近日，我院超声医学科张华伟主任医师团队和山东第一医科大学来永超教授合作在国际权威期刊Chemical Engineering Journal(中科院I区，IF=15.100)上发表论文：Diagnostic strategy for malignant and benign thyroid nodules smaller than 10 mm based on surface-enhanced Raman spectroscopy and machine learning(基于表面增强拉曼光谱和机器学习的甲状腺结节(<10mm)良恶性的诊断策略)。通讯作者为省立医院超声医学科张华伟主任医师和山东第一医科大学来永超教授，张华伟主任医师团队硕士研究生刘潇为本文第一作者，省立医院为该论文的通讯作者单位。

  本研究基于张华伟主任医师团队开展的甲状腺结节超声引导下细针穿刺活检(ultrasound-guided fine needle aspiration biopsy，US-FNAB，后简称FNA)工作。US-FNAB是指在超声引导下，通过细针穿刺到甲状腺结节内，抽取部分组织进行涂片，通过细胞学检查以及进一步基因检测来明确结节良恶性的一种方法。FNA可以通过极小的创口获取患者的甲状腺结节组织细胞以诊断结节性质，具有操作安全便捷、诊断准确率高、术后并发症少等优势，同时兼顾较高的安全性和可行性，是目前国内外多个指南推荐级别为A的甲状腺结节术前诊断方法。

  张华伟主任医师团队于2014年始开展甲状腺FNA，团队迄今已完成以甲状腺为主的FNA穿刺数万例。该研究在FNA样本的基础上，将表面增强拉曼光谱技术与多种机器学习算法(包括主成分分析-线性判别分析、偏最小二乘判别分析和支持向量机)相结合，开发出一种新颖的，精确的，可用于直径小于10毫米甲状腺结节的良恶性诊断策略。结果表明，该诊断策略通过分析FNA获取到的甲状腺结节组织细胞，能够有效区分恶性和良性甲状腺结节，对于训练集和交叉验证集的诊断准确率分别为95.59%和85.58%，曲线下面积为97.48%。该诊断策略可作为甲状腺结节良恶性的一种新型辅助诊断工具，提供比单纯细胞学检查更实时、更有效的诊断，从而提高微小甲状腺结节的诊断准确率。

      (超声医学科)