中國學者LancetOncology發文：甲狀腺癌人工智能診斷進展

　　甲狀腺癌發病率穩步上升，超聲檢查是甲狀腺結節診斷及評估最常用的手段，它具有經濟、便利且相對易于推廣的特點；然而其對影像醫師的水平要求較高，需要有豐富的經驗，個體檢查耗時長。基于深度學習的影像學分析是當前國際前沿研究，其對CT、MR和B超等醫學圖像的分析準確率可以媲美經驗豐富的影像科醫生，具有快速及可重現的特點。

　　來自天津醫科大學腫瘤醫院的陳可欣、李祥春和張晟教授三個課題組發表了題為“Diagnosis of thyroid cancer using deep convolutional neural network models applied to sonographic images: a retrospective, multi-cohort, diagnostic study ”的文章，發表了回顧性、多中心診斷研究，報道了基于深度學習算法分析超聲圖像實現甲狀腺癌人工智能診斷研究。

　　這一研究成果12月21日發表在國際腫瘤學領域著名期刊《Lancet Oncology》(2017年影響因子36.418，5年影響因子33.233)上。

　　在這篇文章中，研究人員以天津醫科大學腫瘤醫院30余萬張甲狀腺超聲圖像作為訓練集進行模型開發，用3個獨立數據集作為驗證；并與2位具有10年經驗和4位具有20年經驗的甲狀腺B超診斷大夫進行系統比較。

　　這是迄今為止在甲狀腺超聲人工智能領域研究中囊括圖像最多的研究。分析結果發現該模型在識別甲狀腺癌的敏感性和特異性可以媲美這6位經驗豐富影像專家（敏感性：93.4% vs 96.9%，特異性：86.1% vs 59.4%）。該系統有望減少不必要的細針抽吸活組織檢查，但仍需要在在未來的隨機臨床試驗中進一步評估。

　　目前該人工智能系統還有一些局限性，無法考慮其他臨床參數，因此它不能完全取代甲狀腺癌的人工診斷，但可以輔助增強甲狀腺超聲學家在甲狀腺癌診斷中的能力，特別是我國城鄉醫療資源尚有不均衡存在，此人工智能系統有助于改善基層醫療機構甲狀腺超聲診療水平，為各級醫療機構提供一種快速、準確和便利的甲狀腺癌超聲診斷工具。