随着人工智能技术的兴起，已彻底改写了多行业多领域的发展规则。特别是在临床医疗领域，AI技术更是得到了普及应用，并发挥出了惊人的作用。极大地提升了医疗治疗效果与精准度，为推动精准医疗发展贡献出了宝贵经验。

　　再生医学网获悉，近日，中山大学附属第一医院肖海鹏教授团队研究成果“Deep learning-based artificial intelligence model assists in thyroid nodule management：a multi-center，diagnostic study”在柳叶刀AI子刊The Lancet Digital Health杂志上发表。论文第一作者是中山大学附属第一医院临床研究中心彭穗教授和刘贻豪助理研究员，甲乳外科吕伟明教授，中山大学肿瘤防治中心刘隆忠教授，中山大学附属第一医院临床研究中心周倩助理研究员。论文最后通讯作者为中山大学附属第一医院内分泌科肖海鹏教授，超声医学科王伟教授及哈佛大学Erik K Alexander教授为文章的共同通讯作者。

　　甲状腺结节在成人的检出率高达40-66%。甲状腺超声是鉴别结节良恶性的首选无创手段，但存在15%-20%的误诊率。为解决这一难题，肖海鹏教授团队利用深度学习技术，基于近2万张甲状腺结节超声图像构建了AI诊断模型ThyNet，并与12名资深超声医师进行交互，在7个中心的数据集对模型进行了验证。ThyNet模型在外部多中心验证的准确率超过了拥有10年以上甲状腺超声经验的专家的水平。结合ThyNet和ACR TIRADS指南建立的AI辅助决策模型，使临床需要依靠有创的甲状腺细针穿刺活检的病人比例从87.7%下降到53.4%，而漏诊率仅增加了0.4%。

　　目前学界对如何将AI应用于临床及其背后的伦理风险仍存在广泛争议。肖海鹏教授团队的研究发现当超声医生和AI诊断建议不一致时，有一半的医生修改了诊断，但却有四分之一的诊断是被病理证实为错误修改。研究首次对AI如何具体影响临床决策和医疗行为及其可能的伦理风险提供了数据支持。

　　近年来，随着基础科研水平的提升，也带动着以AI技术为代表的多种新技术得以突破。对此，再生医学网认为，随着该项研究成果的问世，将会提升AI技术在医学领域的实际应用价值。不过，需要强调的是，该项研究成果目前尚不成熟，仍待科学家进一步完善。