一項(xiàng)新研究表明，將人工智能(AI)與甲狀腺超聲結(jié)合使用可提供一種快速，無創(chuàng)的??甲狀腺癌篩查方法。

這項(xiàng)發(fā)表在《 PLOS Pathogens》雜志上的研究表明，自動(dòng)化機(jī)器學(xué)習(xí)顯示出有望作為一種可以提高甲狀腺癌診斷效率的附加診斷工具。

研究的主要作者，美國(guó)托馬斯·杰斐遜大學(xué)的約翰·艾森伯里說：“機(jī)器學(xué)習(xí)是一種低成本，高效的工具，可以幫助醫(yī)生更快地決定如何處理不確定的結(jié)節(jié)。”

根據(jù)研究人員的說法，目前超聲波可以判斷結(jié)節(jié)是否可疑，然后決定是否進(jìn)行穿刺活檢，但細(xì)針活檢僅充當(dāng)窺視孔，無法顯示整個(gè)圖像。

結(jié)果，一些活檢返回關(guān)于結(jié)節(jié)是惡性還是癌性的不確定性結(jié)果。

為了提高超聲一線診斷的預(yù)測(cè)能力，研究人員研究了Google開發(fā)的機(jī)器學(xué)習(xí)或AI模型。他們將機(jī)器學(xué)習(xí)算法應(yīng)用于患者甲狀腺結(jié)節(jié)的超聲圖像，以查看它是否可以識(shí)別出不同的模式。研究人員在121位接受超聲引導(dǎo)的細(xì)針穿刺活檢并隨后進(jìn)行分子檢測(cè)的患者的圖像上對(duì)該算法進(jìn)行了訓(xùn)練。

根據(jù)分子測(cè)試中使用的一組基因，在總共134個(gè)病變中，有43個(gè)結(jié)節(jié)被歸類為高危，而91個(gè)被歸類為低危。該算法從這組標(biāo)記圖像中利用機(jī)器學(xué)習(xí)技術(shù)來選擇與高風(fēng)險(xiǎn)結(jié)節(jié)和低風(fēng)險(xiǎn)結(jié)節(jié)相關(guān)的模式。

它使用這些模式形成自己的內(nèi)部參數(shù)集，這些內(nèi)部參數(shù)可用于對(duì)將來的圖像集進(jìn)行排序。它本質(zhì)上是在這項(xiàng)新任務(wù)上進(jìn)行了“培訓(xùn)”。

然后，研究人員在另一組未標(biāo)記圖像上測(cè)試了訓(xùn)練后的模型，以查看與分子測(cè)試結(jié)果相比，該模型如何能對(duì)高和低遺傳風(fēng)險(xiǎn)結(jié)節(jié)進(jìn)行分類。

研究人員發(fā)現(xiàn)，他們的算法以97%的特異性和90%的預(yù)測(cè)陽(yáng)性值執(zhí)行，這意味著該算法真正有良性結(jié)節(jié)的患者中有97%的超聲將其超聲讀為“良性”，而惡性或“陽(yáng)性”的患者則有90%按照算法分類，結(jié)核實(shí)際上是陽(yáng)性的。