李宁，阚艳敏，李晓松，王艺桦，张曼，孟健，马琳

本研究创新性：

（1）分别基于甲状腺乳头状癌患者结节常规超声、实时剪切波弹性成像、超声造影检查结果构建决策树模型，归纳出各超声检查技术诊断甲状腺乳头状癌的要点；（2）构建基于多模态超声的甲状腺乳头状癌决策树模型，为综合利用多种超声检查技术及进行分层、逐步诊断提供了参考依据；（3）通过评估各决策树模型诊断效能发现，基于多模态超声的甲状腺乳头状癌决策树模型的诊断效能明显高于基于常规超声、实时剪切波弹性成像、超声造影的甲状腺乳头状癌决策树模型，为临床提供了新的诊断思路。

甲状腺乳头状癌（papillary thyroid carcinoma，PTC）是最常见的甲状腺癌病理类型，据统计，其在全球范围内快速增长的癌症患者中所占比例高达90%［1］。通常情况下，PTC生长缓慢、预后良好，但仍有部分PTC具有侵袭性，因此及早发现并明确诊断对指导临床早期干预具有重要意义［2］。

随着机器学习方法、人工智能技术及医院信息化管理的快速发展，可靠性高的临床辅助诊断决策系统的研制成为近年来提升PTC诊断精度和治愈率的重要方向。作为一个分类器，决策树模型可将检查结果逐层分类为正确与错误，进而获得最优诊断方案。目前，决策树模型已较广泛地用于多种疾病的诊断、预后管理等［3-5］，但关于其在甲状腺癌中应用的研究报道较少。本研究旨在构建基于多模态超声的PTC决策树模型并评估其诊断效能，为临床提供新的诊断思路。……