Latar Belakang: Peningkatan kasus kanker tiroid belakangan ini menimbulkan pertanyaan tentang overdiagnosis. ACR-TIRADS merupakan sistem stratifikasi yang dikembangkan untuk mengurangi overdiagnosis dalam mendeteksi kanker tiroid dengan menggunakan ultrasonografi. AI-TIRADS merupakan modifikasi baru dari ACR-TIRADS yang diklaim memiliki nilai diagnostik yang lebih baik, namun AI-TIRADS belum pernah diuji pada populasi Indonesia. Tujuan: Peneliti ingin mengetahui apakah AI-TIRADS memang benar lebih baik dibandingkan ACR-TIRADS dalam menentukan keganasan suatu nodul tiroid. Metode: Penelitian ini mengevaluasi 124 nodul tiroid yang terdiri atas 62 nodul jinak dan 62 nodul ganas berdasarkan ACR-TIRADS dan AI-TIRADS. Setiap penentuan keganasan didasarkan dari lima kategori yang dipakai oleh TIRADS (komposisi, ekogenisitas, bentuk, tepian dan fokus ekogenik). Hasil temuan kedua sistem stratifikasi risiko ini kemudian dibandingkan nilai diagnostiknya dengan pemeriksaan sitopatologi berdasarkan kriteria Bethesda. Hasil: AI-TIRADS secara umum menunjukkan nilai diagnostik yang lebih baik daripada ACR-TIRADS. Tingkat kesesuaian AI-TIRADS terhadap pemeriksaan sitopatologi lebih baik dibandingkan ACR-TIRADS (0,387 dan 0,242). Spesifisitas AI-TIRADS lebih baik (58,06% vs 41,94%; p< 0,00) dibandingkan ACR-TIRADS, namun sensitivitas AI-TIRADS sedikit lebih rendah dibandingkan ACR-TIRADS (80,65% vs 82,26%; p<0,00). AI-TIRADS juga memiliki nilai duga positif dan nilai duga negatif yang lebih baik dibandingkan ACR-TIRADS (AI-TIRADS: 65,79% dan 75% vs ACR-TIRADS: 58,62% dan 70,27%). Kesimpulan: AI-TIRADS memiliki nilai diagnostik yang lebih baik dan dapat mengurangi jumlah positif palsu, namun AI-TIRADS masih memiliki kesulitan dalam mendeteksi keganasan pada nodul tiroid yang padat kistik. Diperlukan pengembangan lebih lanjut dari AI-TIRADS untuk meningkatkan kemampuan diagnostik dalam menentukan keganasan nodul tiroid, khususnya pada nodul padat kistik.
Background: The recent increase in thyroid cancer cases has raised questions about overdiagnosis. ACR-TIRADS is a risk stratification system developed to reduce overdiagnosis in thyroid cancer detection using ultrasound. AI-TIRADS is a recent modification of ACR-TIRADS claimed to have better diagnostic value, but it has not been tested in the Indonesian population. Objective: The author aimed to determine whether AI-TIRADS is indeed superior to ACR-TIRADS in assessing the malignancy of thyroid nodules. Methods: This study evaluated 124 thyroid nodules, consisting of 62 benign and 62 malignant nodules, based on ACR-TIRADS and AI- TIRADS. Malignancy determinations were based on five categories used by TIRADS (composition, echogenicity, shape, margins, and echogenic foci). The findings of both risk stratification systems were then compared with their diagnostic values in cytopathological examinations based on Bethesda criteria. Results: AI- TIRADS, in general, demonstrated superior diagnostic value compared to ACR- TIRADS. The concordance rate of AI-TIRADS with cytopathological examinations was better than that of ACR-TIRADS (0.387 and 0.242). AI-TIRADS exhibited better specificity (58.06% vs. 41.94%; p < 0.00) compared to ACR-TIRADS, although AI-TIRADS had slightly lower sensitivity (80.65% vs. 82.26%; p < 0.00) compared to ACR-TIRADS. AI-TIRADS also had better positive predictive values and negative predictive values (AI-TIRADS: 65.79% and 75% vs. ACR-TIRADS: 58.62% and 70.27%). Conclusion: AI-TIRADS has better diagnostic value and managed to reduces the number of false positives. However, AI-TIRADS still faces challenges in detecting malignancy in solid cystic thyroid nodules. Further development of AI-TIRADS is needed to enhance its diagnostic capabilities in determining the malignancy of thyroid nodules, especially in solid cystic nodules. |
T-Marshal Sumampouw.pdf :: Unduh