Nat Commun | 上海交通大学姚思琼等团队研究发现多模态深度学习超声成像可预测甲状腺癌侧淋巴结转移

本研究由上海交通大学姚思琼等团队开发了一种名为LLNM-Net的双向注意力深度学习模型，用于预测甲状腺癌的侧淋巴结转移（LLNM）。该模型融合了术前超声图像、放射学报告、病理结果和人口统计学等多模态数据，在多中心测试中表现出色，AUC达到0.944，准确率为84.7%，优于人类专家和其他模型。研究还发现，距甲状腺囊0.25 cm以内的肿瘤转移风险较高，特别是中叶和上叶区域。该模型为术前筛查和风险分层提供了有效工具，有望改善甲状腺癌患者的预后管理。