中山大學(xué)附屬第一醫(yī)院肖海鵬教授團(tuán)隊(duì)研究成果“Deep learning-based artificial intelligence model assists in thyroid nodule management： a multi-center， diagnostic study”在柳葉刀AI子刊The Lancet Digital Health雜志上發(fā)表。

甲狀腺結(jié)節(jié)在成人的檢出率高達(dá)40-66%。甲狀腺超聲是鑒別結(jié)節(jié)良惡性的首選無(wú)創(chuàng)手段，但存在15%-20%的誤診率。肖海鵬教授團(tuán)隊(duì)利用深度學(xué)習(xí)技術(shù)，基于近2萬(wàn)張甲狀腺結(jié)節(jié)超聲圖像構(gòu)建了AI診斷模型ThyNet，并與12名資深超聲醫(yī)師進(jìn)行交互，在7個(gè)中心的數(shù)據(jù)集對(duì)模型進(jìn)行了驗(yàn)證。ThyNet模型在外部多中心驗(yàn)證的準(zhǔn)確率超過(guò)了擁有10年以上甲狀腺超聲經(jīng)驗(yàn)的專(zhuān)家的水平。結(jié)合ThyNet和ACR TIRADS指南建立的AI輔助決策模型，使臨床需要依靠有創(chuàng)的甲狀腺細(xì)針穿刺活檢的病人比例從87.7%下降到53.4%，而漏診率僅增加了0.4%。

目前學(xué)界對(duì)如何將AI應(yīng)用于臨床及其背后的倫理風(fēng)險(xiǎn)仍存在廣泛爭(zhēng)議。肖海鵬教授團(tuán)隊(duì)的研究發(fā)現(xiàn)當(dāng)超聲醫(yī)生和AI診斷建議不一致時(shí)，有一半的醫(yī)生修改了診斷，但卻有四分之一的診斷是被病理證實(shí)為錯(cuò)誤修改。研究首次對(duì)AI如何具體影響臨床決策和醫(yī)療行為及其可能的倫理風(fēng)險(xiǎn)提供了數(shù)據(jù)支持。

論文第一作者是中山大學(xué)附屬第一醫(yī)院臨床研究中心彭穗教授和劉貽豪助理研究員，甲乳外科呂偉明教授，中山大學(xué)腫瘤防治中心劉隆忠教授，中山大學(xué)附屬第一醫(yī)院臨床研究中心周倩助理研究員。論文最后通訊作者為中山大學(xué)附屬第一醫(yī)院內(nèi)分泌科肖海鵬教授，超聲醫(yī)學(xué)科王偉教授及哈佛大學(xué)Erik K Alexander教授為文章的共同通訊作者。(生物谷Bioon.com）