駐報全媒體記者  肖鵬飛

甲狀腺疾病是內分泌系統中的常見病，傳統診斷主要依賴于超聲圖像的解讀，但超聲圖像的非標準化特性，加上醫生的掃查手法、解讀的不同，以及病人的個體差異等因素，使得診斷結果容易受到影響。

佳和醫院的這一創新舉措，正是為了解決這些難題。

在實際運用中，AI系統就像開了“外掛”，瞬間標記結節位置、精準計算大小，檢測速度和準確性都大幅提升。

該AI系統能夠在短時間內完成對甲狀腺結節的定位、分級和特征分析，甲狀腺結節檢測中的敏感度可達95%，特異性達到85%，檢測速度和準確性遠超傳統設備。不僅減少了患者的等待時間，還降低了誤診和漏診的風險。

佳和醫院影像科負責人表示：使用人工智能(AI）輔助診斷系統實現結節秒級檢出、病灶智能定位、精確識別臨床易漏診結節，賦能高效閱片，同時提供大小、體積、密度、征象、組學特征、多維化分析等信息，輔助醫生良惡性診斷，助力病情評估，閱片效率大大提升。

目前，除超聲檢查外，臨床上對甲乳結節良惡性判定主要采用的是穿刺活檢，獲取結節組織樣本進行細胞病理診斷的方式，此類方式屬于有創檢測診斷，需要一定的技術儲備、較長的等待時間和較高的經濟費用。

AI輔助診斷技術匯聚全國多家醫院數十萬張彩超圖像，在患者進行超聲檢查過程中，實時同步分析超聲影像，給出人工智能精準判斷結果，實現甲狀腺結節良惡性的無創判定。

通過AI的強大學習能力，可以對結節的位置自動標注，對結節縱橫比、邊界、回聲、鈣化等病灶特征進行分析，既明確了結節的生長位置及術前定性，又使部分術前診斷不明確的患者避免手術，減少了不必要的痛苦。大量臨床數據驗證，人工智能輔助超聲診斷對甲狀腺、乳腺結節的診斷準確率可高達95%以上。

心臟冠狀動脈硬化是導致冠心病的主要原因，早期診斷能夠有效降低心肌梗死、心力衰竭等嚴重并發癥的發生風險。

傳統的冠狀動脈硬化診斷主要依賴冠狀動脈造影、CT血管造影（CTA）等影像學檢查，這些方法雖然具有較高的準確性，但存在檢查流程復雜、依賴醫生經驗、診斷耗時長等問題。

AI技術在心臟冠狀動脈硬化診斷中的應用，有效彌補了傳統方法的不足。

通過對大量冠狀動脈CTA圖像的深度學習，AI算法能夠自動識別血管壁的鈣化斑塊、非鈣化斑塊以及混合斑塊，準確評估血管狹窄程度。此外，AI還能通過對患者的年齡、性別、血壓、血脂等臨床數據進行綜合分析，預測冠狀動脈硬化的發病風險，為疾病的早期預防提供科學依據。

肺癌是全球發病率和死亡率最高的惡性腫瘤之一，早期發現肺部腫瘤并進行干預，患者的五年生存率可大幅提高。

然而，肺部早期腫瘤在影像學上往往表現為微小的結節，容易被漏診或誤診。AI輔助診斷技術為肺部早期腫瘤的篩查帶來了新的希望。

基于深度學習的AI算法能夠對胸部CT圖像進行高精度的分析，不僅可以快速檢測出直徑小于5毫米的微小肺結節，還能根據結節的形態、密度、邊緣等特征，判斷其良惡性。同時，AI還可以對患者的多期CT影像進行動態對比分析，監測肺結節的生長變化，為臨床治療方案的制定提供有力支持。