近日，山東第一醫科大學附屬省立醫院（山東省立醫院）超聲醫學科張華偉主任醫師團隊和山東第一醫科大學來永超教授合作在國際權威期刊Chemical Engineering Journal（中科院I區，IF=15.100）上發表論文：Diagnostic strategy for malignant and benign thyroid nodules smaller than 10 mm based on surface-enhanced Raman spectroscopy and machine learning（基于表面增強拉曼光譜和機器學習的甲狀腺結節（＜10mm）良惡性的診斷策略）。通訊作者為省立醫院超聲醫學科張華偉主任醫師和山東第一醫科大學來永超教授，張華偉主任醫師團隊碩士研究生劉瀟為本文第一作者，省立醫院為該論文的通訊作者單位。

　　本研究基于張華偉主任醫師團隊開展的甲狀腺結節超聲引導下細針穿刺活檢（ultrasound-guided fine needle aspiration biopsy，US-FNAB，后簡稱FNA）工作。US-FNAB是指在超聲引導下，通過細針穿刺到甲狀腺結節內，抽取部分組織進行涂片，通過細胞學檢查以及進一步基因檢測來明確結節良惡性的一種方法。FNA可以通過極小的創口獲取患者的甲狀腺結節組織細胞以診斷結節性質，具有操作安全便捷、診斷準確率高、術后并發癥少等優勢，同時兼顧較高的安全性和可行性，是目前國內外多個指南推薦級別為A的甲狀腺結節術前診斷方法。張華偉主任醫師團隊于2014年始開展甲狀腺FNA，我院成為省內較早開展這一技術的醫院，團隊迄今已完成以甲狀腺為主的FNA穿刺數萬例，并成功舉辦了十八期省級甲狀腺細針穿刺培訓班，帶動全省百余家醫院開展這一技術。該研究在FNA樣本的基礎上，將表面增強拉曼光譜技術與多種機器學習算法（包括主成分分析-線性判別分析、偏最小二乘判別分析和支持向量機）相結合，開發出一種新穎的，精確的，可用于直徑小于10毫米甲狀腺結節的良惡性診斷策略。結果表明，該診斷策略通過分析FNA獲取到的甲狀腺結節組織細胞，能夠有效區分惡性和良性甲狀腺結節，對于訓練集和交叉驗證集的診斷準確率分別為95.59%和85.58%，曲線下面積為97.48%。該診斷策略可作為甲狀腺結節良惡性的一種新型輔助診斷工具，提供比單純細胞學檢查更實時、更有效的診斷，從而提高微小甲狀腺結節的診斷準確率。

基于表面增強拉曼光譜和機器學習的

甲狀腺結節診斷策略流程圖

使用機器學習方法對甲狀腺結節FNA樣本的

表面增強拉曼光譜進行分類

　　張華偉主任醫師團隊一直致力于甲狀腺和乳腺等器官超聲相關的基礎和臨床工作，立足普通超聲診斷工作的同時開展了大量的介入超聲工作，積累了豐富的超聲圖片、視頻資料和相關的臨床、細胞學、病理隨訪結果。在倡導突破學術壁壘的今天，張華偉同樣重視醫工交叉領域的研究，利用前期的大量積累，先后與山東大學控制與工程學院和山東第一醫科大學化學院建立合作關系，從AI、表面增強拉曼光譜等不同角度出發，做了許多致力于提高甲狀腺和乳腺結節診斷準確率的科研工作。

通訊作者簡介

　　張華偉 醫學博士，主任醫師，研究生導師，省立醫院超聲醫學科副主任，山東省醫師協會淺表超聲專業委員會副主任委員，山東省醫學會超聲分會介入學組副組長，山東省中西醫結合超聲委員會淺表超聲專業委員會副主任委員，山東生物醫學工程學會超聲醫學工程委員會副主任委員，山東省超聲醫學工程學會胃腸超聲專業委員會副主任委員，山東省兒科超聲聯盟副理事長。擅長乳腺、甲狀腺等淺表器官的超聲診斷以及相關專業的介入診斷和治療，開展甲狀腺FNA，超聲引導下乳腺結節真空旋切術和甲狀腺結節消融術，各器官腫瘤活檢、PTCD、胸腹水等置管引流、囊腫硬化、造瘺術等綜合介入手術。帶領的團隊病例資料豐富，正在逐步建立相關數據庫，為各種超聲診斷研究及交叉科研項目的開展提供了堅實的數據基礎，如已經獲得初步成果的AI診斷，拉曼光譜診斷等。目前主持山東省自然科學基金面上項目1項，博士基金1項。近三年以通訊作者身份發表相關成果在Breast Cancer Research and Treatment、Frontiers in Endocrinology、Frontiers in Genetics、Medical Physics、Analytical and Bioanalytical Chemistry、Chemical Engineering Journal等重要學術期刊上，累計影響因子達49.59分。