张强 张仑 王旭东 王东 姚晓峰 周旋 李祥春

甲状腺癌是内分泌系统最常见的恶性肿瘤，近几十年全球发病率增长迅速［1-2］。在中国甲状腺癌已经跃居女性恶性肿瘤的第4位［2］，成为严重威胁居民身心健康的高发恶性肿瘤之一。有研究［2-4］认为甲状腺癌发病率的增长与过度诊断相关，但不能完全除外甲状腺癌发病率的实际增长［5］。在碘充足人群中通过体格检查（颈部触诊）发现甲状腺结节患病率约5%［6］，而影像学检查发现隐匿性甲状腺结节患者比例高达33%～68%［7］，其中约7%～10%的结节存在恶性风险［8-10］。甲状腺癌影像诊断首选超声，当超声检查发现高危结节时，需进行活组织检查/分子检测，进而决定是否手术治疗，而中低危患者需行超声随访。分化型甲状腺癌淋巴结的转移率也高达20%～50%［11］，部分临床数据显示更高。甲状腺癌伴淋巴结转移时，患者术后终生服药、甲状旁腺功能损伤及相关神经功能损伤等风险也相应增加。

临床上需要通过超声对甲状腺结节及颈部淋巴结进行系统性评估管理［12］，包括甲状腺结节分级、颈部淋巴结评估。中国医疗资源欠均衡，甲状腺超声诊断水平在部分医疗机构相对薄弱，亟需一种根据影像自动化、快速准确诊断的方法。近年来人工智能（artificial intelligence，AI）领域的深度学习（deep learning，DL）算法飞速发展，其在医学图像诊断领域展示出强大的性能，为甲状腺超声的AI 管理（artifi⁃cial intelligence management，AIM）提供了契机。

1 甲状腺结节超声诊断现状

甲状腺的评估可以使用几种影像技术进行。包括普通放射线照相、放射性核素成像、超声检查、电子计算机断层扫描和核磁共振成像等检查。……