J Hepatol | 中国科学院王坤等团队设计基于造影超声的人工智能模型实现肝脏局灶性病变多分类识别

该研究旨在通过基于造影增强超声（CEUS）的人工智能（AI）模型实现对肝脏局灶性病变（FLLs）的多分类识别。背景上，肝脏局灶性病变的诊断对治疗方案的选择至关重要，但传统超声检查的准确性有限，而CEUS虽性能更优却高度依赖操作者经验。研究目的为开发一个结合疾病模块、生物标志物模块和临床信息模块的AI模型（Model-DCB），以提高FLLs的分类准确率。研究结果显示，Model-DCB在外部测试集中的诊断准确率为0.85至0.86，显著优于初级CEUS放射科医生，并与高级CEUS和MRI放射科医生的表现相当。结论表明，该AI模型在FLLs诊断中表现优异，有望辅助临床提高诊断准确率和决策质量。