甲状腺超声 AI 辅助诊断系统

助年轻医生提升诊断力

多模态多任务模型同时分析超声图像特征，辅助放射科医生更准确识别甲状腺癌

Gui, Yu · 张学瑞 · 何昀 · Li, Tingting · 彭丹 · Yuan, Juan · Li, Wenhan · Wu, Xin · Li, Shichao · Haiyan, Fan · Yang, Xi · Cui, Xiang · Yang, Ying · Zeng, Lingjuan · Song, Dajiang · 李建辉 · Wang, Peng · 陈林

JNCI Cancer Spectrum 2026

参数信息

AUC（内部验证）

0.951

敏感性

98.7 %

回声属性判断准确率

87.56 %

形状分类准确率

69.21 %

技术优势

诊断更准

模型在内部验证队列 AUC 达 0.951，敏感性 98.7%，三个外部验证队列 AUC 最高 0.871，均达到较高水平。

多维特征自动判读

系统能自动识别回声和形状等关键特征，其中回声属性判断准确率达 87.56%，形状分类准确率 69.21%。

应用场景

• 甲状腺结节筛查：自动分析结节图像，辅助医生快速筛查甲状腺癌，减少漏诊。
• 超声影像分析：自动提取和判读回声、形状等关键超声特征，提高判读一致性。
• 医疗 AI 辅助诊断：作为放射科医生的辅助工具，提升诊断准确性，尤其帮助年轻医生。
• 医学影像智能分析：利用多模态多任务模型自动分析影像，减轻医生工作负担。