Skjoldbruskkjertelen er en hormonproduserende kjertel som ligger fortil på halsen, nedenfor strupehodet. Sykdommer i skjoldbruskkjertelen kan deles i to hovedgrupper: de som innebærer en endring i hormonproduksjonen og hormonsekresjonen (hypertyreose og hypotyreose), og de som påvirker kjertelens form og størrelse (struma, skjoldbruskkjertelkreft) [1]
Ved medisinsk ultralydundersøkelse (US) viser skjoldbruskkjertelkreft seg som uregelmessig vev, nemlig knuter. Det finnes imidlertid forskjellige typer knuter som ser like ut, men som har annerledes opphav enn ondartet kreft. Det er derfor avgjørende å klassifisere disse knutene riktig for å velge en riktig behandling.
Når nodulens utseende i US-bilder ikke er åpenbart eller klardefinerte, er det vanligvis nødvendig å ta en ultralydveiledet finnålsbiopsi med cytologisk evaluering (FNC) for å diagnostisere knuten. En studie gjennomført av UNN-radiologer [2] konkluderer at en ekspert kan skille benigne versus ondartede knuter bare med US-bilder uten FNC, og til og med skille mellom flere histopatologier i skjoldbruskknuter. Fordi det finnes nok relevante visuell informasjon i US-bilder, er det potensial for en reduksjon i antall invasive og tidkrevende FNC-biopsier og diagnostiske operasjoner.
Kunstig intelligens gir verktøy som kan hjelpe oss til å klassifisere knuter korrekt og estimere sannsynligheten for ondartet kreft. Derfor starter SPKI opp dette prosjektet i samarbeid med UNN, Helse Nord IKT og Visual Intelligence (UiT) for å utvikle et ultralydbeslutningsstøttesystem til pasienter i Helse Nord.
