高质量的数据标注是人工智能（AI）模型能够准确学习和模拟专业病理诊断过程的基础。近日，中山大学孙逸仙纪念医院细胞分子诊断中心研究团队牵头开发一款名为ThyroPower系统（甲状腺细胞学AI辅助诊断系统）正式上线，有望解决甲状腺结节诊断临床痛点问题。

甲状腺结节细针穿刺辅助诊断模型的工作流程模式图。研究团队供图

  ?

甲状腺乳头状癌是最常见的甲状腺癌类型，通常预后良好。然而，也有少数类型的甲状腺乳头状癌、甲状腺髓样癌以及甲状腺未分化癌，预后较差。鉴于甲状腺结节的高发和甲状腺癌的健康风险，对甲状腺结节进行精准诊断至关重要，对于超声检查怀疑有恶性风险的甲状腺结节，细针穿刺（FNA）细胞病理诊断能提供直接和确切的证据来判断甲状腺结节的良恶性，是诊断甲状腺结节的关键环节。

记者了解到，ThyroPower系统由中山大学孙逸仙纪念医院教授欧阳能太和副研究员张寅团队主导研发，广州医科大学附属第三医院、佛山市第一人民医院和四川省肿瘤医院参与验证的研究成果。该系统有很高的灵敏性和特异性，能快速、准确地对甲状腺结节进行细胞病理诊断，显著提升细胞病理学家诊断的准确性和效率。目前，该系统已在超过50家医院落地应用。

ThyroPower由经验丰富的细胞病理学家进行数据标注。细胞病理学家不仅具备识别和解释复杂病理样本的专业能力，而且能够精准地识别出病理图像中的关键特征，如细胞类型、形态变化和病变程度等。他们的专业判断和详细标注为训练AI模型提供了必要的、准确的训练目标和质量控制标准，将显著提高模型的准确性和可靠性。

除了高性能外，ThyroPower系统的模型诊断流程还能模仿病理学家的诊断过程，即扫描整张涂片以查看是否有异常细胞，然后根据所发现的情况给出诊断。系统“定位”到可能为异常的细胞或细胞团后，构建全切片级分类器。并通过在诊断阶段融合两个分类器模型来模仿多位专家做出诊断的场景。

“但细胞病理学家的角色是不能被取代的。”欧阳能太表示，在现实的应用场景中，ThyroPower系统通过显示感兴趣区域（ROI）与AI的最终判读结果，细胞病理学家可以有效地浏览这些ROI及AI判读结果并做出最终的诊断决定。“ThyroPower系统在现实世界的临床实践中具有重要应用，特别是在资源有限或偏远地区，有望大幅缓解病理医师的短缺。”欧阳能太说。