甲状腺结节在成人的检出率高达40-66%。但是，并不是所有的甲状腺结节都是甲状腺癌，其中约7–15％的甲状腺结节是甲状腺癌。甲状腺癌是恶性肿瘤中增长最快的疾病，这就需要一种可靠的方法来准确区分甲状腺结节是恶性，还是良性。
甲状腺结节良恶性的鉴别主要是通过甲状腺超声或者甲状腺细针穿刺活检。而甲状腺超声是鉴别结节良恶性的首选无创手段，但这通常是要依赖放射科医生的经验以及可用超声设备的状况，存在15%-20%的误诊率。为了适应患者需求和医疗服务负担的指数增长，还需要其他可靠的方法来改善诊断、优化医生对患者是否需要进行有创的甲状腺细针穿刺活检的判断。
2甲状腺癌AI精准诊疗肖海鹏教授团队利用深度学习技术，基于近2万张甲状腺结节超声图像构建了AI诊断模型ThyNet，并与12名资深超声医师进行交互，在7个中心的数据集对模型进行了验证。ThyNet模型在外部多中心验证的准确率超过了拥有10年以上甲状腺超声经验的专家的水平。结合ThyNet和ACRTIRADS指南建立的AI辅助决策模型，使临床需要依靠有创的甲状腺细针穿刺活检的病人比例从87.7%下降到53.4%，而漏诊率仅增加了0.4%。
▲ThyNet模型和ACRTIRADS指南联合建立的AI辅助FNA决策模型目前学界对如何将AI应用于临床及其背后的伦理风险仍存在广泛争议。肖海鹏教授团队的研究发现当超声医生和AI诊断建议不一致时，有一半的医生修改了诊断，但却有四分之一的诊断是被病理证实为错误修改。研究首次对AI如何具体影响临床决策和医疗行为及其可能的伦理风险提供了数据支持。论文第一作者是医院临床研究中心彭穗教授和刘贻豪助理研究员，甲乳外科吕伟明教授，中山大学肿瘤防治中心刘隆忠教授，医院临床研究中心周倩助理研究员。论文最后通讯作者为医院内分泌科肖海鹏教授，超声医学科王伟教授及哈佛大学ErikKAlexander教授为文章的共同通讯作者。
本项目由医院临床研究中心、内分泌科、超声医学科、甲乳外科和医疗大数据中心共同牵头完成，联合了华南6医院（广西医院、医院、医院、广州中医院和中国人民医院）和哈佛医院。清华大学和小白世纪团队协助完成工学网络。该成果充分体现了多学科、交叉学科和多中心的协作创新和优势互补，获得了杂志官方网站的首页推介。
若对文献内容感兴趣，后台回复“AI甲状腺”即可获得原文资料。[非原创文章]本文转载至医院