甲状腺结节超声AI辅助筛查：阶段性进展

本实验室近期围绕基层超声场景开展甲状腺结节AI辅助筛查的实验性探索，目标是缓解基层超声医师不足、结节漏诊率偏高的问题。我们联合两家合作医院构建回顾性数据集，涵盖约12000例颈部超声图像，由两名高年资医师双盲标注，分歧样本交由第三方仲裁，以保证标签一致性。模型采用半监督预训练加病灶区域细化的两阶段方案，以降低标注成本并提升小结节敏感度。阶段性要点如下：
① 在内部留出测试集上，模型对≥5mm结节的检出敏感度约93%、特异度约88%，良恶性分类AUC约0.86，较基线模型提升4~6个百分点；
② 引入关键区域可视化与置信度分层输出后，试点医师复核平均耗时下降约18%。
需要说明的是，上述结果均来自回顾性数据，尚未经过前瞻性多中心验证，模型输出仅作辅助参考，不能替代医师判断。下一步我们将按伦理流程启动前瞻性临床验证，并推进轻量化模型在便携超声设备端的部署测试，重点评估不同设备参数下的鲁棒性。