(资料图片仅供参考)

近日，山东第一医科大学附属省立医院（山东省立医院）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，山东第一医科大学附属省立医院成为省内较早开展这一技术的医院，团队迄今已完成以甲状腺为主的FNA穿刺数万例，并成功举办了十八期省级甲状腺细针穿刺培训班，带动全省百余家医院开展这一技术。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。

基于表面增强拉曼光谱和机器学习的甲状腺结节诊断策略流程图

使用机器学习方法对甲状腺结节FNA样本的表面增强拉曼光谱进行分类

张华伟主任医师团队一直致力于甲状腺和乳腺等器官超声相关的基础和临床工作，立足普通超声诊断工作的同时开展了大量的介入超声工作，积累了丰富的超声图片、视频资料和相关的临床、细胞学、病理随访结果。在倡导突破学术壁垒的今天，张华伟同样重视医工交叉领域的研究，利用前期的大量积累，先后与山东大学控制与工程学院和山东第一医科大学化学院建立合作关系，从AI、表面增强拉曼光谱等不同角度出发，做了许多致力于提高甲状腺和乳腺结节诊断准确率的科研工作。

通讯作者简介

张华伟 医学博士，主任医师，研究生导师，省立医院超声医学科副主任，山东省医师协会浅表超声专业委员会副主任委员，山东省医学会超声分会介入学组副组长，山东省中西医结合超声委员会浅表超声专业委员会副主任委员，山东生物医学工程学会超声医学工程委员会副主任委员，山东省超声医学工程学会胃肠超声专业委员会副主任委员，山东省儿科超声联盟副理事长。擅长乳腺、甲状腺等浅表器官的超声诊断以及相关专业的介入诊断和治疗，开展甲状腺FNA，超声引导下乳腺结节真空旋切术和甲状腺结节消融术，各器官肿瘤活检、PTCD、胸腹水等置管引流、囊肿硬化、造瘘术等综合介入手术。带领的团队病例资料丰富，正在逐步建立相关数据库，为各种超声诊断研究及交叉科研项目的开展提供了坚实的数据基础，如已经获得初步成果的AI诊断，拉曼光谱诊断等。目前主持山东省自然科学基金面上项目1项，博士基金1项。近三年以通讯作者身份发表相关成果在Breast Cancer Research and Treatment、Frontiers in Endocrinology、Frontiers in Genetics、Medical Physics、Analytical and Bioanalytical Chemistry、Chemical Engineering Journal等重要学术期刊上，累计影响因子达49.59分。

关键词：