甲状腺结节的医学影像分析及人工智能应用

甲状腺癌是人类内分泌系统中常见的内分泌恶性肿瘤，80-90%的甲状腺癌是分化良好的甲状腺乳头状癌。近几年的甲状腺癌的流行病学显示，甲状腺癌尤其是分化型甲状腺癌的发病率显著上升，其是一种分化及预后较好的恶性肿瘤，但是仍有较高的淋巴结转移风险及一定的复发和远处转移的发生率。随着发病率的提升，虽然致死率没有显著上升，但是甲状腺肿瘤患者在术后仍然有生活治疗下降，声音嘶哑，低钙血症，甲状腺功能减退等并发症及术后症状，同时极大增加了社会医疗负担。 目前，对于甲状腺癌术前淋巴结的临床检查主要是通过超声和超声引导下的穿刺活检。虽然超声在发现甲状腺癌病灶方面有其诊断价值，但是超声对于中央区淋巴结转移的诊断能力却十分有限；对于侧区淋巴结转移的诊断较为准确，但是对于潜在的淋巴结转移灶，超声的诊断能力还是较为缺乏。同时，超声引导下的穿刺活检作为一项有创性检查，也存在着感染、血肿等并发症。因此，对于甲状腺癌淋巴结转移精准的预测和评估一直是诸多临床团队的研究方向。国际国内诸多团队先后寻找多种预测淋巴结转移的风险因子，构建相关的预测模型进而更全面精准地对淋巴结转移风险进行评估。 例如 Wu 团队在对 796 名甲状腺乳头状癌患者进行研究后发现，当?BMI ≥18.5?kg/m 时，患者的淋巴结转移情况随着患者 BMI 的增加而增加。Suman 团队研究发现，在对 39562 名甲状腺乳头状癌患者进行分析后显示，年龄≤45 岁，亚洲种族，男性和较大的肿瘤与中央区淋巴结的转移相关。Liu 团队在对单中心的 3273 名甲状腺乳头状癌患者的回顾性分析中发现，性别、年龄、肿瘤直径、甲状腺外侵犯，多灶性等因素与中央区淋巴结转移有关，且性别、年龄、肿瘤直径等是中央区淋巴结转移的独立危险因素。在构建预测模型方面，目前根据多因素分析发展形成的 nomogram 预测模型已经成熟并为研究者广泛接受。Thompson 团队较早构建出淋巴结转移的 nomogram 预测模型，相关成果发表在知名杂志 Thyroid 上。来自上海肿瘤医院的 Wang 团队在超 8000 例甲状腺乳头状癌患者的大数据基础上对原预测模型进行了重新设计及完善，诸多还过团队也报道过各自具有优势的预测模型，这些 nomogram 最突出的优点在于其预测的准确性要远高于单个因素的预测能力甚至超过超声对于淋巴结的预测能力。 目前甲状腺肿瘤术前诊断精确度已经可以达到相当高的水平，但是对于滤泡样肿瘤，髓样癌及未分化癌等特殊类型的甲状腺肿瘤，超声诊断的特异性较差，其他如 CT，磁共振，肿瘤指标等辅助检查手段的诊断能力都比较有限，因此对于对甲状腺肿瘤进行全面精准的术前预测就需要针对上述特殊类型肿瘤类型进行研究。目前的临床模型，传统放射组学模型，甚至包括术前穿刺细胞学检查都无法做出准确的诊断，但人工智能（AI）却在诸多研究中显示出良好的信息提取能力及预测诊断能力，相关研究也都发表在诸多国际顶级刊物上。因此，我们希望通过本研究及相关临床模型的建立，能够有效提升甲状腺肿瘤术前诊断的准确性及特异性，进而为甲状腺肿瘤的精准治疗提供重要的理论基础和参考模型。