人工智能可以帮助诊断甲状腺结节

近日，一项由JAMA耳鼻喉科领域的新研究引起了广泛关注。该研究将机器学习与超声技术相结合，为医疗保健人员在诊断甲状腺结节方面提供了新的可能性。

在评估甲状腺结节时，医生通常会采取多种检查手段，包括超声检查、活检以及细针穿刺（FNA）检查等。而分子测试则为另一种重要选择。研究人员更深入地了AI在患者风险分层中的潜在作用。

费城托马斯·杰斐逊大学的放射学专家约翰·艾森伯里博士表示：“机器学习作为一种低成本、高效率的工具，能够在医生面对不确定的结节时，迅速提供决策支持。”他进一步指出：“在利用超声技术对甲状腺结节进行遗传风险分层的过程中，机器学习尚未被广泛应用。而我们的研究迈出了这一步。”

该研究团队开发了一种先进的算法，通过对121位患者的影像学资料进行分析和训练，这些患者均接受了超声引导的细针穿刺活检和分子检测。机器学习使得算法能够“学习”如何评估甲状腺结节，并表现出令人瞩目的准确性：特异性达到97%，预测阳性值达到90%，总体准确性为77.4%。

该研究的共同作者，托马斯·杰斐逊大学的伊丽莎白·科特里尔表示：“这是外科医生和放射科医生之间紧密合作的重要成果，其他机构也开始关注并投入资源。我们相信，提供给算法的数据越多，其预测能力将变得越强大。”

Eisenbrey博士还提到，研究人员正在积极如何进一步优化这一技术。他们希望通过特征提取等技术，如识别与高风险结节相关的解剖学特征，来进一步提升算法的准确性和效率。这一研究的进展不仅将提升医疗诊断的精确度，也将为甲状腺结节患者带来更好的治疗体验。