根據(jù)JAMA耳鼻喉科發(fā)表的新發(fā)現(xiàn)，將機(jī)器學(xué)習(xí)和超聲技術(shù)相結(jié)合可以幫助醫(yī)療保健人員診斷甲狀腺結(jié)節(jié)。
?

在評(píng)估甲狀腺結(jié)節(jié)時(shí)，通常下一步是超聲檢查，活檢和細(xì)針穿刺(FNA)檢查。分子測(cè)試是另一種選擇。但是AI能否在這些患者的風(fēng)險(xiǎn)分層中發(fā)揮關(guān)鍵作用?這正是研究人員想要探討的問(wèn)題。

費(fèi)城托馬斯·杰斐遜大學(xué)放射學(xué)副教授約翰·艾森伯里(John Eisenbrey)博士說(shuō)：“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)?！痹跍?zhǔn)備好的陳述中?！霸诔晫?duì)甲狀腺結(jié)節(jié)的遺傳風(fēng)險(xiǎn)分層中，沒(méi)有人使用過(guò)機(jī)器學(xué)習(xí)?！?/p>

該研究的作者訓(xùn)練了一種算法，該算法具有121位接受超聲引導(dǎo)的細(xì)針穿刺活檢和分子檢測(cè)的患者的影像學(xué)發(fā)現(xiàn)。機(jī)器學(xué)習(xí)幫助算法“學(xué)習(xí)”了評(píng)估甲狀腺結(jié)節(jié)時(shí)要尋找的內(nèi)容，能夠達(dá)到97%的特異性，90%的預(yù)測(cè)陽(yáng)性值和77.4%的準(zhǔn)確性。

托馬斯·杰斐遜大學(xué)(Thomas Jefferson University)的共同作者伊麗莎白·科特里爾(Elizabeth Cottrill)表示：“這是外科醫(yī)生和放射科醫(yī)生之間如此重要的合作，其他機(jī)構(gòu)也已經(jīng)開始集中我們的資源?！拔覀兲峁┙o算法的數(shù)據(jù)越多，我們期望它就會(huì)變得越強(qiáng)大和更具預(yù)測(cè)性?！?/p>

Eisenbrey補(bǔ)充說(shuō)，研究人員已經(jīng)在展望未來(lái)如何改進(jìn)這項(xiàng)工作。他們希望利用特征提取，例如“幫助我們識(shí)別高風(fēng)險(xiǎn)結(jié)節(jié)的解剖學(xué)相關(guān)特征”。