PURPOSE As ~25% of cytologically indeterminate thyroid nodules harbour malignancy, diagnostic lobectomy is still performed in many cases. 18FDG PET/CT rules out malignancy in visually negative nodules; however, none of the currently available interpretation criteria differentiates malignant from benign 18FDG-avid nodules. We evaluated the ability of PET metrics and radiomics features (RFs) to predict final diagnosis of 18FDG-avid cytologically indeterminate thyroid nodules. METHODS Seventy-eight patients were retrospectively included. After volumetric segmentation of each thyroid lesion, 4 PET metrics and 107 RFs were extracted. A logistic regression was performed including thyroid stimulating hormone, PET metrics, and RFs to assess their predictive performance. A linear combination of the resulting parameters generated a radiomics score (RS) that was matched with cytology classes (Bethesda III and IV) and compared with final diagnosis. RESULTS Two RFs (shape_Sphericity and glcm_Autocorrelation) differentiated malignant from benign lesions. A predictive model integrating RS and cytology classes effectively stratified the risk of malignancy. The prevalence of thyroid cancer increased from 5 to 37% and 79% in accordance with the number (score 0, 1 or 2, respectively) of positive biomarkers. CONCLUSIONS Our multiparametric model may be useful for reducing the number of diagnostic lobectomies with advantages in terms of costs and quality of life for patients.

中文翻译：

---

放射组学分析改进了基于 18FDG PET/CT 的细胞学不确定甲状腺结节的风险分层。

目的 由于约 25% 的细胞学不确定的甲状腺结节存在恶性肿瘤，因此在许多情况下仍需进行诊断性肺叶切除术。18FDG PET/CT 排除视觉阴性结节的恶性；然而，目前可用的解释标准都没有区分恶性和良性 18FDG-avid 结节。我们评估了 PET 指标和放射组学特征 (RF) 预测 18FDG-avid 细胞学不确定甲状腺结节最终诊断的能力。方法回顾性纳入78例患者。在对每个甲状腺病变进行体积分割后，提取了 4 个 PET 指标和 107 个 RF。进行逻辑回归，包括促甲状腺激素、PET 指标和 RF，以评估其预测性能。结果参数的线性组合产生了与细胞学分类（Bethesda III 和 IV）相匹配的放射组学评分 (RS)，并与最终诊断进行了比较。结果 两个 RF（shape_Sphericity 和 glcm_Autocorrelation）将恶性病变与良性病变区分开来。一个整合了 RS 和细胞学分类的预测模型有效地对恶性肿瘤的风险进行了分层。根据阳性生物标志物的数量（分别为 0、1 或 2 分），甲状腺癌的患病率从 5% 增加到 37% 和 79%。结论 我们的多参数模型可能有助于减少诊断性肺叶切除术的数量，在成本和患者生活质量方面具有优势。结果 两个 RF（shape_Sphericity 和 glcm_Autocorrelation）将恶性病变与良性病变区分开来。一个整合了 RS 和细胞学分类的预测模型有效地对恶性肿瘤的风险进行了分层。根据阳性生物标志物的数量（分别为 0、1 或 2 分），甲状腺癌的患病率从 5% 增加到 37% 和 79%。结论 我们的多参数模型可能有助于减少诊断性肺叶切除术的数量，在成本和患者生活质量方面具有优势。结果 两个 RF（shape_Sphericity 和 glcm_Autocorrelation）将恶性病变与良性病变区分开来。一个整合了 RS 和细胞学分类的预测模型有效地对恶性肿瘤的风险进行了分层。根据阳性生物标志物的数量（分别为 0、1 或 2 分），甲状腺癌的患病率从 5% 增加到 37% 和 79%。结论 我们的多参数模型可能有助于减少诊断性肺叶切除术的数量，在成本和患者生活质量方面具有优势。