AI新系统“上线”！甲状腺结节良恶性诊断更准确

AI协助诊断甲状腺细针穿刺细胞学将有望解决甲状腺结节诊断临床痛点。近日，中山大学孙逸仙纪念医院细胞分子诊断中心研究团队参与开发了一个名为ThyroPower （甲状腺WSI图块导向集合识别系统）的系统。据介绍，该系统有很高的灵敏性和特异性，能快速、准确地对甲状腺结节进行细胞病理诊断，显著提升细胞病理学家诊断的准确性和效率。

疾病检出率攀高峰，病理医生资源很匮乏

甲状腺结节是一个在全球范围内日益普遍存在的健康问题，尤其是在碘摄入充足的地区。随着高分辨率超声技术的广泛应用，越来越多的甲状腺结节被发现。据研究表明，甲状腺结节的检出率在不同人群中可高达60%-70%，在女性中尤为常见。其中，大约5%-15%的甲状腺结节存在恶性风险，这使得精准诊断和对症治疗变得极为重要。甲状腺乳头状癌是最常见的甲状腺癌类型，通常预后良好。然而，也有少数类型的甲状腺乳头状癌、甲状腺髓样癌以及甲状腺未分化癌，预后较差。鉴于甲状腺结节的高发和甲状腺癌的健康风险，对甲状腺结节进行精准诊断至关重要，对于超声检查怀疑有恶性风险的甲状腺结节，细针穿刺（FNA）细胞病理诊断能提供直接和确切的证据来判断甲状腺结节的良恶性，是诊断甲状腺结节的关键环节。

然而，细胞病理医生的数量短缺、水平参差不齐，是制约甲状腺细胞学诊断在临床广泛应用的重要原因。据统计，中国的病理医师数量远远不能满足国内日益增长的医疗需求。此外，病理资源在中国分布极不均衡，大部分集中在三甲医院，二甲及以下医院的病理医师严重缺乏，且经验不足。资源匮乏地区缺少合格且经验丰富的细胞病理医师，导致不能有效开展甲状腺细胞病理诊断，不仅可能延长疾病的诊断周期，也影响病理服务的质量和效率。

新思路“应战”高需求，精标注助推高成效

人工智能（AI）辅助病理诊断系统的引入为解决病理医师短缺问题提供了新的思路。

这类系统通过深度学习和图像分析技术，能够自动识别和分析病理图像，辅助病理医师进行诊断。AI病理系统不仅可以缓解病理医师短缺的现状，还能提高日常诊断的准确性和效率。

近日，由中山大学孙逸仙纪念医院细胞分子诊断中心欧阳能太和张寅团队主导研发，广州医科大学附属第三医院、佛山市第一人民医院和四川省肿瘤医院参与验证的研究成果在国际期刊The Lancet Digital Health 发表。题为“Deep learning models for thyroid nodules diagnosis of fine-needle aspiration biopsy： a retrospective，prospective， multicentre study in China”。

该系统有很高的灵敏性和特异性，能快速、准确的对甲状腺结节的进行细胞病理诊断，显著提升细胞病理学家诊断的准确性和效率，目前该系统已在超过50家医院落地应用。

此外，该研究还对“意义不明确滤泡上皮细胞非典型病变（AUS）”这一类型的良恶性精准诊断进行了探索，结果显示其具有更好分流AUS 标本的潜力。

高质量的数据标注是AI模型能够准确学习和模拟专业病理诊断过程的基础。据介绍，该研究由经验丰富的细胞病理学家进行数据标注。细胞病理学家不仅具备识别和解释复杂病理样本的专业能力，而且能够精准地识别出病理图像中的关键特征，如细胞类型、形态变化和病变程度等。他们的专业判断和详细标注为训练AI模型提供了必要的、准确的训练目标和质量控制标准，将显著提高模型的准确性和可靠性。

甲状腺结节细针穿刺辅助诊断模型的工作流程模式图

除了高性能外，ThyroPower系统的模型诊断流程还能模仿病理学家的诊断过程，即扫描整张涂片以查看是否有异常细胞，然后根据所发现的情况给出诊断。系统“定位”到可能为异常的细胞或细胞团后，构建全切片级分类器。并通过在诊断阶段融合两个分类器模型来模仿多位专家做出诊断的场景。

但细胞病理学家的角色是不能被取代的。在现实的应用场景中，ThyroPower系统通过显示感兴趣区域（ROI）与AI的最终判读结果，细胞病理学家可以有效地浏览这些ROI 及AI 判读结果并做出最终的诊断决定。这一系统在现实世界的临床实践中具有重要应用，特别是在资源有限或偏远地区，有望大幅缓解病理医师的短缺。