超声是甲状腺结节的首选影像学检查方法,约有65%的无症状成人可通过超声检查发现甲状腺结节,但其中大多是无需处理的良性结节,目前普遍存在着甲状腺结节的过度干预和治疗问题
[1-2]。因此准确评估甲状腺结节的恶性风险,降低结节的非必要穿刺活检或手术率尤为重要。2017年美国放射学会(American College of Radiology,ACR)发布的甲状腺影像报告和数据系统(thyroid imaging reporting and data system,TI-RADS)指南细化了甲状腺结节的声像图特征,可提高超声医师对甲状腺结节风险分层的准确性并降低不必要的活检
[3-4]。低年资超声医师对甲状腺检查经验不足,同时对该指南掌握程度存在较大的主观性和差异,因而难以准确评估甲状腺结节的恶性风险,增加了非必要穿刺活检或手术。如何高效、全面地提高科室低年资超声医师的甲状腺超声诊断水平,提升医疗服务质量,成为当前急需解决的问题。
目前,人工智能(artificial intelligence,AI)超声已应用于甲状腺结节的超声诊断,辅助医师判断甲状腺结节的良恶性,AI超声可弥补低年资医师经验不足的问题
[5-6]。本团队前期研发了基于TI-RADS超声特征的AI超声辅助诊断系统(简称AI
MTIRADS),可对结节进行风险分层,其对甲状腺结节良恶性风险评估的能力接近高年资医师
[7]。同时,品质管理圈(以下简称品管圈)作为一种管理工具和质量改进方法,也在医疗领域中得到了广泛的应用
[8,9,10]。品管圈是通过组织工作人员定期会议,运用多种科学统计工具和品质管理方式,共同分析和解决工作中的问题,实现目标改进。本研究创新性地将AI超声与品管圈管理相结合,探究其在全面提高低年资医师对甲状腺结节风险评估能力、改善医疗服务质量中的作用。