J Hepatol | 王坤/田捷/梁萍/于杰开发超声AI模型，实现肝脏病变分类诊断

该研究旨在开发一种基于造影增强超声（CEUS）的人工智能（AI）模型，用于肝脏局灶性病变（FLLs）的多分类诊断。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，但传统的超声检查诊断准确性有限，而CEUS虽性能更优但高度依赖操作者经验。研究目的为通过整合CEUS视频、生物标志物及临床信息，构建一个多分类AI模型（Model-DCB），以提高诊断准确率。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模型具备与资深放射科医生相当的诊断能力，有望辅助临床提高FLLs的诊断准确率和决策质量。