Nat Commun：人工智能机器人，进入了又一个临床领域！无需人工辅助，对甲状腺区域进行了高质量超声检查

关键词： 甲状腺超声检查；AI；超声； Nature Communications

我们一直密切关注 医学生物领域最有价值的突破性进展 ，尤其是人工智能在临床的应用。

甲状腺超声检查 作为一种评估甲状腺功能和结构的重要医疗手段，其检查结果的准确性极大依赖于操作者的技术和经验。

当前的甲状腺超声检查 严重依赖于超声医师的经验和技能以及放射科医生的专业知识 ，且检查过程对操作者来说既耗费体力又耗费认知资源，使得自动化和智能化的超声扫描成为了一个迫切需要解决的临床问题。

为了提高甲状腺超声检查的可及性、一致性和效率，来自 华南理工大学 的 Kang Su 等研究学者在 Nature Communications 杂志上发表了一篇题为 “A fully autonomous robotic ultrasound system for thyroid scanning” 的文章【 1 】。

研究人员开发了一种完全自主的机器人超声系统（ FARUS ），旨在通过集成人工智能技术，在无需人工辅助的情况下，实现对甲状腺区域进行高质量的超声扫描，并具备检测甲状腺结节及提供用于美国放射学会甲状腺影像报告和数据系统（ ACR TI-RADS ）计算的结节特征数据的潜力 。

FARUS 有望 改善临床工作流程并为患者提供更高质量的诊断服务。

（如需原文，请加微信healsanq获取，备注 20240511NC ）

研究设计

🔷 系统组成：

FARUS 系统由六自由度 UR3 机械臂、线性超声探头、探头夹具、六轴力 / 扭矩传感器以及 Kinect 相机组成。机械臂携带超声探头，力 / 扭矩传感器用于检测探头与人体颈部之间的力和扭矩， Kinect 相机负责追踪人体骨骼关节 。

🔷 扫描流程：

系统模拟临床工作流程，分为甲状腺搜索（ TS ）、平面内扫描（ IPS ）、平面外扫描（ OPS ）和多视图扫描（ MVS ）四个阶段。

🔷 深度学习分割：

研究者开发了两个深度学习网络，分别用于甲状腺叶和结节的分割。使用预训练的编码器和 UNet 架构，从提取的特征中生成掩码。

🔷 甲状腺定位：

结合人体骨骼点识别和超声图像分割，系统采用强化学习策略来精确定位甲状腺。

🔷 探头定位优化：

通过贝叶斯优化算法，系统能够动态调整探头的方向，以获得最佳的超声图像。

🔷 实验验证 ：

通过在 70 名大学生和 19 名患者身上进行扫描，验证了 FARUS 系统 的图像质量和诊断性能，并与 5 名医生的手动扫描结果进行了比较。

图1. 全自主机器人超声系统（FARUS）

图2. 利用深度学习网络分割甲状腺和结节

编者按：

临床意义：

• FARUS 系统在自动化甲状腺超声扫描方面具有重要的临床应用潜力，能够提高诊断效率，减少对专业医疗人员的依赖，并可能改善患者体验。

• 未来的研究可以进一步优化系统性能，扩大临床试验规模，并探索其在其他医疗领域的应用。

• 尤其是， FARUS 有望在专业医院、诊所和偏远地区得到广泛应用。

• 此外， FARUS 系统在减少医患接触方面的潜力，使其在传染病防控期间具有特别的价值。

研究展望：

• 未来的研究可以进一步提高 FARUS 对小尺寸和低对比度结节的检测能力，优化算法以减少伪影的影响，并探索视频流的整合。

• 随着人工智能的快速发展，类似研究将更多呈现出来。