2021年3月22日，中山大學附屬第一醫院肖海鵬教授團隊研究成果“Deep learning-based artificial intelligence model assists in thyroid nodule management: a multi-center, diagnostic study”在柳葉刀AI子刊The Lancet Digital Health雜志上發表。
甲狀腺結節在成人的檢出率高達40-66%。甲狀腺超聲是鑒別結節良惡性的首選無創手段，但存在15%-20%的誤診率。肖海鵬教授團隊利用深度學習技術，基于近2萬張甲狀腺結節超聲圖像構建了AI診斷模型ThyNet，并與12名資深超聲醫師進行交互，在7個中心的數據集對模型進行了驗證。ThyNet模型在外部多中心驗證的準確率超過了擁有10年以上甲狀腺超聲經驗的專家的水平。結合ThyNet和ACR TIRADS指南建立的AI輔助決策模型，使臨床需要依靠有創的甲狀腺細針穿刺活檢的病人比例從87.7%下降到53.4%，而漏診率僅增加了0.4%。
目前學界對如何將AI應用于臨床及其背后的倫理風險仍存在廣泛爭議。肖海鵬教授團隊的研究發現當超聲醫生和AI診斷建議不一致時，有一半的醫生修改了診斷，但卻有四分之一的診斷是被病理證實為錯誤修改。研究首次對AI如何具體影響臨床決策和醫療行為及其可能的倫理風險提供了數據支持。
ThyNet模型和ACR TIRADS指南聯合建立的AI輔助FNA 決策模型
論文第一作者是中山大學附屬第一醫院臨床研究中心彭穗教授和劉貽豪助理研究員，甲乳外科呂偉明教授，中山大學腫瘤防治中心劉隆忠教授，中山大學附屬第一醫院臨床研究中心周倩助理研究員。論文最后通訊作者為中山大學附屬第一醫院內分泌科肖海鵬教授，超聲醫學科王偉教授及哈佛大學Erik K Alexander教授為文章的共同通訊作者。
本項目由中山大學附屬第一醫院臨床研究中心、內分泌科、超聲醫學科、甲乳外科和醫療大數據中心共同牽頭完成，聯合了華南6家大型三甲醫院（廣西醫科大學附屬第一醫院、中山大學附屬第三醫院、中山大學附屬第六醫院、廣州中醫藥大學附屬第一醫院和中國人民解放軍南部戰區總醫院）和哈佛大學布列根和婦女醫院。清華大學和小白世紀團隊協助完成工學網絡。該成果充分體現了多學科、交叉學科和多中心的協作創新和優勢互補，獲得了雜志官方網站的首頁推介。
論文鏈接：https://www.thelancet.com/journals/landig/article/PIIS2589-7500(21)00041-8/fulltext
