针对细胞学不确定甲状腺结节的深度学习算法：与分子检测的比较和联合应用

事件核心是一项针对细胞学不确定（Bethesda III）甲状腺结节的超声深度学习算法研究，目前以预印本形式公开，尚未经同行评审。研究将该卷积神经网络（CNN）模型与分子检测进行比较并尝试联合应用：报道称，在该类结节中模型AUC为0.73，特异性高于分子检测，并被认为可补充分子检测以识别低风险结节。上述结果限于Bethesda III甲状腺结节这一细胞学不确定人群及超声图像任务，不能推广到其他甲状腺结节人群或其他诊断场景；AUC与特异性属区分与预测性能指标，报道未表明该模型可确诊或替代分子检测。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。