张寅团队开发甲状腺细胞学人工智能辅助诊断模型助力病理诊断在The Lancet Digital Health 杂志发表

论文题目：Deep learning models for thyroid nodules diagnosis of fine-needle aspiration biopsy: a retrospective, prospective, multicentre study in China.     

通讯作者：张寅；欧阳能太等

第一作者：王厥；郑娜芬；万欢等

论文发表刊物：The Lancet Digital Health

【研究背景】

通过细针穿刺（FNA）细胞病理学准确诊断良性和恶性甲状腺结节对于正确的临床治疗干预至关重要。然而，细胞病理诊断耗时且经验丰富的细胞病理学家的常常短缺。亟需可靠的辅助工具来提高细胞病理诊断的效率和准确性。我们的研究旨在依据《甲状腺Bethesda报告系统》开发并测试一个用于甲状腺细胞病理诊断的人工智能辅助系统。

【主要发现】

中山大学孙逸仙纪念医院（SYSMH）的内部验证中的AUC 值为0.930，在佛山市第一人民医院（FPHF）、四川省肿瘤医院及研究所（SCHI）以及广州医科大学第三附属医院（TAHGMU）三家外部验证中的AUC 值分别为0.944、0.939、0.971。值得注意的是，在人工智能的辅助下，初级病理医生诊断的特异性从0.887提高到了0.993，准确度也从0.877提高到了0.948。表明模型有助于辅助甲状腺结节的诊断。

【研究意义】

本研究中，我们开发了一个人工智能辅助模型，名为“甲状腺WSI图块导向集合识别系统”（ThyroPower），该系统有助于快速、稳健地促进甲状腺结节的细胞诊断，增强细胞病理学家的诊断能力。此外，它也能为缓解细胞病理医生的短缺提供潜在解决方案。

论文链接:

https://www.thelancet.com/journals/landig/article/PIIS2589-7500(24)00085-2/fulltext

阅读二维码：