现在用AI光声/超声成像诊断甲状腺癌

甲状腺内的肿块称为甲状腺结节，所有甲状腺结节中有5-10%被诊断为甲状腺癌。甲状腺癌预后好，生存率高，复发率低，早期诊断和治疗至关重要。最近，韩国的一个联合研究小组提出了一种将光声(PA)和超声图像技术与人工智能相结合的新型非侵入性方法，可以区分甲状腺结节和癌症。

浦项科技大学电子工程系、融合信息技术工程系、机械工程系的金哲洪教授、朴炳礼博士、天主教大学首尔圣母医院的林东俊教授、河正勋教授组成的联合研究小组，釜山国立大学的Jeesu Kim教授进行了一项研究，从恶性和良性结节患者身上获取PA图像，并用人工智能对其进行分析。为了认识到其重要性，这项研究的结果发表在癌症研究．

目前，甲状腺结节的诊断是使用超声图像的细针穿刺活检(FNAB)进行的。但是大约20%的fnab是不准确的，这导致了重复和不必要的活检。

为了克服这一问题，联合研究团队探索了使用PA成像来获得光产生的超声波信号。当光(激光)照射在患者的甲状腺结节上时，甲状腺和结节会产生一种称为PA信号的超声信号。通过获取和处理该信号，收集腺体和结节的PA图像。此时，如果得到多光谱PA信号，则得到了氧饱和度的信息甲状腺甲状腺结节可以计算。

研究人员重点关注恶性结节的氧饱和度低于正常结节的事实，并获得了恶性结节患者的PA图像甲状腺结节(23例)良性结节(29例)。研究人员对患者的甲状腺结节进行了体内多光谱PA成像，计算了多个参数，包括结节区域的血红蛋白氧饱和度水平。使用机器学习技术进行分析，成功地自动分类甲状腺结节是恶性还是良性。在最初的分类中，恶性分类为恶性的敏感性为78%，良性分类为良性的特异性为93%。

第二次分析中通过机器学习技术得到的PA分析结果与基于医院常用超声图像的初步检查结果相结合。再次证实，恶性甲状腺结节的敏感性为83%，特异性为93%。

更进一步，当研究人员在第三次分析中将敏感性保持在100%时，特异性达到55%。这比常规超声初次检查甲状腺结节的17.3%的特异性(98%的敏感性)高出约3倍。

因此，正确诊断良性、非恶性结节的概率提高了3倍以上，这表明过度诊断和不必要的活检和重复测试可以大大减少，从而减少过多的医疗费用。

“这项研究意义重大，因为它是第一个获得甲状腺结节的光声图像并对恶性进行分类结节使用机器学习，”浦项理工大学的Chulhong Kim教授说。“除了尽量减少不必要的活检甲状腺癌患者们，这项技术也可以应用于各种其他癌症，包括乳腺癌。”

“基于光声成像的超声设备将有助于有效诊断甲状腺癌症通常在健康检查和减少活组织检查次数时发现，”首尔圣玛丽医院的林东俊教授解释说。“它可以被开发成一种可以随时使用的医疗设备甲状腺结节的病人。”