Nat Commun：上海交通大学姚思琼等团队研究发现多模态深度学习超声成像可预测甲状腺癌侧淋巴结转移

2025-08-05 iNature 等2家媒体报道 科研进展





打开微信“扫一扫”
点击右上角分享按钮

上海交通大学姚思琼等团队开发了LLNM-Net，一种基于多模态深度学习的超声成像模型，用于预测甲状腺癌侧淋巴结转移。该模型融合了来自7个中心29,615名患者和9836例手术病例的术前超声图像、放射学报告、病理结果和人口统计学数据。在多中心测试中，LLNM-Net实现了0.944的AUC和84.7%的准确率，优于人类专家（64.3%）和其他现有模型。研究发现，距甲状腺囊0.25 cm以内的肿瘤有72%的转移风险，其中中叶和上叶为高危区。该模型通过结合位置、形状、回声性、边缘、人口统计学和临床医生的输入，进一步实现了识别高风险患者的AUC为0.983。因此，LLNM-Net是一种有潜力的术前筛查和风险分层工具，有助于指导手术策略和预后评估。（摘要由动脉网AI生成）