据悉，日前徐州医科大学附属医院设备处的医工团队开发出人工智能的甲状腺结节筛查系统。该系统可以有效辅助基于超声图像的甲状腺结节良恶性分类，目前已经通过预实验阶段，良恶性分类准确率达到87%。

原始超声图像（恶性）

手工标记图像

神经网络智能分割效果

  前不久，首部《人工智能蓝皮书：中国医疗人工智能发展报告（2019）》正式发布。报告显示，人工智能前沿技术正在快速融入医疗。以人工智能辅助影像诊断的产品便是其中具有代表性的一类。

原始超声图像（良性）

手工标记图像

神经网络智能分割效果

  目前，全国范围内体检人员的甲状腺结节的检出率明显增加，根据我市相关调查文献显示我市甲状腺结节在正常人群中检出率高达到21.79%，而在众多甲状腺结节中约5%—15%为甲状腺癌，很多人“谈甲变色”，临床经验表明，早发现、快治疗，能有效改善病人的预后。

 记者了解到，徐医附院医学工程师会同超声科医生、病理科医生进行了深入充分的交流，确立了项目方向。2019年1月到3月，共在徐医附院收集拥有病理金标准的病人资料5000人余次，相关图片10余万张（图像病人资料相关敏感信息已做处理）。根据大量的超声图像数据，以病理结果作为金标准，构建神经网络模型，不断训练提高模型的精确度，将人工智能技术运用到甲状腺结节超声筛查上，以大数据平台与人工智能技术为依托进行超声图像诊断，既提高了超声诊断的信息化水平，减轻了超声医生工作量、提高了诊断结果的准确性，又缩短了病人等待时间和不必要的费用支出，改善了医患关系。

  不仅如此，为了给研究提供多维度、多数据的参考，积累大量翔实的临床数据，攻克重点研究问题，该项目形成了 “多中心”合作模式。该项目得到了南京市第一人民医院医学工程部的支持，并且于今年5月份签署了合作协议书，提供医学影像数据的双中心合作方案。人工智能发展、算法的及时更新直接关系到后期数据分类准确率，为了保证始终有最新算法的支持，徐医附院项目团队还和上海理工大学人工智能团队签署了合作协议，确保技术上的领先优势。

  截至6月初，实验团队已经完成了基于300例病人数据的预实验，甲状腺结节良恶性的分类准确率已经达到了87%，将医生的诊断时间从原来的10-15分钟，缩短到几秒钟。相信通过人工智能的方法，不仅可以有效辅助诊断甲状腺结节良恶性，同时对其他疾病的诊断治疗具有一定的借鉴意义。

  运用医工结合方式，将AI赋能医院、赋能门诊，为医生提供效率优化工具和决策支持服务赋能，徐医附院设备处正在用实际行动助力“健康中国”的建设。

扫一扫，分享本页