【Ai➕医学 顶刊速递】第五期

[贵医22杨佳伟]

各位哥哥姐姐弟弟妹妹大家好！我们的AI与医学期刊分享来啦~这是第三周的第一篇顶刊分享

【Ai医学 顶刊速递】
滤泡型甲状腺肿瘤的人工智能增强超声诊断：一项多中心回顾性研究
DOI：10.1016/j.eclinm.2025.103351

【背景】：传统的诊断工具，包括超声、细针穿刺细胞学和术中冰冻切片病理学，可能无法可靠地区分良性和恶性滤泡型甲状腺肿瘤（FN），导致不必要或不充分的手术干预。旨在开发和验证一种深度学习 （DL） 系统，用于使用常规超声图像进行 FN 术前诊断 ，目的是提高诊断准确性并减少不必要的程序 。

【方法】：在这项多中心回顾性研究中，纳入了来自中国 11 个中心的 3817 名明确诊断为 FN 的患者（2877 名 [75.4%] 女性）。所有患者均接受术前超声检查。该数据集包括 9393 张超声图像，包括 2012 年至 2025 年间收集的甲状腺滤泡性腺瘤 （n = 1787,4317 张图像）、滤泡癌（n = 446、1593 张图像）和甲状腺状癌滤泡变异（n = 1584,3483 张图像）。在包含 2728 名患者（6625 张图像）的数据集上开发了最先进的 OverLoCK（Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels），并在内部队列（n = 683,1905 张图像）和外部队列（n = 406,863 张图像）上进行了验证。使用曲线下面积 （AUC）、准确度、敏感性、特异性、阳性预测值 （PPV）、阴性预测值 （NPV） 和 F1 评分来评估模型性能。使用校准曲线评估模型校准，同时通过决策曲线分析 （DCA） 评估临床有用性。

【发现】：OverLoCK 模型在内部和外部验证集中都表现出优异的性能。在内部验证队列中，OverLoCK 模型的 AUC 为 0.937（95%置信区间[CI]：0.919–0.954），准确率为 90.9%（95%CI：87.7–92.0），灵敏度为 93.9%（95%CI：91.5–95.6），特异性为 84.8%（95%CI：82.6–86.0），PPV 为 92.7%（95%CI：90.7–93.8），NPV 为 87.2%（95%CI：86.0–91.0），F1 评分为 0.911（95%CI： 0.887–0.932).在外部验证队列中，该模型的 AUC 为 0.853（95%CI：0.832–0.876），准确率为 82.8%（95%CI：81.7–84.4），灵敏度为 84.5%（95%CI：82.5–86.2），特异性为 81.1%（95%CI：79.2–84.5），PPV 为 80.4%（95%CI：79.0–84.0），NPV 为 85.1%（95%CI：83.2–87.7），F1 评分为 0.839（95%CI： 0.802–0.877).DL 模型表明恶性肿瘤的预测概率和实际概率之间具有良好的一致性。DCA 证实该模型具有临床价值。

【解释】：研究表明，基于 DL 的系统可以为 FN 的术前诊断提供无创、准确和可靠的工具。通过提高诊断精度，这种方法有可能优化临床决策并减轻 FN 患者过度治疗的负担。有必要进行进一步的前瞻性研究，以便在现实世界的临床环境中验证这些发现。