甲状腺癌是临床中常见的内分泌肿瘤,其发病率呈逐年上升的趋势,但因甲状腺癌大部分为分化型癌,恶性程度较低,发展较慢,因此死亡率在恶性肿瘤中相对较低,早期手术是提高生存率、改善预后的重要手段。可见对甲状腺癌的早期诊断意义显著。超声作为甲状腺结节良恶性鉴别的高效、无创性检查被广泛应用于临床。在治疗方面,除西医手术治疗外,中医辅助治疗能有效缓解症状、改善预后等。但无论是西医超声检查还是中医辨证论治,均依赖于医师的技术水平和临床经验,存在较强主观性,有一定漏诊率和误诊率。随着科学技术的发展,机器学习的引入能有效解决这一问题,提高诊断准确性的同时,为中医辨证论治的标准化、客观化提供依据,为后续的肿瘤诊疗智能化服务奠定基础。目的:从中医和西医两个角度分别分析超声图像特征与甲状腺结节良恶性的关系,以及这些特征对结节良恶性诊断的影响程度;探讨甲状腺癌中医证型分布规律及舌象特点,为辨证施治提供指导。根据这些与甲状腺恶性结节关系密切的超声图像特征和中医证型、舌象特点,创建基于机器学习卷积神经网络的分类模型,并评估其分类性能,从而建立包括甲状腺结节良恶性诊断和舌象分类两个子系统的甲状腺结节智能诊疗系统。方法:本研究共收集我院241例有明确病理诊断的甲状腺结节患者,其中良性结节171例,恶性结节70例,详细记录所收集甲状腺结节患者的超声图像表现、中医证型、舌象及病理分型等数据,分别进行单因素分析、多因素Logistic回归分析,找出与甲状腺结节良恶性关系密切的超声图像特征,以及这些特征对甲状腺结节良恶性诊断的影响程度;尝试分析甲状腺恶性结节中医证型与超声图像特征及病理分型之间的关系;总结甲状腺恶性结节患者的舌象特征等。之后借助机器学习的理论和方法,基于卷积神经网络结构中ResNet算法创建分类模型,分别选取西医和中医两个切入点,(1)将与结节良恶性关系最密切的超声特征作为输入值输入结节良恶性分类模型;(2)将甲状腺癌患者舌象特点作为输入值输入舌象分类模型,通过ROC曲线、精确度、灵敏度、特异度、正确率等来评估模型对甲状腺结节良恶性以及甲状腺癌患者舌象的分类性能。结果:1.在甲状腺结节超声图像表现与良恶性关系的单因素分析中,结节回声、边缘、纵横比、后方衰减、钙化这5个变量构成比在良性组和恶性组中的差异有统计学意义(P<0.05)。结节的大小、内部回声情况、声晕、血流、位置、淋巴结的构成比在良性组和恶性组的差异无统计学意义(P>0.05)。2.在甲状腺结节超声图像表现与良恶性关系的多因素Logistic回归分析中,由回归系数P值(在a=0.05的水平下)显示出,性别、年龄、大小、回声、内部回声情况、后方衰减、声晕、血流、位置、淋巴结这十个指标P>0.05,贡献不显著,剩下的边缘、纵横比、钙化在良性组和恶性组中的差异有统计学意义(P<0.05)。变量筛选后再次进行Logistic回归分析,比较回归系数和OR值发现纵横比的结果对良恶性的影响最大,之后依次是钙化和边缘。3.甲状腺恶性结节的中医证型和超声表现、病理分型等进行相关性分析,结果显示结节回声、边缘、钙化三个表现差别有统计学意义,P<0.05。大小、内部回声情况、纵横比、后方衰减、声晕、血流、位置、淋巴结等表现差别没有统计学意义,P>0.05。肝郁气滞型低回声、等或高回声及混合回声均可见,以边缘规则或欠规则多见,伴微小钙化或粗大钙化,微小钙化稍多于粗大钙化;痰瘀互结型以低或极低回声,伴边缘不规则及微小钙化为主;瘀热伤阴型以低或极低回声,伴边缘规则或不规则,多无钙化。甲状腺恶性结节中医证型与病理分型无明显相关性,P>0.05。4.甲状腺恶性结节主要的中医证候分型主要表现为肝郁气滞、痰瘀互结、瘀热伤阴,基本病机是气滞、痰凝、血瘀互结。甲状腺恶性结节患者的舌象特点主要集中在舌色暗红或紫暗,舌质见齿痕或瘀斑,苔薄白,与其基本病机相符。5.机器学习部分:采用CNN-ResNet50模型创建甲状腺结节良恶性分类模型及舌象分类模型:(1)对验证集中的甲状腺结节良恶性进行分类,结果显示:精确度:96.08%,灵敏度:92.45%,特异度:96.30%,F1 值:94.23%,AUC:93.40%,正确率:94.39%。并在测试集上对经过训练的CNN-ResNet50模型与6名超声科医师进行结节良恶性判读能力对比,ResNet50模型对于结节良恶性分类准确率为94.26%。6名专业超声科医生对于结节良恶性的平均分类准确率为90.98%,差异没有统计学意义,P>0.05;(2)对甲状腺癌患者齿痕舌与瘀斑舌进行分类,结果显示:总精确度:90.76%,总灵敏度:93.02%,总特异度:84.19%,总F1值:91.88%,总正确率:90.15%,AUC:96.00%。结论:1.超声表现与甲状腺结节良恶性有相关性,超声表现对良恶性的影响从大到小依次为:纵横比>钙化>边缘,其中纵横比≥1危险度最高,对甲状腺结节良恶性的鉴别贡献最大。2.甲状腺恶性结节肝郁气滞、痰瘀互结、瘀热伤阴三个中医证型与超声表现有一定相关性。超声检查可做为中医“望诊”的延伸,为证候分型、辨证论治提供客观依据。3.卷积神经网络-ResNet50模型能较准确区分甲状腺结节良恶性,及甲状腺恶性结节患者的舌象。说明该模型有较强的特征学习和提取能力,模型具有较高的分类性能。证明了 CNN模型具有对甲状腺肿瘤西医检查及中医舌诊的鉴别能力,可以更智能地辅助诊断,做出准确预测,为建立甲状腺结节智能诊疗系统奠定了扎实基础。