廣東醫生研發甲狀腺細胞學AI輔助診斷系統上線

　　高質量的數據標注是人工智能（AI）模型能夠準確學習和模擬專業病理診斷過程的基礎。近日，中山大學孫逸仙紀念醫院細胞分子診斷中心研究團隊牽頭開發一款名為ThyroPower系統（甲狀腺細胞學AI輔助診斷系統）正式上線，有望解決甲狀腺結節診斷臨床痛點問題。

　　甲狀腺乳頭狀癌是最常見的甲狀腺癌類型，通常預后良好。然而，也有少數類型的甲狀腺乳頭狀癌、甲狀腺髓樣癌以及甲狀腺未分化癌，預后較差。鑒于甲狀腺結節的高發和甲狀腺癌的健康風險，對甲狀腺結節進行精準診斷至關重要，對于超聲檢查懷疑有惡性風險的甲狀腺結節，細針穿刺（FNA）細胞病理診斷能提供直接和確切的證據來判斷甲狀腺結節的良惡性，是診斷甲狀腺結節的關鍵環節。

　　記者了解到，ThyroPower系統由中山大學孫逸仙紀念醫院教授歐陽能太和副研究員張寅團隊主導研發，廣州醫科大學附屬第三醫院、佛山市第一人民醫院和四川省腫瘤醫院參與驗證的研究成果。該系統有很高的靈敏性和特異性，能快速、準確地對甲狀腺結節進行細胞病理診斷，顯著提升細胞病理學家診斷的準確性和效率。目前，該系統已在超過50家醫院落地應用。

　　ThyroPower由經驗豐富的細胞病理學家進行數據標注。細胞病理學家不僅具備識別和解釋復雜病理樣本的專業能力，而且能夠精準地識別出病理圖像中的關鍵特征，如細胞類型、形態變化和病變程度等。他們的專業判斷和詳細標注為訓練AI模型提供了必要的、準確的訓練目標和質量控制標準，將顯著提高模型的準確性和可靠性。

　　除了高性能外，ThyroPower系統的模型診斷流程還能模仿病理學家的診斷過程，即掃描整張涂片以查看是否有異常細胞，然后根據所發現的情況給出診斷。系統“定位”到可能為異常的細胞或細胞團后，構建全切片級分類器。并通過在診斷階段融合兩個分類器模型來模仿多位專家做出診斷的場景。

　　“但細胞病理學家的角色是不能被取代的。”歐陽能太表示，在現實的應用場景中，ThyroPower系統通過顯示感興趣區域（ROI）與AI的最終判讀結果，細胞病理學家可以有效地瀏覽這些ROI及AI判讀結果并做出最終的診斷決定。“ThyroPower系統在現實世界的臨床實踐中具有重要應用，特別是在資源有限或偏遠地區，有望大幅緩解病理醫師的短缺。”歐陽能太說。