编辑推荐：
为提升甲状腺结节恶性诊断准确性，研究人员整合多种技术构建 ELTIRADS 框架，成果显著，意义重大。
甲状腺，这个位于颈部前方、形似蝴蝶的小器官，虽体积不大，却在人体新陈代谢、生长发育等重要生理过程中扮演着关键角色。然而，甲状腺结节这一常见病症，却给人们的健康带来了不小的困扰。甲状腺结节大多为良性，但部分可能恶变，且早期症状不明显，极易被忽视。目前，传统诊断方法存在诸多挑战，如专家意见差异大，对先进成像技术的整合有限，这使得甲状腺结节的准确诊断面临困境，难以满足临床需求。
为攻克这一难题，来自德黑兰医科大学等研究机构的科研人员开展了一项前瞻性队列研究。他们致力于探索一种全新的多模态诊断方法，将传统诊断手段与先进的机器学习技术相结合，旨在提升甲状腺结节恶性诊断的准确性。该研究成果发表于《Scientific Reports》，为甲状腺结节的诊断开辟了新路径。
在研究过程中，科研人员采用了多种关键技术方法。他们收集了 181 例符合条件的甲状腺结节患者的临床和影像数据，这些患者均在某三级教学医院的甲状腺超声诊所接受治疗。研究涉及超声检查和弹性成像，以获取结节的多种特征参数；运用影像组学技术，从医学图像中提取定量属性；采用支持向量机（SVM）等多种机器学习分类器进行模型构建和分析；还运用了分级聚类、Shapley 加性解释（SHAP）和部分依赖图（PDP）等可解释性机器学习技术，增强模型预测的透明度 。
研究结果丰富且具有重要价值：
- 患者及结节特征分析：研究共纳入 181 例患者，平均年龄 47.9±12.2 岁，女性居多（86.2%），35.9% 的结节为恶性。恶性结节在弹性值等方面与良性结节存在显著差异，如恶性结节的 Emax 均值达 76.12 kPa，远高于良性结节的 34.13 kPa 。同时，特定的超声特征与恶性率密切相关，例如低回声结节的恶性率高达 75.4%，而高回声或等回声结节仅为 7.5% 。
- 诊断性能评估：通过单变量分析，发现弹性成像特征中的 Q -box 比值诊断效果最佳，其在选定的临界值 1.2 时，灵敏度为 75.4%，特异性为 73.7%。在多种分类器中，SVM（RBF）表现最优。在特征组合方面，“影像组学 + TIRADS + 弹性成像” 组合的 SVM 模型准确率最高，达到 0.923 。
- 模型比较与验证：采用 DeLong 检验比较不同特征组合的 SVM 模型性能，结果表明不同特征组合的模型在性能上存在显著差异。置换检验显示，模型准确率显著高于随机水平，进一步验证了模型的有效性。
- 可解释性分析：SHAP 分析揭示了弹性成像特征，尤其是 Q -box 比值在模型预测中的重要作用。PDP 显示弹性成像特征值与恶性可能性呈正相关。分级聚类则直观展示了样本的分组情况，帮助识别可能导致误诊的异常样本。
在讨论部分，研究人员指出，虽然此前已有研究探索了影像组学和机器学习在甲状腺结节预测中的应用，但将弹性成像纳入诊断框架是该研究的创新之处。通过 SHAP 值、PDP 等分析，发现超声特征如回声灶、边缘和回声性对恶性预测影响较大，弹性成像特征与恶性可能性密切相关。分级聚类还能帮助发现传统诊断方法的局限性。不过，该研究也存在一定局限性，样本量相对较小且数据来自单一站点和扫描仪，可能影响研究结果的普适性。
总的来说，这项研究成功构建了 ELTIRADS 框架，整合 TIRADS、弹性成像和影像组学显著提升了甲状腺结节恶性预测的准确性。研究还强调了弹性成像在诊断中的重要作用，为临床诊断提供了新的思路和方法，有望减少诊断差异，优化患者治疗方案，推动甲状腺癌研究领域的个性化和精准化医疗发展。未来，进一步扩大样本量、整合更多成像模态以及深入挖掘生物标志物等研究方向，将为甲状腺结节的诊断和治疗带来更多突破。
