Page 29 - 《中国医疗器械杂志》2026年第1期

Chinese Journal of Medical Instrumentation 2026年 第50卷 第1期

医 学 人 工 智 能

fold cross-validation, and tested on an independent external validation set (n=835), and SHAP analysis
was used to explain model decisions. Results The constructed AI model for pan-endocrine nodules
achieved an AUC of 0.932 (95%CI: 0.914−0.951) in the prediction of thyroid nodules, with a sensitivity of
86.5% and a specificity of 89.2%. The predictive AUC of breast nodules was 0.917 (95%CI: 0.896−0.938),
with a sensitivity of 84.3% and a specificity of 88.7%. Compared with the single-organ model, the pan-
model performed better on small sample datasets (P<0.01), and remained stable in external validation
(AUC>0.90). SHAP analysis revealed that edge irregularity, calcification type, and internal echo were
common important features, while blood flow signals and TI-RADS/BI-RADS classification were organ-
specific features. Conclusion A high-performance cross-organ malignancy risk prediction model for
thyroid-breast nodules was successfully constructed, confirming that pan-endocrine nodules can be
precisely stratified for risk through a unified deep learning architecture, providing a new paradigm for AI-
assisted diagnosis of endocrine tumors.
【Key words】 thyroid nodule, breast nodule, artificial intelligence (AI), deep learning (DL), multi-task learning (MTL),
malignancy risk prediction, cross-organ model, computer-aided diagnosis

0 引言 节跨器官泛内分泌恶性风险预测模型。本研究旨在
构建基于多任务深度学习的跨器官AI模型，同时预

甲状腺结节与乳腺结节是内分泌系统最常见的 测甲状腺与乳腺结节恶性风险，探究两类结节预测
病变，两者在临床表现及病理特征上存在相似性。 的共性与特异性特征，为内分泌相关结节精准诊断
流行病学研究显示，甲状腺结节在成年人群中的患 提供新思路。
[1]
病率约20%~76% ，乳腺结节在女性人群中的发生
1 材料与方法
率达30%~40% 。虽多数结节为良性，但甲状腺癌
[2]
和乳腺癌发病率持续上升，已成为全球内分泌相关
1.1 研究对象与数据来源
恶性肿瘤的主要类型 。早期精准鉴别结节良恶性
[3]
本研究采用多中心回顾性设计，收集2018年
对改善预后、优化资源配置具有重要意义。目前甲
1月至2023年12月在新疆医科大学第四附属医院、
状腺结节诊断主要依赖超声引导下细针穿刺（fine-
新疆医科大学第五附属医院和上海市中医医院接受
needle aspiration, FNA） 活 检 及 TI-RADS评 分 ；
[4]
诊治的甲状腺结节和乳腺结节患者的临床资料。本
乳腺结节通过钼靶、超声检查结合BI-RADS评分及
研究获得三家医院伦理委员会批准（批准号：XE-
[5]
组织活检诊断 。传统方法存在局限性：①FNA具
2018057-1、XE-2018023-1、SHZZ-2018-089），并
[6]
有创伤性和10%~20%的不确定性 ；②TI-RADS与
免除知情同意要求。纳入标准：①年龄≥18岁；
BI-RADS评分依赖主观判断，观察者间差异较大 [7-8] ；
②经临床确诊为甲状腺结节或乳腺结节；③具有完
[9]
③超声和钼靶对微小病灶敏感性不足 ；④活检 整的超声检查资料，甲状腺结节患者同时具有
取材可能不具有代表性 [10] 。人工智能（artificial FNA或术后病理结果，乳腺结节患者同时具有钼靶
intelligence, AI）在医学影像分析领域进展显著。 X线摄影及活检或术后病理结果；④结节最大径≥
多项研究证实，AI算法在甲状腺结节 [11-13] 和乳腺结 0.5 cm；⑤临床资料完整。排除标准：①既往接受
节良恶性鉴别中表现优异 [14-16] 。但现有研究主要集 过甲状腺或乳腺手术治疗；②既往接受过头颈部或
中于单器官结节诊断，未充分利用不同内分泌器官 胸部放疗；③影像质量不佳，无法进行准确评估；
结节间共性特征。甲状腺与乳腺作为内分泌相关器 ④妊娠或哺乳期妇女；⑤同时患有甲状腺结节和乳
官，合并诊断具有科学依据：①发育起源：均源自 腺结节者；⑥临床资料不完整。
外胚层，受共同形态发生因子调控 。②组织学： 最终纳入甲状腺结节患者2 386例（良性1 842
[17]
均为上皮−间质腺体组织，具有相似腺泡－导管结 例，恶性544例），乳腺结节患者2 753例（良性1 971
构 。③内分泌调控：甲状腺激素和雌激素对两个 例，恶性782例）。将患者按照7∶3的比例随机分为
[18]
器官均有调节作用 [19-20] 。④分子通路：PI3K/Akt/ 训练集（n=3 597）和验证集（n=1 542）。另外，
mTOR和MAPK信号通路在两个器官结节形成和恶 从第四家医院（新疆医科大学第六附属医院）收
[21]
变中均发挥关键作用 。目前缺乏甲状腺和乳腺结 集的835例患者（甲状腺结节397例，乳腺结节

25