综述:甲状腺结节人工智能应用的批判性综述:从诊断准确性到临床决策转化的评估
《Diagnostics》:Artificial Intelligence for Thyroid Nodule Diagnosis: From Multimodal Integration to Clinical Utility
【字体:
大
中
小
】
时间:2026年10月09日
来源:Diagnostics 3.8
摘要
甲状腺结节的AI应以其所改变的临床决策来评估,而不应仅凭诊断准确性。本批判性叙述性综述考察了超声、细胞学、组织学和分子模型,并区分了各模态专属预测与实际实施的多模态学习。原PubMed/MEDLINE检索截至2026年8月10日,后于2026年9月25日通过针对性OpenAlex检索以及对原始出版物、报告标准和监管来源的核查进行了补充。所选研究按样本量、参考标准、采集场景、测试设计以及(在有条件时)含置信区间的性能进行比较。我们解释了特征拼接、中间表示学习、交叉注意力和决策级融合,并考察了整合是否优于最强单模态成分。已报告的增益并不一致,且完整病例的多模态数据集可能排除了与避免活检最相关的低风险结节。对组织学恶性或隐匿性淋巴结疾病的高判别力并不能证明过度诊断减少、手术减少或生存改善。因此,甲状腺专属的转化路线图应涉及主动监测、部分验证与谱系偏倚、桥本甲状腺炎与多结节疾病、细胞学制片方式变化、分类特定阈值、操作者依赖性、报告框架以及监管变更控制。优先事项是开发一个经过校准并通过外部验证的工具,利用在既定临床决策节点可用的信息,随后对患者结局和流程结局进行前瞻性评估。统一的影像–病理–组学系统以及AI对监测进展的可靠预测仍属研究目标,而非已确立的临床能力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号