深圳子科生物報道：甲狀腺癌發(fā)病率穩(wěn)步上升，超聲檢查是甲狀腺結節(jié)診斷及評估最常用的手段，它具有經(jīng)濟、便利且相對易于推廣的特點；然而其對影像醫(yī)師的水平要求較高，需要有豐富的經(jīng)驗，個體檢查耗時長?；谏疃葘W習的影像學分析是當前國際前沿研究，其對CT、MR和B超等醫(yī)學圖像的分析準確率可以媲美經(jīng)驗豐富的影像科醫(yī)生，具有快速及可重現(xiàn)的特點。

來自天津醫(yī)科大學腫瘤醫(yī)院的陳可欣、李祥春和張晟教授三個課題組發(fā)表了題為“Diagnosis of thyroid cancer using deep convolutional neural network models applied to sonographic images: a retrospective, multi-cohort, diagnostic study ”的文章，發(fā)表了回顧性、多中心診斷研究，報道了基于深度學習算法分析超聲圖像實現(xiàn)甲狀腺癌人工智能診斷研究。

這一研究成果12月21日發(fā)表在國際腫瘤學領域著名期刊《Lancet Oncology》(2017年影響因子36.418，5年影響因子33.233)上。

在這篇文章中，研究人員以天津醫(yī)科大學腫瘤醫(yī)院30余萬張甲狀腺超聲圖像作為訓練集進行模型開發(fā)，用3個獨立數(shù)據(jù)集作為驗證；并與2位具有10年經(jīng)驗和4位具有20年經(jīng)驗的甲狀腺B超診斷大夫進行系統(tǒng)比較。

這是迄今為止在甲狀腺超聲人工智能領域研究中囊括圖像最多的研究。分析結果發(fā)現(xiàn)該模型在識別甲狀腺癌的敏感性和特異性可以媲美這6位經(jīng)驗豐富影像專家（敏感性：93.4% vs 96.9%，特異性：86.1% vs 59.4%）。該系統(tǒng)有望減少不必要的細針抽吸活組織檢查，但仍需要在在未來的隨機臨床試驗中進一步評估。

目前該人工智能系統(tǒng)還有一些局限性，無法考慮其他臨床參數(shù)，因此它不能完全取代甲狀腺癌的人工診斷，但可以輔助增強甲狀腺超聲學家在甲狀腺癌診斷中的能力，特別是我國城鄉(xiāng)醫(yī)療資源尚有不均衡存在，此人工智能系統(tǒng)有助于改善基層醫(yī)療機構甲狀腺超聲診療水平，為各級醫(yī)療機構提供一種快速、準確和便利的甲狀腺癌超聲診斷工具。

原文標題：

Diagnosis of thyroid cancer using deep convolutional neural network models applied to sonographic images: a retrospective, multi-cohort, diagnostic study