深度学习在甲状腺疾病诊疗中的应用与展望

1956年,JOHN MCCARTHY将人工智能(artificial intelligence, AI)描述为“制造智能机器和科学的工程”,这标志着人工智能的诞生[1]。但直到21世纪初AI才在医学领域崭露头角[2]。甲状腺疾病的发病率逐年上升,疾病的年轻化趋势、术中喉返神经及甲状旁腺损伤风险和术后长期服药使甲状腺疾病的诊疗过程受到越来越多人的关注。由于检查手段的提高和医生水平的不同导致的过度诊疗及漏诊和误诊是现今存在的问题。

Macro-TSH测定在甲状腺疾病患者中的应用研究进展

检测血清中TSH和甲状腺激素的水平是评估甲状腺功能首选方式。患者血清TSH水平过高的常见因素有体重超标[1]、LT4治疗剂量不足、药物和食物的干扰[2]、胃肠道疾病[3]和妊娠[4]。除此之外,导致TSH测定值升高的罕见原因也包括人类抗小鼠抗体(HAMA)以及macro-TSH(M-tsh)[5]。关于M-tsh在一些亚甲减患者研究中均有报道,研究通过凝胶过滤色谱法(GFC)检测可知0.6%-1.6%亚甲减患者中存在M-tsh[6],另外,日本学者Kadoya M首次在正常人的血液样本中检测到Mtsh的存在[7]。

甲状腺癌喉前淋巴结转移的影响因素及预测意义

近年来,甲状腺癌(TC)尤其分化型甲状腺癌(DTC)发病呈快速增长趋势,根据2014年SEER数据库统计,全世界新发的甲状腺癌以平均每年5%的速度递增,已经跃居最常见恶性肿瘤行列。在我国甲状腺癌已经跃居女性恶性肿瘤发病率的第3位[1]。其中甲状腺乳头状癌(PTC)是分化型甲状腺恶性肿瘤中最常见的一种类型,占甲状腺恶性肿瘤的80%以上,并且极易发生淋巴结转移,而且颈部淋巴结转移明显增加肿瘤的局部复发率,是影响PTC病人预后及复发的关键因素[2]。

组织细胞坏死性淋巴结炎误诊为颈部淋巴结转移癌1例分析

组织细胞坏死性淋巴结炎(Histiocytic Necrotizing Lymphadenitis,HNL)是一种非特异性良性自限性疾病,以非肿瘤性淋巴结反应性增大为特征。多见于亚洲国家中青年女性,属于临床罕见疾病,容易误诊为转移瘤、恶性淋巴瘤等。本文报道误诊为恶性肿瘤颈部淋巴结转移的组织细胞坏死性淋巴结炎1例,对其临床表现、鉴别诊断等进行探讨,以提高临床医生对该疾病的认识。