近日，汕头大学医学院第二附属医院超声科翟玉霞主任作为共同通讯作者在国际期刊《BMC Medicine》（中国科学院一区，JCR一区，2023 IF 9.3）发表了题为《The clinical value of artificial intelligence in assisting junior radiologists in thyroid ultrasound: a multicenter prospective study from real clinical practice》的论文。

甲状腺结节在临床实践中很常见，在普通人群中，超声检出率高达65%。虽然大多数甲状腺结节是良性的，小于1cm的恶性结节通常表现出非侵袭性行为，但从2009年到2018年，甲状腺癌的死亡率以每年0.6%的速度增加。在临床上，从良性甲状腺结节中有效和无创地筛查是非常可取的。目前存在许多甲状腺成像、报告和数据系统（thyroid Imaging， Reporting， and Data Systems， TI-RADS），这些系统均被定义为组成、回声性、形状、边缘和回声病灶五个分类特征，但对甲状腺结节风险分层有细微的差异。这些TI-RADS 标准为甲状腺结节提供了可靠且无创的超声筛查指南。然而，恶性肿瘤鉴别的准确性高度依赖于放射科医生的个人经验水平和主观判断，导致不同观察者间存在显著差异。

翟玉霞主任医师团队联合中国科学院大学肿瘤医院（浙江省肿瘤医院）、南昌大学附属第二医院等研究团队进行了一项大型的多中心前瞻性队列研究。该研究旨在提出一种临床适用的两级 （2e） 诊断标准，用于甲状腺结节的分析，从而筛选出低风险结节，仅对可疑或不确定的结节进行组织病理学检查。

本研究的创新点在于提出了一种临床适用的2e诊断标准，并验证了AI系统在真实临床环境中的有效性。本研究发现在2e标准下，AI系统的诊断性能与高级放射科医生相当，并显著提高了初级放射科医生的诊断能力。这有可能减少现实世界临床实践中不必要的侵入性诊断程序，具有重要的临床意义和经济价值。总之，这项研究为AI在甲状腺超声诊断中的应用提供了有力的证据，预示着AI技术在医学影像领域的广阔前景。

原文链接：https://pubmed.ncbi.nlm.nih.gov/38992655/