超声是甲状腺结节筛查的一线手段，但基层医院标注数据有限、医师经验差异较大，直接套用通用视觉模型往往表现不稳。实验室近期围绕小样本条件下的结节良恶性辅助分级开展实验性研究，采用在自然图像上预训练的视觉编码器，配合参数高效微调（LoRA）与病灶区域先验约束，降低对大规模标注的依赖。在合作医院脱敏数据上的初步验证显示：约1200例经病理确认的结节图像中，模型对恶性结节的敏感度达到0.89，TI-RADS分级与医师判断的一致率（Cohen's Kappa）为0.72，较基线模型提升约6个百分点。下一步计划：一是引入不确定性估计，对低置信度病例主动提示复核，避免过度依赖模型输出；二是联合两家基层医院开展多中心外部验证，重点考察不同设备型号带来的域偏移问题。需要说明的是，上述结果均为阶段性内部评估，尚未进入临床决策流程，团队将持续以务实节奏推进验证与迭代。
评论