Тепловизионный скрининг щитовидной железы: как нам отличить норму от патологии

Цель. Определить информативность термоградиента (Т_град) — разницы между максимальной и минимальной температурой в проекции щитовидной железы (ЩЖ) на термограмме — как маркера состояния (норма / отклонение от нормы) ЩЖ, определить значение этого показателя как критерия дифференцировки нормы и патологии и протестировать его эффективность в ходе скрининг-диагностики.

Материалы и методы. Тепловизионное обследование проводили на тепловизоре «ТВС-300 мед» («СИЛАР» г. Санкт-Петербург), с матрицей разрешением 384×288 пикселей, температурной чувствительностью лучше 0,04 °C в стандартных условиях в соответствии с Протоколом ТПВ обследований European Association of Thermology (EAT) в помещении с температурой 21–23 °C, в отсутствие потоков теплого и холодного воздуха, после адаптации с открытой кожей в области передней поверхности шеи в течение 10 мин. Исследуемый запрокидывал голову, расстояние съемки выбирали так, чтобы в кадр попадали одновременно и подбородок и верхняя треть тела грудины. Термограммы заносили в «облачную» базу данных программного комплекса «TVision»¹ (ООО «Дигносис», г. Москва), где они в автоматическом режиме обрабатывались, для каждого наблюдения производилась разметка изображения и инструментами анализа рассчитывался термоградиент (Т_град) — разница между максимальной и минимальной температурой, зафиксированной на изученной зоне шеи в проекции щитовидной железы. Всего было обследовано 1420 пациентов: 1025 наблюдений с подтвержденными патологическими изменениями в ЩЖ (группа 1) и 395 здоровых (группа 2). Группу 1 составили 944 женщины в возрасте от 15 до 90 лет (55,4±15,8) и 81 мужчина в возрасте от 14 до 86 лет (53,6±18,8), в группу 2 были включены 395 здоровых обследуемых: 324 мужчины в возрасте от 17 до 26 лет (21,8±4,4) и71 женщина в возрасте от 16 до 70 лет (34,6±12,7). Статистическая обработка данных проводилась с использованием пакетов прикладных программ IBM SPSS Statistic и STATISTICA (StatSoft, USA). Определение связи количественных данных с бинарным исходом (значение Т_град / наличие заболевания ЩЖ) проводили методом логистической регрессии. Для проверки полученной модели использовали ROC-анализ.

Результаты. В группе 1 («больные») среднее значение Т_град составило 1,65±0,53 °С, медиана Ме 1,53(1,24; 1,90). В группе 2 («здоровые») — 0,98±0,23 °С, медиана 1,01(0,82; 1,15), то есть значение Т_град у обследованных с патологией оказалось статистически значимо большим, чем у здоровых. Методом логистической регрессии была выявлена направленная связь между значением Т_град и наличием / отсутствием патологии ЩЖ. Была получена корректная математическая модель: уровень значимости для модели в целом р<0,0001 — очень высокий, χ² =838,84, df=1. Отношение несогласия = 23,9, значение свободного члена Const β = 9,984, углового коэффициента β = — 9,033. Точность прогноза для модели в целом (площадь под кривой) составила 0,922 (95 % ДИ 0,908; 0,935), р<0,001; уровень Т_град 1,21 °С явился оптимальным порогом отсечения с максимальными значениями чувствительности (Se) 79,8 % и специфичности (Sp) 83,3 %. Тестирование эффективности построенной модели проводили на независимой выборке численностью 314 человек в возрасте от 14 до 87 лет; средний возраст составил 44,4±17,5 лет, Ме 44,0 (31,0; 58,0); в тестовую группу были включены 18 мужчин и 296 женщин. В соответствии с точкой отсечения Т_град = 1,2 °C тестированием было правильно классифицировано (суммарно истинно-положительные и истинно-отрицательные результаты) 82,2 % наблюдений (258 из 314).

Заключение. Значения термоградиента существенно отличаются у пациентов с патологией ЩЖ и у здоровых обследованных. Построенная на определении Т_град модель проявляет свойства теста-диагноста и теста-классификатора, технология исследования проста в применении, не требует большого практического опыта от исследователя и особых условий проведения и может быть полезна, наряду с общепринятыми методами, для диагностики состояния щитовидной железы.

¹Зарегистрирован в Роспатенте, свидетельство № 2018616903 от 08 июня 2018 года.

1. Haugen B. R., Alexander E. K., Bible E. K. et al. 2015 American Thyroid Association Management Guidelines for Adult Patients with Thyroid Nodules and Differentiated Thyroid Cancer // Thyroid. 2016 Jan;26(1):1–133. DOI:10.1089/thy.2015.0020.

2. Состояние онкологической помощи населению России в 2017 году. Под ред. А. Д. Каприна, В. В. Старинского, Г. В. Петровой М.: МНИОИ им. П. А. Герцена — филиал ФГБУ «НМИЦ радиологии» Минздрава России, 2018. 236 с. ISBN 978–5–85502–237–7.

3. Воловик М. Г., Долгов И. М. Современные возможности и перспективы развития медицинского тепловидения // Медицинский алфавит. Современная функциональная диагностика. 2018. 25(3):45–51.

4. Зеновко Г. И. Результаты термографического обследования и хирургического лечения заболеваний щитовидной железы // Вестник хирургии. 1988. № 3. С. 74–76.

5. Камардин Л. Н., Кузьмичев С. Термография в дифференциальной диагностике узлового зоба и рака щитовидной железы // Вестник хирургии имени И. И. Грекова 1983. № 5. С. 70–74.

6. Орловская С. С. Термографические, эхотермографические и цитологические аспекты гипертиреоза. Автореф. дис… канд. мед. наук. ВСНЦ СО РАМН. М., 1995. 25 с.

7. Филатов А. А., Святов А. В. Ультразвуковое и термографическое исследование щитовидной железы // Медицинская радиология. 1988. № 3. С. 78–82.

8. Шацова Е. Н., Попов В. А. Возможности ИК-термографии в диагностике тиреоидной патологии // Проблемы эндокринологии 1989. Т. 35, С. 34–37.

9. Медицинское тепловидение. Учебное пособие (Ачкасов Е. Е., Воловик М. Г., Долгов И. М., Колесов С. Н.). М.: ИНФРА-М, 2019. 218 с., илл. www.dx.doi.org/10.12737/textbook_5ce64de5707d59.18786697

10. D’Arbo Alves M. L., Andrade J., Cherri J. et al. Papel da termografia na sele¸c˜ao de n´odulos tireoidianos de indicac¸˜ao ciru´rgica // Arquivo Brasileiro de Endocrinologia e Metabolismo 1988; Vol. 32, Is. 4.

11. Патент RU 2077258 (13) С1 «Способ диагностики гипофункции щитовидной железы». Попов В. А., Шацова Е. Н., Романова Т. Б., 1993.

12. Патент RU 2106109 (13) С1 «Способ диагностики гиперфункции щитовидной железы». Попов В. А., Шацова Е. Н., Романова Т. Б., Попова Н. С., 1994.

13. Ashok L., Sivanandam S. Diagnosis of thyroid disorder using infrared thermography // International Journal of Pure and Applied Mathematics 2018, 119(7): 1085–1092. DOI:10.1109/ICECA.2017.8203718

14. De Souza M. A., Bueno A. P., Magas V. Imaging Fusion between Anatomical and Infrared Thermography of the Thyroid Gland // Conference: 2019 Global Medical Engineering Physics Exchanges / Pan American Health Care Exchanges (GMEPE/PAHCE). March 2019. DOI:10.1109/GMEPE-PAHCE.2019.8717347

15. Vaz V. A.S. Diagnosis of Hypo and Hyperthyroid Using MLPN Network // International Journal of Innovative Research in Science, Engineering and Technology July 2014. 3 (7): 14314–14323.

16. Gavriloaia G., Ghemigian A. M., Gavriloaia M. R. Infrared signature analysis of the thyroid tumors // European Conferences on Biomedical Optics. International Society for Optics and Photonics, Volume 7371, 2009. DOI:http://hdl.handle.net/10.1117/12.831756

17. Gonzalez J. R., Rodrigues E. O., Damiao C. P. et al. An Approach for Thyroid Nodule Analysis Using Thermographic Images // Application of Infrared to Biomedical Sciences, Springer Singapore, pp. 451–475, 2017. DOI:10.1007/978–981–10–3147–2_26

18. Ammer K., Ring E. F.J. Standard procedures in Medical Infrared Imaging. In book: Medical Infrared Imaging. Principles and Practice, Chapter: 32, Publisher: CRC Press, Taylor & Francis Group, 2012. Editors: Mary Diakides, Joseph D Bronzino, Donald R Peterson, pp.32.1–32.14.

19. Gros C., Bourjat P., Soutter J. [Thermographic exploration of the thyroid body] // J Radiol Electrol Med Nucl. 1968 Nov;49(11):791–797. PMID: 5759883 [in French].

20. Rudolph H., Vaubel W. E. [Infrared thermometry in thyroid diseases] // Munch Med Wochenschr. 1968 Jan 26;110(4):198–202. PMID: 5695029 [in German].

21. Gopinath M. P., Prabu S., Classification of thyroid abnormalities on thermal image: a study and approach // IIOABJ, May 2016. Special issue (SCMDSA). Vol. 7, 5, 41–57.

22. Cetinkaya E. A., Koc K., Atilgan S. et al. Digital Infrared Thermal Imaging Analysis of Thyroid Nodules // Current Medical Imaging Reviews, 2018, Volume 14, Issue 5. DOI:10.2174/1573405613666170712143944.

23. Rossato M., Burei M., Vettor R. Neck thermography in the differentiation between diffuse toxic goiter during methimazole treatment and normal thyroid // Endocrine Imaging 2015; Vol. 28, pp. 1016–1017. DOI:10.1007/s12020–014–0305-z.