l’IA, (le deep learning) pour :

– aider à la classification échographique TIRADS,

– qualifier les nodules ne nécessitant pas de PAF,

et ainsi pallier à la faible spécificité, la variabilité inter- et intra-observateur, le manque d’experts et l’absence d’universalité des classifications TIRADS, facteurs limitants majeurs dans la prise en charge des nodules thyroïdiens.