甲状腺结节超声检查工作量大、良恶性判读依赖医师经验，是医疗影像AI落地的典型场景。本实验室近期围绕超声影像AI辅助分级开展阶段性实验，重点解决标注样本有限与类别不均衡问题。
主要进展：
- 基于预训练视觉模型微调，结合弹性形变与灰度扰动等数据增强策略，在约3000例回顾性超声图像上完成初步训练，良恶性二分类敏感度约0.91、特异度约0.85，与高年资医师独立判读结果的一致性处于中等偏上水平；
- 引入TI-RADS分级标签作为辅助监督信号，使模型输出与临床常用分级体系对齐，便于医师复核与采纳。
下一步计划：扩充多中心数据以评估跨设备泛化能力，开展小规模前瞻性验证，并完善边缘案例的医师反馈闭环。需要说明的是，上述结果均为回顾性数据上的实验结论，尚不能直接用于临床诊断，后续将以病灶辅助定位与分级提示的形式谨慎推进。
评论