《Frontiers in Endocrinology》:Integration of AI-driven ultrasound and molecular testing to improve diagnosis of indeterminate thyroid nodules
编辑推荐:
背景:不确定甲状腺结节(Bethesda III/IV级)的临床管理颇具挑战:超声与细针穿刺(fine-needle aspiration,FNA)常无法提供确定性结果,因此许多患者接受了诊断性肺叶切除术,而最终病理学检查证实其中相当一部分结节为良性。人工智能
背景:不确定甲状腺结节(Bethesda III/IV级)的临床管理颇具挑战:超声与细针穿刺(fine-needle aspiration,FNA)常无法提供确定性结果,因此许多患者接受了诊断性肺叶切除术,而最终病理学检查证实其中相当一部分结节为良性。人工智能(artificial intelligence,AI)增强超声与分子生物标志物平台的结合可提供互补的诊断能力。然而,关于两者联合应用的证据仍然有限,仅来自少数早期研究,且尚未在大规模或前瞻性队列中得到验证。方法:研究人员对PubMed(2012—2025年)进行了系统性检索,纳入评估以下方法在不确定甲状腺结节中诊断性能的研究:传统超声联合FNA、AI辅助超声、分子生物标志物平台(Afirma、ThyroSeq、ThyGeNEXT、ThyraMIR),以及将AI增强超声放射组学与分子生物标志物检测相结合的多模态整合方案。检索限于英文文献。在应用纳入与排除标准后,共纳入49项研究。提取的结局指标包括敏感度、特异度、阴性预测值(negative predictive value,NPV)和阳性预测值(positive predictive value,PPV)。采用QUADAS-2对研究质量进行评价,并参照TRIPOD与STARD-AI指南对模型报告透明度进行基准评估。由于方法学异质性较大,未进行荟萃分析或统计学合并;汇总值为非加权描述性均值,并附观测范围。结果:传统超声联合FNA细胞学检查显示出较高的敏感度(71%–99.6%),但特异度变异较大(14.1%–92%),反映出Bethesda III/IV级结节中持续存在的诊断不确定性。与传统方法相比,AI增强超声倾向于提高特异度并减少假阳性结果,但各项研究间性能差异显著。分子生物标志物平台总体表现出较高的诊断性能,描述性(非加权)平均敏感度为86.8%,特异度为78.5%,NPV为91.8%,使许多患者得以避免诊断性肺叶切除术。目前仅少数研究评估了AI联合生物标志物的整合模型;这些初步结果提示可能具有附加价值,但在得出结论前仍需进一步的前瞻性验证。结论:分子生物标志物检测与AI辅助超声在提高不确定甲状腺结节诊断准确性方面均显示出前景,且早期证据提示整合这些模态可进一步细化恶性风险评估。然而,当前证据仍属初步且异质,联合方案的获益尚未得到证实。需要开展采用标准化方案和透明报告的大型多中心前瞻性试验,以验证上述发现并评估真实世界成本效益,之后方可考虑常规临床采用。
主体部分内容总结
临床问题:不确定甲状腺结节(Bethesda III/IV)
甲状腺结节被归类为Bethesda III或IV级时,是甲状腺诊断中最具挑战性的情形之一。此类结节的恶性风险不一,但常缺乏明确的细胞学或影像学特征以确诊。因此,许多患者接受了诊断性肺叶切除术,但最终病理学检查证实相当比例的结节为良性。除不必要的操作本身外,这一策略还带来显著负担,包括手术风险、终身甲状腺激素依赖、医疗成本增加以及患者焦虑。
传统超声与细胞学(FNA)的局限性
超声与细针穿刺(FNA)仍是评估甲状腺结节的主要工具,但在Bethesda III/IV级病例中均存在显著局限。甲状腺影像报告与数据系统(Thyroid Imaging Reporting and Data System,TIRADS)提供了结构化风险分层,但其准确性在不同机构和判读医师之间差异很大,常导致假阳性和可避免的手术。FNA对滤泡型病变的预测准确性也有限,且常产生非诊断性结果,进一步使临床决策复杂化。
当前分子生物标志物检测的作用(Afirma、ThyroSeq、ThyGeNEXT、ThyraMIR)
分子生物标志物检测已成为管理不确定甲状腺结节的重要辅助手段。Afirma GSC和ThyroSeq v3等平台持续显示出较高的阴性预测值,减少了许多患者的诊断性手术需求。整合mRNA、miRNA和DNA分析的多重检测进一步提高了诊断准确性,支持更个体化的管理策略。然而,检测性能可能因结节亚型和医疗环境而异,限制了其作为独立工具的可靠性。
AI增强、基于放射组学的超声工具的进展
人工智能(AI)和放射组学通过提取人眼无法察觉的定量特征推动了超声影像学的发展。AI辅助TIRADS分类器和深度学习模型在多项研究中持续优于传统超声的诊断准确性,尤其是对于不确定结节。部分研究中,AI增强超声在恶性预测方面达到或超过FNA表现,同时降低了观察者间变异,提供了更客观的风险评估。临床试验提示,AI决策支持系统可提高甲状腺癌检测的敏感度和特异度。
整合多模态诊断的理论依据
AI驱动的影像学与分子生物标志物检测具有互补优势。基于放射组学的模型可改善影像学风险分层,而分子检测则增强对结节生物学特征的表征。早期整合模型在初步研究中显示出减少假阳性和改善术前决策的潜力。然而,这些发现仅来自少数早期回顾性报告,在提出临床建议前需进行前瞻性验证。
方法
检索策略与研究选择
研究人员使用PubMed进行了系统性文献检索,时间范围为2012年1月1日至2025年12月31日,限于英文文献。检索词包括“indeterminate thyroid nodule”“Bethesda III/IV”“radiomics”“AI ultrasound”“Afirma”“ThyroSeq”“ThyGeNEXT”“ThyraMIR”等组合。共获得168条记录。符合条件的研究需报告定量诊断指标——敏感度、特异度、PPV或NPV。排除综述、病例报告、社论及缺乏定量诊断数据的研究。
资格标准(PICOS)
人群为细胞学不确定甲状腺结节(Bethesda III/IV)患者;待评估测试包括传统超声/TIRADS、FNA细胞学、AI增强超声(放射组学或AI-TIRADS)、分子生物标志物平台及整合AI+生物标志物模型;对照为传统超声和/或FNA细胞学或最终组织病理学;结局为敏感度、特异度、PPV、NPV;研究设计为前瞻性和回顾性诊断准确性及比较研究。共有49项研究纳入最终分析。
数据提取与综合
采用标准化提取表收集关键变量:研究ID(第一作者、年份)、人群特征(样本量、人口统计学)、测试模态(如传统超声、AI增强超声)及主要结局指标(敏感度、特异度、PPV、NPV)。由于方法学异质性,未进行荟萃分析或统计学合并;报告值为研究层面估计的非加权描述性均值,并附观测范围。研究按模态分组。
质量评估
采用QUADAS-2评估诊断偏倚风险,采用TRIPOD评估预测模型报告质量,采用STARD-AI评估AI特异性透明度。QUADAS-2评估显示,验证偏倚(流量与时机领域)是最常见问题,源于仅手术患者接受组织病理学参考标准确认。TRIPOD依从性部分不足,尤其是模型校准与验证。无AI研究完全符合STARD-AI要求。
结果
研究选择与特征
系统性检索获得168条记录,去重后余145条,经筛选并应用纳入/排除标准后,最终纳入49项研究。
证据质量与透明度
QUADAS-2评估显示,验证偏倚是最常见问题,因仅接受手术的患者获得组织病理学参考标准确认,导致恶性患病率被高估,敏感度估计可能膨胀。TRIPOD依从性部分不足,STARD-AI报告不完整,限制了结果的可解释性。AI性能数据应视为上界、假设生成性估计而非验证准确性。
传统超声与FNA细胞学的诊断性能
影像学风险分层(超声/TIRADS及改良评分)
He等评估了不确定结节中TI-RADS与改良评分系统。TI-RADS单独使用敏感度极高(99.6%)但特异度很低(14.1%),而新评分模型将特异度提高至90.4%,敏感度为78.4%。Talmor等发现单一超声特征效用有限。Sahli等报道TI-RADS单独分类仅提供中等敏感度和较差特异度,凸显超声在该高风险亚组中的鉴别价值有限。
细胞学诊断(FNA)
15%–30%的FNA样本产生Bethesda III/IV结果,恶性风险为20%–30%。许多患者接受诊断性肺叶切除术却最终获得良性病理,反映单独细胞学对滤泡型和不确定病变的预测准确性有限。
超声联合FNA并经组织病理学确认的联合路径
在五项代表性研究中,超声联合FNA的敏感度较高(71%–99.6%),特异度变异较大(14.1%–92%)。Liu等评估了较大混合队列,发现联合表现更强(敏感度96.1%,特异度77.7%)。由于组织病理学确认通常仅适用于手术切除结节,这些估计受验证偏倚影响。
分子生物标志物平台的诊断性能
分子生物标志物平台在技术、代次和预期诊断作用上差异显著,不应视为等同。RNA-based基因表达分类器(如Afirma GSC)和高NPV基因组分类器主要作为排除性检测,支持避免分子良性结节的手术。突变/融合panel(如ThyroSeq v3、ThyGeNEXT/ThyraMIR)在高危变异存在时提供额外的规则入信息。ThyroSeq v3在Bethesda III/IV结节中达到PPV 78.2%和NPV 75.9%。Han等随机比较了Afirma GSC与ThyroSeq v3,未观察到敏感度或特异度的显著差异,48.6%分子阴性患者避免了诊断性手术。Afirma GSC和Xpression Atlas也显示出稳健性能。大规模及质量保证研究提示,将细胞形态学与突变谱分析结合可减少诊断变异性。历史数据证实临床影响:Afirma GEC引入后,42%的不确定结节被重新分类为良性,AUS/FLUS病变的切除率从63%降至35%。总体而言,分子平台在Bethesda III/IV结节中的描述性平均敏感度约为87%,特异度约为79%,NPV超过90%,主要作为排除性工具。
AI增强超声的诊断性能
纳入的AI研究样本量从小于30例的单中心队列到超过1600例的多机构数据集不等。多数AI模型表现出高敏感度,Liu等报道敏感度96.1%、特异度77.7%,Zhou等显示敏感度96.3%、特异度89.1%。早期或较小研究敏感度较低(45%–50%),提示模型成熟度和样本量是性能的强预测因素。特异度范围为45.5%–94%。PPV不一致且依赖患病率。NPV较稳定(80%–96%),提示AI可能有助于排除恶性。部分研究将AI分类器与放射科医师比较:Liang等展示CAD系统敏感度高于放射科医师;Du等显示深度学习放射组学列线图提高了各层级放射科医师的表现。整合放射组学与临床特征的模型通常优于单输入模型。跨研究局限包括小样本、回顾性单中心设计及对手术或高危队列的偏倚。
整合方法(AI+生物标志物)
仅两项纳入研究直接评估了AI超声放射组学与分子生物标志物检测的整合,均为回顾性且单中心或双中心。Wang等比较了单独放射组学、单独分子及组合模型:放射组学模型敏感度86%但特异度较低17.6%;整合的C-thyroid模型在训练集中达到96.7%总准确度、100%敏感度和93.8%特异度,验证集中准确度97.6%、敏感度100%。Zhong等在Bethesda III结节的双中心队列中报道,整合BRAF V600E状态的临床-放射组学列线图获得最高AUC(0.824)和准确度(0.775),优于单独临床或放射组学模型。两项研究提示AI增强超声与分子分析联合具有潜在附加价值,但尚未在大规模或前瞻性队列中证实。
讨论
主要发现
本综述表明,将AI增强超声与分子生物标志物平台整合,有潜力提高不确定甲状腺结节的诊断准确性。AI放射组学和TIRADS分类器在多项研究中倾向于提高特异度,降低假阳性率。传统超声与FNA细胞学作为基线路径,描述性平均敏感度为84.5%,平均特异度为71.1%,但其较低特异度导致不必要的手术。分子生物标志物研究显示出最高的描述性平均敏感度和NPV(分别为86.8%和91.8%)。尽管整合数据有限,但分子检测的强排除能力与AI增强超声的改善特异度提示联合模态可能减少所需FNA和诊断性肺叶切除术。
验证偏倚及其对不同模态的差异影响
验证偏倚是纳入研究中最常见的偏倚来源,因组织病理学确认仅适用于手术切除结节,临床随访结节(可能为良性)被排除。恶性患病率膨胀倾向提高PPV并降低NPV。对于分子平台,手术-only谱可能低估真实世界NPV,同时膨胀表观恶性检出率。对于AI和整合模型,基于手术队列训练和测试的性能可能乐观,可能无法推广至实际分诊的低患病率人群。
临床意义:不必要手术、患者结局与成本效益
避免诊断性肺叶切除术直接解决当前实践的主要缺陷。减少可避免手术可保护患者免受手术并发症、保留甲状腺功能,并减轻心理和经济负担。多模态诊断支持更个体化的管理。早期分析提示AI增强超声联合分子检测可能通过减少不必要活检和手术改善成本效益,但节省幅度取决于当地医疗体系结构等,仍未经证实。
与其他癌症诊断中AI整合的比较
乳腺癌和肺癌中AI整合更为成熟。乳腺超声AI-CADx达到91.1%敏感度和92.4%特异度,AUC为0.948。数字乳腺断层合成中深度学习模型AUC约0.93,放射科医师AUC从0.90提高到0.92。肺癌中AI辅助CT筛查汇总敏感度94.6%、特异度93.6%,并能检测放射科医师遗漏的结节且速度更快。这些示例说明甲状腺诊断中进一步发展可能带来类似获益。
常规实践实施的障碍
主要障碍包括:依赖小型、同质或单中心数据集;透明度和可解释性不足;缺乏前瞻性多中心验证及患者相关结局证据;工作流程和PACS/EHR整合不良;监管、法律和伦理不确定性;前期成本和资源限制;以及教育、培训和利益相关者接受度方面的差距。
未来研究优先方向
优先事项包括构建覆盖不同超声设备、人口统计学和常规实践的大型多中心异质数据集;整合多模态数据(影像学+临床和分子信息);改善可解释性;在真实世界条件下开展前瞻性临床效用与验证研究;标准化成像方案、特征标注和ground-truth定义;开发部署后性能监测以检测漂移和偏倚;以及开展成本效益、工作流程整合和临床医生可接受性研究。
本综述的局限性
本综述未在PROSPERO或其他注册库前瞻性注册。检索限于PubMed,可能未完全纳入Embase、Scopus、Web of Science等数据库中的相关研究。许多纳入研究样本量很小。不同研究间纳入/排除标准及结局报告异质性较大。BRAF V600E患病率在不同人群中差异显著,且许多研究在东亚人群中进行。由于方法学异质性,未进行荟萃分析,汇总值仅为描述性。
标准化:临床采用的要求
采用AI和生物标志物诊断工具的主要障碍是缺乏标准化。成像方案、AI训练方法和生物标志物检测差异较大,产生不一致且难以重复的结果。标准化的AI训练流程、放射组学特征选择和诊断报告,以及一致的纳入/排除标准,对于产生可靠、临床相关且可重复的数据至关重要。
结论
本系统评价评估了传统超声、FNA细胞学、AI增强超声、分子生物标志物平台及其整合在不确定甲状腺结节(Bethesda III/IV)管理中的诊断性能。传统超声联合FNA提供重要基线信息,但受限于显著诊断不确定性:敏感度常高,但特异度不佳导致不必要的诊断性肺叶切除术。AI增强超声在多个队列中显示改善特异度和减少假阳性,部分研究达到或超过FNA并降低观察者间变异。分子生物标志物平台(包括Afirma GSC、ThyroSeq v3及miRNA/突变联合panel)实现高敏感度和NPV(多项研究中达90%以上),作为可靠排除工具;但PPV仍可变。这些技术有前景但尚不宜常规临床采用。当前证据受研究间异质性、AI报告不完整、验证偏倚普遍、前瞻性和外部验证有限以及标准化方案缺失等限制。整合研究数量很少,且均为回顾性单中心或双中心。在AI增强超声和整合AI-分子路径被推荐用于常规不确定结节管理前,需要大型前瞻性多中心验证、标准化成像和分子方案、透明完整的AI报告、正式成本效益分析及真实世界工作流程研究。本综述应视为有前景但初步证据的综合,而非支持当前临床实施。