面向证据支撑的甲状腺超声诊断与报告的可审计Agentic AI

摘要

甲状腺超声诊断需要协调的病灶定位、测量、风险分层与报告，但大多数AI系统孤立地处理这些任务，且对临床复核的支持有限。我们提出ThyroidXAgent，一个可与临床医生交互的agentic AI系统，它协调专门的诊断工具，并将其输出存储为可审计的病例级证据记录。该系统基于OpenThyroidDB开发，这是一个多中心、多任务资源，整合约30万张超声图像与24,000份配对报告；系统在28,458个互不重叠的测试病例上评估，其中包括来自私有NHC-MISD-TUS队列35个中心的8,721例。在异构数据集上，ThyroidXAgent在结节分割上取得平均Dice 87.21%，在良恶性分类上取得平均AUROC 0.9466。同一工作流还支持淋巴结转移预测与滤泡状/乳头状甲状腺癌分类，AUROC分别为0.864与0.805。在报告生成上，基于证据的组装在三个队列中优于多模态语言模型基线。本文提出的病灶级临床语义指标ThyClinScore与位置感知的语言模型评审相关性最强。ThyroidXAgent提高了医生分类准确率，将报告诊断一致性从70.3%提升至86.2%，并使分割与报告时间分别减少35.9%与27.4%。这些发现支持可审计、可由临床医生纠正的agentic AI用于甲状腺超声诊断与报告。

面向证据支撑的甲状腺超声诊断与报告的可审计Agentic AI：论文配图 — 图1：多中心甲状腺超声数据与 ThyroidXAgent 证据工作流。a，OpenThyroidDB 将精选的公开甲状腺超声资源与受机构治理的临床队列整合为覆盖全谱系的资源，用于跨多种扫描仪和采集设置的分割、良恶性分类、报告生成和恶性病灶分层。b，临床医生反馈工作流将 AI 生成的掩膜、预测、报告条款和临床医生修正存储为病例级证据，使中间输出可在后续步骤中被审阅、修改和复用。c，ThyroidXAgent 充当四个产出证据的工作流的工作流控制器：专家精修的结节分割、临床医生核验的恶性分类、证据支撑的结构化报告，以及用于淋巴结转移评估和 PTC/FTC 亚型分析的高级诊断。d，多中心验证设计，先进行模型开发/内部验证，随后进行独立外部验证。