人工智能时代下甲状腺结节诊治的发展现状2025.docxVIP

01术前诊断技术革新

01

02手术导航精准化

02

0

03

04术后管理个性化康复

04

术前诊断技术革新

超声诊断升级与AI结合

AI技术通过深度学习和模式识别，自动提取结节的形态特征、血流信号以

静态与动态AI在诊断中的表现Al技术提高诊断效率

笔者团队使用静态AI及动态AI进行甲状腺结节良恶性诊断，两者准确率均接近90%,为复杂病例的术前评估提供可靠依据。

AI技术通过对海量超声图像数据的高效处理，显著提升了甲状腺癌早期筛查、术前评估等环节的水平，实现了“精准医疗、智慧医疗”。

病理切片秒读技术应用

病理切片秒读技术介绍

AI技术通过对全标本图像的高效分析，可以快速提取关键特征(如细胞排列、细胞核形态、免疫表型等),辅助医生进行更精准的诊断。

ThyroPower模型应用

Wang等自主研发了名为ThyroPower的深度学习模型在TheLancetDigitalHealth发表，该模型能够快速、稳定地进行甲状腺细胞学病理诊断，其准确率达96.8%。

Al技术在病理切片中的应用优势

AI技术显著缩短了甲状腺结节诊疗过程的时间，同时在资源匮乏地区，AI可提供初步筛查结果，降低漏诊率。

基因研究助力标志物开发

01.

Al在基因组数据挖掘中的应用

利用AI模型整合研究多个公共数据库

中的基因数据，提升甲状腺结节良恶

性诊断的准确性。

02.

新治疗靶点的开发

通过AI技术分析大量甲状腺结节样本,识别与肿瘤发生、进展相关的关键基因和标志物。

03.

提高诊断准确率

基于机器学习的算法筛选出与甲状腺滤泡癌相关的差异表达基因，为新治疗靶点的开发提供依据。

手术导航精准化

神经实时追踪保护术中神经

01

01

Al在术中神经保护的应用

AI通过机器学习模型实时追踪术中神经状况，显著降低喉返神经损伤的发生率。

02

02

Al与手术医生的合作

AI系统提供实时反馈，帮助手术医生更好地掌握神经结构，提高手术安全性。

03

03

Al技术的优势

AI技术能够动态识别喉返神经的位置及其状态，尤其在复杂病例中具有重要价值

甲状旁腺识别技术进展

AI辅助近红外自体荧光显像技术

近红外自体荧光显像技术在术中识别甲状旁腺方面展现出优势，AI结合该技术可有效缩短手术医生的学习曲线并提高识别效率。

Al与机器学习模型的结合应用

利用AI与机器学习模型结合NIRAF技术，可以显著提高甲状旁腺的识别率，为甲状腺外科手术提供更精准的辅助。

多中心AI平台建设

建立甲状腺疾病诊治的多中心AI平台，整合各大医院的数据和案例，有助于持续优化诊疗方案，提高甲状旁腺识别技术的应用效果。

淋巴结转移预判模型构建

淋巴结转移风险评估

通过分析患者的影像资料、基因数据以及免疫标志物水平，AI模型能预测肿瘤对特定淋巴结群的转移风险。

减少不必要的淋巴结清扫

机器学习模型ACE-Net的应用减少了非必须的淋巴结清扫，同时不遗漏阳性病例，为临床决策提供了有力证据。

AI模型的临床应用

多中心研究收集了大量超声图像,构建了机器学习模型，有效预测淋巴结转移概率，指导术中淋巴结清扫范围。

手术方式多样化发展

微创化手术技术兴起

1

1腔镜机器人手术的普及

随着微创技术的进步，腔镜机器人手术因其切口小、恢复快的优点，逐渐被广泛应用于甲状腺癌治疗中。

远程手术技术的发展

远程手术技术的发展

5G通信技术的成熟为远程手术提供了可能，使得医生能够通过远程操控机器人系统实施高精度的甲状腺手术。

3

3AI辅助手术识别的应用

利用AI技术辅助识别甲状腺手术中的重要组织结构，提高了手术效率并降低了年轻医生的学习曲线。

远程机器人辅助手术实践

远程机器人手术的首次实施

2024年8月，笔者团队成功完成世界首例远程机器人辅助甲状腺癌根治手术

远程手术系统的高清放大功能

该系统拥有高清放大镜头，能呈现出清晰完整的手术画面并用于AI识别。

AR实时跟踪系统的应用

Lee等使用术前CT影像创建AR图像，并与机器人手术实时图像叠加，提升手术效率。

AI在手术中的应用前景

术中神经保护的AI应用

通过机器学习模型实时追踪喉返神经，降低损伤率。

甲状旁腺识别的AI辅助

结合NIRAF技术