Диагностические возможности системы стратификации риска злокачественности при ультразвуковом исследовании очаговых образований щитовидной железы

   Актуальность. Высокая распространенность узловых образований щитовидной железы (до 68 % при высокоразрешающем УЗИ) при низкой частоте злокачественности (5–6,5 %) создает риск овердиагностики и необоснованных инвазивных вмешательств. Системы стратификации риска, такие как TI-RADS, призваны стандартизировать ультразвуковую оценку, однако их эффективность в различных морфологических группах остается недостаточно изученной.

   Цель исследования. Оценить диагностическую значимость системы TI-RADS при ультразвуковом исследовании очаговой патологии щитовидной железы с учетом гистологической верификации.

   Материалы и методы. Проведен ретроспективный анализ протоколов УЗИ 284 пациентов (18–83 лет) с морфологически подтвержденным диагнозом (данные тонкоигольной биопсии или послеоперационного гистологии). Пациенты разделены на три группы: доброкачественные неонкологические заболевания (n = 141), аденомы (n = 52), рак ЩЖ (n = 91). УЗИ выполнялось по мультипараметрическому протоколу (В-режим, цветовое и энергетическое допплеровское картирование). Каждому узлу присваивалась категория TI-RADS. Статистический анализ включал расчет чувствительности, специфичности и ROC-анализ.

   Результаты. Доля узлов, классифицированных как TI-RADS 2, составила 23,1 %, TI-RADS 3 – 11,2 %, TI-RADS 4 – 25,6 %, TI-RADS 5 – 40,1 %. Чувствительность и специфичность TI-RADS для выявления рака составили 91,04% и 91,41 % соответственно; AUC – 0,963. Для аденом чувствительность снизилась до 61,6 %, специфичность – 82,4 %.

   Выводы. Система TI-RADS обладает высокой предсказательной способностью в диагностике рака щитовидной железы, однако ее эффективность в дифференцировке аденом ограничена, что требует индивидуализированного подхода.

1. Соловов В.А., Аблекова О.Н. Мультипараметрическое ультразвуковое исследование узлов щитовидной железы при радиочастотной абляции: современные тенденции. Вестник медицинского института «РЕАВИЗ». Реабилитация, Врач и Здоровье. 2025;15(3):207–215.

2. Kim J.S., Kim B.G., Stybayeva G., Hwang S.H. Diagnostic Performance of Various Ultrasound Risk Stratification Systems for Benign and Malignant Thyroid Nodules: A Meta–Analysis. Cancers (Basel). 2023;15(2):424.

3. Александров Ю.К., Брюховецкий Ю.А., Заболотская Н.В. Практическое руководство по ультразвуковой диагностике. Общая ультразвуковая диагностика / под ред. В.В. Митькова. 3-е изд, перераб. и доп. Москва, Видар–М, 2019; 740 с.

4. Сенча А.Н. Ультразвуковое исследование щитовидной железы: шаг за шагом. От простого к сложному. Москва: МЕДпресс–информ, 2019; 203 с.

5. Kant R., Davis A., Verma V. Thyroid Nodules: Advances in Evaluation and Management. Am Fam Physician. 2020;102(5):298–304.

6. Wu Y., Zhou C., Shi B. et al. Systematic review and meta-analysis: diagnostic value of different ultrasound for benign and malignant thyroid nodules. Gland Surg. 2022;11(6):1067–1077.

7. Chen D.W., Haymart M.R. Unravelling the rise in thyroid cancer incidence and addressing overdiagnosis. Nat Rev Endocrinol. 2026;22(1):10–20.

8. Тимофеева Л.А., Алешина Т.Н. Диагностическая тактика при узловых образованиях щитовидной железы на основе системы TI-RADS. Acta medica Eurasica. 2017;(4):37–44.

9. Piticchio T., Russ G., Radzina M. et al. Head-to-head comparison of American, European, and Asian TIRADSs in thyroid nodule assessment : systematic review and meta-analysis. Eur Thyroid J. 2024;13(2):e230242.

10. Castellana M., Castellana C., Treglia G. et al. Performance of Five Ultrasound Risk Stratification Systems in Selecting Thyroid Nodules for FNA. J Clin Endocrinol Metab. 2020; 105(5): dgz170.

11. Joo L., Lee M.K., Lee J.Y. et al. Diagnostic Performance of Ultrasound-Based Risk Stratification Systems for Thyroid Nodules : A Systematic Review and Meta-Analysis. Endocrinol Metab (Seoul). 2023;38(1):117–128.

12. Тагиль А.О., Борсуков А.В. Применение вакуумной тонкоигольной аспирационной биопсии образований малого размера при диагностике рака щитовидной железы. Опухоли головы и шеи. 2024;14(2):10–19.

13. de Carlos J., Garcia J., Basterra F.J. et al. Interobserver variability in thyroid ultrasound. Endocrine. 2024;85(2):730–736.

14. Trimboli P., Makovac P., Colombo A. et al. Analysis of FNAC indication in thyroid nodules assessed as low risk according to various TIRADSs. Eur Thyroid J. 2025; 14(4):e250113.

15. Kim D.H., Kim S.W., Basurrah M.A. et al. Diagnostic Performance of Six Ultrasound Risk Stratification Systems for Thyroid Nodules : A Systematic Review and Network Meta-Analysis. AJR Am J Roentgenol. 2023;220(6):791–803.

16. Trimboli P., Colombo A., Gamarra E. et al. Performance of computer scientists in the assessment of thyroid nodules using TIRADS lexicons. J Endocrinol Invest. 2025;48:877–883.

17. Topcuoglu O.M., Uzunoglu B., Orhan T. et al. A real-world comparison of the diagnostic performances of six different TI-RADS guidelines, including ACR-/Kwak-/K-/EU-/ATA-/C-TIRADS. Clin Imaging. 2025;117:110366.

18. Tobcu E., Karavaş E., Yılmaz G.T., Topçu B. Comparison of K-TIRADS, EU-TIRADS and ACR-TIRADS Guidelines for Malignancy Risk Determination of Thyroid Nodules. Diagnostics (Basel). 2025;15(8):1015.

19. Sarayu S., Nair A., Khader J.P. et al. Prospective Validation of Accuracy of American College of Radiologists- Thyroid Imaging Reporting and Data System (ACR-TIRADS) in Diagnosing Malignancy in Thyroid Nodule and a Prediction Score (TiPS) for Thyroid Malignancy. Indian J Endocrinol Metab. 2025;29(1):101–107.

20. Kang Y.J., Ahn H.S., Stybayeva G. et al. Comparison of diagnostic performance of two ultrasound risk stratification systems for thyroid nodules : a systematic review and meta-analysis. Radiol Med. 2023;128(11):1407–1414.

21. Kang Y.J., Stybayeya G., Lee J.E., Hwang S.H. Diagnostic Performance of ACR and Kwak TI-RADS for Benign and Malignant Thyroid Nodules : An Update Systematic Review and Meta-Analysis. Cancers (Basel). 2022;14(23):5961.

22. Bozkuş A., Başar Y., Güven K. Comparison of the diagnostic performance of the artificial intelligence-based TIRADS algorithm with established classification systems for thyroid nodules. Diagn Interv Radiol. 2025; Sep 1.

23. Wildman-Tobriner B., Yang J., Allen B.C. et al. Simplifying risk stratification for thyroid nodules on ultrasound: validation and performance of an artificial intelligence thyroid imaging reporting and data system. Curr Probl Diagn Radiol. 2024;53(6):695–699.