Abbonarsi

Predicting nodal metastases in papillary thyroid carcinoma using artificial intelligence - 29/11/21

Doi : 10.1016/j.amjsurg.2021.05.002 
Antoinette R. Esce a, ⁎ , Jordan P. Redemann b, Andrew C. Sanchez b, Garth T. Olson a, Joshua A. Hanson b, Shweta Agarwal b, Nathan H. Boyd a, David R. Martin b
a Department of Surgery, Division of Otolaryngology Head and Neck Surgery, MSC10 5610, University of New Mexico, Albuquerque, NM, 87131, USA 
b Department of Pathology, MSC08 4640, University of New Mexico, Albuquerque, NM, 87131, USA 

∗Corresponding author.

Abstract

Background

The presence of nodal metastases is important in the treatment of papillary thyroid carcinoma (PTC). We present our experience using a convolutional neural network (CNN) to predict the presence of nodal metastases in a series of PTC patients using visual histopathology from the primary tumor alone.

Methods

174 cases of PTC were evaluated for the presence or absence of lymph metastases. The artificial intelligence (AI) algorithm was trained and tested on its ability to discern between the two groups.

Results

The best performing AI algorithm demonstrated a sensitivity and specificity of 94% and 100%, respectively, when identifying nodal metastases.

Conclusion

A CNN can be used to accurately predict the likelihood of nodal metastases in PTC using visual data from the primary tumor alone.

Il testo completo di questo articolo è disponibile in PDF.

Highlights

•
Nodal metastases are an important prognostic factor in papillary thyroid carcinoma.
•
Lymph nodes are not always removed during thyroidectomy.
•
Convolutional neural networks can been used to analyze visual medical data.
•
An algorithm can accurately predict nodal metastases from primary tumor data alone.

Il testo completo di questo articolo è disponibile in PDF.

Keywords : Papillary thyroid carcinoma, Artificial intelligence, Histopathology


Mappa


© 2021  Elsevier Inc. Tutti i diritti riservati.
Aggiungere alla mia biblioteca Togliere dalla mia biblioteca Stampare
Esportazione

    Citazioni Export

  • File

  • Contenuto

Vol 222 - N° 5

P. 952-958 - novembre 2021 Ritorno al numero
Articolo precedente Articolo precedente
  • Comparing intraoperative parathyroid identification based on surgeon experience versus near infrared autofluorescence detection – A surgeon-blinded multi-centric study
  • Giju Thomas, Carmen C. Solórzano, Naira Baregamian, Emmanuel A. Mannoh, Rekha Gautam, Rebecca T. Irlmeier, Fei Ye, Jon A. Nelson, Samuel E. Long, Paul G. Gauger, Alexa Magner, Tyler Metcalf, Lawrence A. Shirley, John E. Phay, Anita Mahadevan-Jansen
| Articolo seguente Articolo seguente
  • Effect of preoperative potassium iodide administration on Graves’ disease surgery: a propensity score analysis
  • Alberto G Barranquero, José Luis Muñoz de Nova, Joaquín Gómez-Ramírez, Álvaro Valdés de Anca, Belén Porrero, Lara Blanco Terés, Sara Corral, Elena Martín-Pérez

Benvenuto su EM|consulte, il riferimento dei professionisti della salute.
L'accesso al testo integrale di questo articolo richiede un abbonamento.

Già abbonato a @@106933@@ rivista ?

@@150455@@ Voir plus

Il mio account


Dichiarazione CNIL

EM-CONSULTE.COM è registrato presso la CNIL, dichiarazione n. 1286925.

Ai sensi della legge n. 78-17 del 6 gennaio 1978 sull'informatica, sui file e sulle libertà, Lei puo' esercitare i diritti di opposizione (art.26 della legge), di accesso (art.34 a 38 Legge), e di rettifica (art.36 della legge) per i dati che La riguardano. Lei puo' cosi chiedere che siano rettificati, compeltati, chiariti, aggiornati o cancellati i suoi dati personali inesati, incompleti, equivoci, obsoleti o la cui raccolta o di uso o di conservazione sono vietati.
Le informazioni relative ai visitatori del nostro sito, compresa la loro identità, sono confidenziali.
Il responsabile del sito si impegna sull'onore a rispettare le condizioni legali di confidenzialità applicabili in Francia e a non divulgare tali informazioni a terzi.


Tutto il contenuto di questo sito: Copyright © 2026 Elsevier, i suoi licenziatari e contributori. Tutti i diritti sono riservati. Inclusi diritti per estrazione di testo e di dati, addestramento dell’intelligenza artificiale, e tecnologie simili. Per tutto il contenuto ‘open access’ sono applicati i termini della licenza Creative Commons.