人工智能可用于识别良性甲状腺结节，减少不必要的活检

根据周六在佐治亚州亚特兰大举行的内分泌学会年会上发表的一项新研究，人工智能(AI)可以用来识别甲状腺超声上看到的不太可能癌变的甲状腺结节，减少大量不必要的活组织检查。

甲状腺结节很常见。细针穿刺活检用于诊断甲状腺癌．然而，大多数活组织检查结果都是良性的(非癌变)，并且是可以避免的，该研究的首席研究员、科罗拉多州奥罗拉市科罗拉多大学安舒茨医学院的Nikita Pozdeyev博士说。

在这项新研究中，研究人员使用机器学习(一种人工智能)来分析超声图像甲状腺结节．机器学习是使用数据的数学模型来帮助计算机在没有直接指令的情况下学习的过程。

来自621个甲状腺结节的3万多张图像被用于训练机器学习将甲状腺结节分类为“癌症”或“非癌症”的模型。该模型在另一个医疗系统收集的另一组145个结节上进行了测试。

基于人工智能的模型实现了97%的敏感性(不遗漏癌症的能力)和61%的特异性(正确识别癌症的能力)。“这项研究表明，基于超声的甲状腺结节AI分类器达到了与甲状腺活检相当的灵敏度细针抽吸波兹杰耶夫说。

“我们相信这是改进的良好下一步病人护理避免不必要的程序，”他说。他指出，在该工具被接受为标准治疗之前，需要进行前瞻性临床试验。

他说:“我们证明，使用人工智能分析超声图像来排除甲状腺癌并避免活检是绝对可能的。”“这项技术可以帮助放射科医生和内分泌科医生选择哪些甲状腺结节应该进行活检，特别是那些可能不会查看大量甲状腺超声图像的人。”

---

---