人工智能辅助放射报告分析：偶发甲状腺发现的流行病学与结局
核心概要
该研究开发并部署了一套基于Transformer的自然语言处理流程，从2017年7月1日至2023年9月30日梅奥诊所各院区115683名无既往甲状腺疾病成人的甲状腺相关影像报告中识别偶发甲状腺发现，发现7.8%的患者存在此类发现（其中92.9%为结节性），且这些发现与后续甲状腺结节诊断、活检、甲状腺切除及甲状腺癌诊断的更高比值比相关，多数癌症为乳头状癌。
深度剖析
研究构建并部署了一套基于Transformer的自然语言处理流程，可从多模态、多身体部位的影像报告中识别偶发甲状腺发现并提取结节特征。 此前偶发甲状腺发现的患病率、特征与后果尚未明确，该流程将非结构化放射报告转化为可规模化分析的流行病学数据。 基于115683名患者的回顾性队列，覆盖梅奥诊所多个院区，样本量大且跨机构。
在115683名患者中，9077人（7.8%）存在偶发甲状腺发现，其中92.9%为结节性；女性、老年人、较高BMI以及由非急诊医学科室开具的影像中更常见。 首次在大规模多院区队列中量化了偶发甲状腺发现的总体患病率及其人口学与影像相关因素。 回顾性队列设计，采用逻辑回归识别相关因素，样本量超过十万。
与胸部CT相比，颈部CT、PET和核医学扫描中偶发甲状腺发现更常见；结节特征记录不足，仅44%报告了大小，其他特征记录率低于15%。 揭示了不同影像模态间检出率的差异，并量化了放射报告中结节特征记录的缺失程度。 基于同一队列的描述性统计，覆盖多种影像模态与身体部位。
与无偶发甲状腺发现的患者相比，有此类发现者后续甲状腺结节诊断（OR 45，95%CI 41.1-49.3）、活检（OR 46.8，95%CI 39.0-56.2）、甲状腺切除（OR 55.8，95%CI 31.3-99.3）及甲状腺癌诊断（OR 61.7，95%CI 38.6-98.5）的比值比显著更高；多数癌症为乳头状癌（88.5%），且偶发发现后检出的癌症更大（2 cm，SD 1.4）对比无偶发发现者（1.3 cm，SD 0.8）。 将偶发甲状腺发现与一系列下游临床干预及癌症诊断的级联效应联系起来，提示其在过度诊断中的角色。 基于大样本队列的比值比估计，置信区间较宽（如甲状腺切除与癌症诊断），提示估计精度有限。
启示与展望
该研究适用于无既往甲状腺疾病、接受甲状腺相关影像检查的成人，结果基于梅奥诊所多院区2017至2023年的回顾性数据；其自然语言处理流程与流行病学发现可为其他医疗系统开展类似报告分析与随访策略评估提供参考，但需结合本地报告规范与人群特征。
作为快速解析，本文缺少图表与补充材料，无法评估自然语言处理流程的具体性能指标（如准确率、召回率）及结节特征提取的验证细节；此外，甲状腺切除与癌症诊断的比值比置信区间较宽，提示估计精度有限，未来需在更多样化人群中验证并评估标准化报告与选择性随访的实际效果。