目的は、臨床的にリンパ節陰性（CN0）である甲状腺乳頭癌（PTC）の原発巣に基づく二重モーダル超音波画像（従来のグレースケール超音波およびひずみエラストグラフィー）による画像オミクススコア（Rad-score）と超音波所見を組み合わせたノモグラムモデルを構築し、術前に中央区リンパ節転移（CLNM）を予測する臨床的意義を検討することである。方法として、2022年3月から2023年12月までに濱州医科大学附属病院で甲状腺切除術と予防的中央区リンパ節郭清（pCLND）を受けたCN0 PTC患者を後ろ向きに収集し、7:3の割合で訓練セットとテストセットにランダムに割り付けた。術後病理結果に基づきCLNM陽性群と陰性群に分類した。Pythonを用いて二重モーダル超音波画像の前処理を行い、3D Slicerソフトウェアで病変の関心領域（ROI）を手動で描画し、Pyradiomicsにより画像オミクス特徴を抽出した。最小冗長最大関連（mRMR）および最小絶対収縮選択演算子（LASSO）により最適特徴を選択し、ランダムフォレスト法で従来のグレースケール、ひずみエラスト超音波、および二重モーダル超音波画像オミクスモデルを構築し、Rad-scoreを算出した。単変量・多変量ロジスティック回帰分析によりCLNMの独立危険因子を選定し臨床モデルを構築した。受信者動作特性（ROC）曲線で各モデルの予測性能を評価し、最良の曲線下面積（AUC）を示す二重モーダルRad-scoreと独立危険因子を用いた統合モデルを確立しノモグラムを作成した。結果は計220例を含み、CLNM陽性群80例、陰性群140例であった。訓練セットにおける従来グレースケール、ひずみエラスト超音波、二重モーダル超音波モデルのAUCはそれぞれ0.697（95％CI 0.620～0.773）、0.715（95％CI 0.639～0.792）、0.734（95％CI 0.626～0.857）であり、テストセットではそれぞれ0.703（95％CI 0.585～0.823）、0.731（95％CI 0.617～0.845）、0.742（95％CI 0.637～0.871）であった。結節の最大径および被膜浸潤を独立リスク因子とした臨床モデルは、訓練セットとテストセットにおいてそれぞれ0.674（95％CI 0.599～0.748）、0.675（95％CI 0.561～0.789）のAUCを示した。二重モーダルRad-scoreと結節の最大径、被膜浸潤を組み合わせた統合モデルは訓練セットとテストセットでそれぞれ0.776（95％CI 0.701～0.851）、0.754（95％CI 0.659～0.810）のAUCであった。ノモグラムモデルのAUCは他の3つの画像オミクスモデルおよび臨床モデルより優れていた（P<0.05）。結論として、ノモグラムモデルは良好な予測性能を有し、術前に臨床的にリンパ節陰性の甲状腺乳頭癌のCLNM状態を予測する視覚化ツールとして重要な価値を持ち、個別化された診療計画の策定に寄与することが期待される。

二重モーダル超音波検査;画像オミクス;甲状腺乳頭癌;臨床リンパ節陰性;中央区リンパ節転移