《表2 AI在甲状腺病理学中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能在甲状腺癌精准化诊疗中的研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

GEC：基因表达分类器；*：仅为验证集

FNAB诊断在细胞病理学TBSRTC报告系统中可分为6级，Ⅲ、Ⅳ级不确定结节存在14.00%～25.00%的恶性风险，临床管理中可选择手术治疗[1]，但患者必然承担手术带来的身心负担和术后并发症的风险。Zoulias等[26]联合ANN、SVM和k-NN对2 036张穿刺涂片进行良恶性分类准确率达98.60%，在对FNAB不确定的结节（73张）检验时，与FNAB(50.00%）相比，该模型（84.60%）在整体准确率上有显著提高。Alexander等[27]和Patel等[28]均从基因层面对同一组不确定结节良恶性鉴别获得相似的敏感性，前者利用167种相关基因表达分类特异性为52.00%；后者利用RNA基因测序分类器（genomic sequencing classifier，GSC）特异性为68.00%；嗜酸性细胞肿瘤是Ⅲ、Ⅳ级定性的难点，两者对其分类时特异性分别为11.80%和58.80%。上述两种模型均已实现产品化。AI在不确定结节中的应用将有效减少不必要甲状腺的切除。上述研究主要特点见表2。