近日，中山大学附属第一医院肖海鹏教授团队在甲状腺癌人工智能精准诊疗领域的最新研究成果“Deep learning to predict cervical lymph node metastasis from intraoperative frozen section of tumour in papillary thyroid carcinoma: a multicentre diagnostic study”在柳叶刀子刊eClinicalMedicine（IF=17.033）发表。

准确鉴别甲状腺乳头状癌患者的淋巴结转移，以进行合理、彻底的颈部淋巴结清扫术和科学的术后分层管理，对改善患者预后具有重要临床意义。然而术前超声和CT对颈部淋巴结转移的诊断效能欠佳，亟需新的手段指导甲状腺乳头状癌患者的手术决策。

肖海鹏教授团队利用深度学习技术，基于3800余张甲状腺乳头状癌术中冰冻病理切片，构建淋巴结转移人工智能预测模型ThyNet-LNM，在4个中心的数据集对模型进行了验证，并与术前颈部超声和CT检查结果进行比较。研究发现，ThyNet-LNM模型在外部多中心验证的准确性显著优于术前颈部淋巴结超声和CT检查。基于ThyNet-LNM模型的预测结果开展颈部淋巴结清扫术，可将非进展期甲状腺乳头状癌患者不必要的淋巴结清扫率从56.4%减少至14.9%，减少手术创伤和并发症的风险。

本项目由中山大学附属第一医院牵头,联合华南地区3家大型三甲医院和哈佛大学布列根和妇女医院共同完成。该成果充分体现了多学科协作和医工交叉的优势互补，以及多中心区域协作和国际合作的前景。

来源：中山一院

编辑：章智琦

初审：潘曼琪

审核：郑亦楠

复审：彭福祥

终审：张  弩

版权归原作者所有，若有违规、侵权请联系我们