AI 辅助甲状腺 TI-RADS 分级与风险预测-超声检查技术-1765263496085.pptxVIP

《超声检查技术》AI辅助甲状腺TI-RADS分级与风险预测AI驱动甲状腺超声诊断标准化路径

为临床决策提供标准化支撑AI系统如何基于超声图像特征实现自动化分级与风险评估AI辅助甲状腺TI-RADS分级与风险预测

临床痛点为何需要AI助力甲状腺超声诊断？甲状腺结节超声检出率已攀升至70%甲状腺癌发病率以每年9%的速度增长跃居女性恶性肿瘤第三位，8%-18%结节为恶性

临床痛点超声：低成本无创性基层医院专业医师匮乏，医师对结节特征判断一致性差（Kappa值0.18-0.30）资深医师也会因图像问题误判传统TI-RADS分级依赖人工评估，非必要FNA率48%，增加患者负担、浪费医疗资源

临床痛点2025年3月我国获批全球首张甲状腺超声AI三类证实验室临床

甲状腺TI-RADS分级核心标准结节:1.ACRTI-RADS（美国放射学会版）成分分为1-5级，对应恶性风险0%-90%。回声形态边界钙化FNA阈值设置偏保守:改良后TR4的FNA阈值升至2.5cm非必要FNA率从48%降至25%

甲状腺TI-RADS分级核心标准2.C-TIRADS（中国版）实性成分50%偏心锐角边界模糊毛刺样边缘蛋壳样钙化微钙化分级更简洁灵敏度更高

AI技术内核1标注与预处理技术：1.专业标注医生按C-TIRADS标记结节恶性特征，确保精度误差1mm2.质量优化提升图像清晰度、重建低分辨率图像，避免设备差异影响模型3.数据增强用技术融合边缘与原图像，解决恶性结节数据训练失衡

AI技术内核1标注与预处理技术：为模型泛化性奠定基础融合了4569例多中心病例数据2072个良性2497个恶性结节

AI技术内核2深度学习算法突破：1.特征检测型以改良YOLOv8为代表，优化C-TIRADS标准，增强特征提取、提升小结节检测、修正分类失衡。AP50达94.8%微钙化毛刺

AI技术内核2深度学习算法突破：2.概率预测型ResNet50评估囊实性结节最优，AUC值0.9032（高于传统0.843），精准计算恶性概率。3.三维可视化型如TNVis系统，2D超声重建3D模型（DSC0.90），辅助观察结节结构，提升初级医师准确性。

AI技术内核3AI系统的“思考步骤”：图像导入支持U盘导入指定超声设备灰阶图，自动筛选5mm以上结节病灶定位医生勾画结节轮廓，AI同步检测边缘、量化特征智能分析1秒内识别C-TIRADS特征，匹配病例，输出分级及恶性风险概率报告生成自动填入分级、特征、风险建议，支持医生修正后导出

实操指南确认超声设备在AI兼容列表内，探头频率设为7.5-12MHz。1.设备适配确保结节居中避伪影，每结节采3个正交切面（分辨率≥1024×768），否则AI提示重采。2.图像采集规范1术前准备：

实操指南2术中操作：1秒出结果，4B级标红关键恶性特征。点击“分级预测盘导入超声图像。登录系统勾画结节轮廓，系统弹窗显识别特征。在“病灶标注”界面核对AI描述，分歧时手动补特征，系统重算风险。进入“报告编辑”

实操指南3术后复核：3.看特殊情况囊实性结节AI与病理不符，需查囊性遮挡问题，可结合视频重分析1.看特征匹配度对比AI识别特征与图像实际，AI提示实性占比需手动确认2.看临床结合度患者有癌家族史，AI3级也需上调一级建议随访

临床价值(2)医疗资源优化：AI将非必要FNA率从48%降至24%，年减1200万例穿刺，省超30亿元。(1)诊断效能提升：改良AITI-RADS的AUC、特异度、准确度分别达0.81、73%、75%。

临床价值（3）全周期管理落地智能随访模块监测结节变化，结合AI生成管理方案提升甲状腺癌早期检出率27%筛查诊断随访干预

局限与展望TNVis等3D系统在手术场景中边缘捕捉能力有限数据不平衡可能导致罕见结节漏判小体积微钙化（0.1mm）识别率待提升

局限与展望1.多模态融合结合超声影像组学与临床数据，建预测模型，AUC有望破0.952.可解释AI可视化展示AI“思考过程”，标记关键特征，增医生信任度3.基层适配开发轻量化模型适配低端设备，配5G实现远程会诊，推资源下沉

总结AI辅助甲状腺TI-RADS分级的核心知识TI-RADS标准基础AI的“数据-模型-流程”技术内核实操系统使用步骤提升诊断效能、优化资源配置中的实战价值

《超声检查技术》感谢观看！