2026-04-26T20:18:37Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/752432025-03-06T22:34:43Zcom_10324_30605com_10324_894col_10324_41
Luis Román, Daniel Antonio de
Díaz Soto, Gonzalo
Universidad de Valladolid. Escuela de Doctorado
Fernández Velasco, Pablo
2024
Differentiated thyroid cancer (DTC) is the most common endocrine cancer, and its
incidence has increased in recent decades due to the widespread use of imaging tests.
Nevertheless, DTC mortality has remained stable. The traditional treatment includes
total thyroidectomy, radioactive iodine ablation, and TSH suppression therapy (stTSH)
with levothyroxine. However, current guidelines recommend less aggressive approaches
based on dynamic risk stratification (DRS), adjusting treatment according to disease
progression. Thyroglobulin (Tg) was traditionally measured after stimulation with
recombinant TSH (rhTSH). The development of ultrasensitive assays (hsTg) allows for
earlier detection of recurrences without the need for stimulation tests. Ultrasound is
essential for evaluating thyroid nodules, although it presents high inter-observer
variability. Artificial intelligence (AI) has improved diagnostic accuracy, reducing
unnecessary biopsies and increasing agreement between observers.
The main objective of this work was to evaluate and validate new tools to optimize the
management of DTC, focusing on three key areas: the use of AI in the diagnosis and
classification of thyroid nodules, the evaluation of hsTg's predictive capacity to identify
long-term recurrences, and the adequacy of stTSH during follow-up through DRS.
The first article evaluated the clinical impact of a decision support system based on AI
(DSS-AI) in the classification of thyroid nodules according to the ACR TI-RADS
system. A total of 172 patients with thyroid nodules were included, and the diagnostic
performance of six endocrinologists was analyzed before and after using DSS-AI. The
results showed a significant improvement in sensitivity, specificity, and diagnostic
accuracy after the use of AI, with an increase in the ROC area under the curve (AUC)
from 0.776 to 0.817. Furthermore, AI reduced inter-observer variability and reclassified
more than 50% of the nodules into lower-risk categories.
The second article evaluated the predictive value of basal hsTg compared to rhTSH-Tg
for predicting long-term response in a cohort of DTC patients. A total of 114 patients
were included, and a strong correlation was observed between hsTg and rhTSH-Tg
levels. The results showed that hsTg has greater predictive capacity for an excellent
response, with an AUC of 0.969 compared to 0.944 for rhTSH-Tg. In patients with
hsTg determination, the stimulation test provided no additional relevant information.
The third article evaluated the evolution of stTSH in a cohort of 216 DTC patients
followed for an average of 6.9 years. At diagnosis, 69.2% of patients were at low risk of
recurrence, compared to 13.6% with high risk. DRS allowed the classification of
patients with an excellent response from 60% at the start to 70.7% by the end of follow-
up. Factors associated with maintaining stTSH included younger age at diagnosis,
higher initial risk of recurrence, multifocality, and vascular invasion.
Conclusions: The use of DSS-AI improves diagnostic performance in the evaluation of
thyroid nodular pathology; in addition, AI reduced inter-observer variability and
improved agreement. hsTg is a reliable predictor of long-term response in DTC, while
rhTSH stimulation provides no additional relevant information. Although guidelines
suggest relaxing stTSH in low-risk patients, 30.7% continued on suppressive therapy,
decreasing to 16.3% after 6.9 years of follow-up. Factors associated with maintaining
therapy were younger age, higher initial risk of recurrence, and DRS evolution.
El cáncer diferenciado de tiroides (CDT) es el cáncer endocrino más frecuente y su
incidencia ha aumentado en las últimas décadas debido al uso extendido de pruebas de
imagen. No obstante, la mortalidad por CDT se ha mantenido estable. El tratamiento
tradicional incluye tiroidectomía total, ablación con yodo radiactivo y terapia de
supresión de la TSH (stTSH) con levotiroxina. Sin embargo, las guías actuales
recomiendan enfoques menos agresivos basados en la estratificación dinámica del
riesgo (EDR), ajustando el tratamiento según la evolución de la enfermedad. La
tiroglobulina (Tg) se determinaba tradicionalmente tras estimulación con TSH
recombinante (rhTSH). El desarrollo de ensayos ultrasensibles (hsTg) permite detectar
recurrencias más tempranas sin necesidad de test de estimulación. La ecografía es
fundamental en la evaluación de la patologia nodular tiroidea, aunque presenta alta
variabilidad entre observadores. La inteligencia artificial (IA) ha mejorado la precisión
diagnóstica, reduciendo biopsias innecesarias y aumentando el acuerdo entre
observadores.
El objetivo principal de este trabajo fue evaluar y validar nuevas herramientas para
optimizar el manejo del CDT, centrándose en tres áreas clave: el uso de IA en el
diagnóstico y clasificación de nódulos tiroideos, la evaluación de la capacidad
predictiva de la hsTg para identificar recurrencias a largo plazo y la adecuación de la
stTSH a lo largo del seguimiento mediante la EDR.
El primer artículo evaluó el impacto clínico de un sistema de ayuda a la decisión basado
en IA (DSS-IA) en la clasificación de nódulos tiroideos según el sistema ACR TI-
RADS. Se incluyeron 172 pacientes con nódulos tiroideos y se analizó el rendimiento
diagnóstico de seis endocrinólogos antes y después de utilizar DSS-IA. Los resultados
mostraron una mejora significativa en la sensibilidad, especificidad y precisión
diagnóstica tras el uso de la IA, con un aumento del área bajo la curva ROC (AUC) de
0,776 a 0,817. Además, la IA redujo la variabilidad interobservador y reclasificó más
del 50% de los nódulos en categorías de menor riesgo.
El segundo artículo evaluó el valor predictivo de la hsTg basal frente a rhTSH-Tg para
predecir la respuesta a largo plazo en una cohorte de pacientes con CDT. Se incluyeron
114 pacientes y se observó una fuerte correlación entre los niveles de hsTg y rhTSH-Tg.
Los resultados mostraron que la hsTg tiene una mayor capacidad predictiva para una
respuesta excelente, con AUC de 0.969 frente a 0.944 para la rhTSH-Tg. En pacientes
con determinación de hsTg, el test de estimulación no ofreció información adicional
relevante.
El tercer artículo evaluó la evolución de la stTSH en una cohorte de 216 pacientes con
CDT seguidos durante un promedio de 6.9 años. Al diagnóstico, el 69.2% de los
pacientes presentaban bajo riesgo de recurrencia, frente al 13.6% que presentaban un
riesgo elevado. La EDR permitió clasificar a los pacientes con respuesta excelente en el
60% al inicio y en el 70.7% al final del seguimiento. Los factores asociados a mantener
la stTSH incluyeron menor edad al diagnóstico, mayor riesgo de recurrencia inicial,
multifocalidad e invasión vascular.
Conclusiones: el uso de un DSS-IA mejora el rendimiento diagnóstico en la evaluación
de la patología nodular tiroidea; además, la IA redujo la variabilidad entre observadores
y mejoró el acuerdo. La hsTg es un predictor fiable de la respuesta a largo plazo en el
CDT, mientras que la estimulación con rhTSH no aporta información adicional
relevante. Aunque las guías sugieren relajar la stTSH en pacientes de bajo riesgo, un
30.7% continuó en tratamiento supresivo, disminuyendo al 16.3% tras 6.9 años de
seguimiento. Los factores asociados a mantener la terapia fueron menor edad, mayor
riesgo inicial de recurrencia y la evolución de la EDR.
application/pdf
https://uvadoc.uva.es/handle/10324/75243
spa
Cancer
32 Ciencias Médicas
Evaluación clínica del uso de la inteligencia artificial, tiroglobulina ultrasensible y terapia supresiva de TSH en el carcinoma diferenciado de tiroides
info:eu-repo/semantics/doctoralThesis
TEXT
UVaDOC. Repositorio Documental de la Universidad de Valladolid
Hispana