甲状腺癌人工智能诊断取得进展,今后进一步发展有望取代B超

来自天津医科大学肿瘤医院的科学家发表了回顾性、多中心诊断研究,报道了基于深度学习算法分析超声图像实现甲状腺癌人工智能诊断研究。

基于深度学习的影像学分析是当前国际前沿研究,其对CT、MR和B超等医学图像的分析准确率可以媲美经验丰富的影像科医生,具有快速及可重现的特点。而目前超声检查是甲状腺结节诊断及评估最常用的手段,它具有经济、便利且相对易于推广的特点;但是其对影像医师的水平要求较高,需要有丰富的经验,个体检查耗时长。

研究人员以天津医科大学肿瘤医院30余万张甲状腺超声图像作为训练集进行模型开发,用3个独立数据集作为验证;并与2位具有10年经验和4位具有20年经验的甲状腺B超诊断大夫进行系统比较。

研究囊括了迄今甲状腺超声人工智能领域研究中所有的图像。分析结果发现该模型在识别甲状腺癌的敏感性和特异性可以媲美这6位经验丰富影像专家(敏感性:93.4% vs 96.9%,特异性:86.1% vs 59.4%)。该系统有望减少不必要的细针抽吸活组织检查,但仍需要在在未来的随机临床试验中进一步评估。 

目前该人工智能系统还有一些局限性,无法考虑其他临床参数,因此它不能完全取代甲状腺癌的人工诊断,但可以辅助增强甲状腺超声学家在甲状腺癌诊断中的能力,特别是我国城乡医疗资源尚有不均衡存在,此人工智能系统有助于改善基层医疗机构甲状腺超声诊疗水平,为各级医疗机构提供一种快速、准确和便利的甲状腺癌超声诊断工具。

研究论文:Diagnosis of thyroid cancer using deep convolutional neural network models applied to sonographic images: a retrospective, multicohort, diagnostic study. The Lancet Oncology, VOLUME 20, ISSUE 2, P193-201, FEBRUARY 01, 2019

推荐阅读

食物碘含量搜索

近期资讯