影像组学+共形预测：甲状腺结节良恶性分类新框架

甲状腺结节诊断的痛点：主观性与过度活检

甲状腺结节的良恶性评估长期依赖超声影像，但现行的风险分层体系存在一个核心问题——不同医生之间的判读差异（interobserver variability）非常大。这种主观性直接导致了大量不必要的穿刺活检，不仅增加患者痛苦和医疗成本，也占用了宝贵的临床资源。

如何在保证诊断准确性的同时，降低这种人为的不确定性，是放射科影像AI研究的重要方向。一项基于影像组学（Radiomics）的新研究，尝试用量化特征提取结合可解释的机器学习模型，并引入统计学上的"不确定性量化"机制来应对这一难题。

技术框架：影像组学 + GAM + 共形预测

该研究提出的框架由三个关键部分组成，环环相扣。

量化特征提取与特征筛选

研究者使用 PyRadiomics 工具从超声图像中提取定量影像特征。原始特征维度很高，容易引入冗余和噪声。通过 Spearman 相关性过滤，最终保留了 36 个具有判别价值的特征。这一步是整个流程的基础——好的特征直接决定了后续模型的上限。

影像组学（Radiomics）的核心思想是将医学图像转化为可量化的高维特征向量，从而捕捉肉眼难以察觉的纹理、形态和强度分布信息。PyRadiomics 是目前最广泛使用的开源影像组学提取工具，能从 ROI（感兴趣区域）中自动计算数百个特征，涵盖一阶统计量（如均值、熵）、形状特征（如球形度、表面积比）以及基于灰度共生矩阵、游程矩阵等的纹理特征。原始提取的特征往往超过 100 个，且彼此间存在高度相关性。Spearman 相关性过滤是一种非参数筛选方法，通过删除相关系数超过阈值的冗余特征对，在保留信息量的同时减少多重共线性，防止模型在高维空间中过拟合。最终保留 36 个特征，意味着后续 GAM 模型接收的是经过降噪和去冗余处理的精炼输入，这对于样本量有限的医疗数据集尤为关键。

可解释的 GAM 分类器

在模型选择上，研究团队从六个候选模型中最终选定了广义可加模型（Generalized Additive Model, GAM）。这个选择体现了医疗AI的一个核心取舍：判别性能与可解释性的平衡。GAM 既能保持相对良好的分类能力，又能让临床医生理解每个特征对最终预测的贡献，这在需要高度信任的医疗场景中尤为重要。

在验证集上，GAM 取得了 AUC 0.89、敏感度 0.83、特异度 0.82 的表现，整体属于较为均衡的诊断性能。

广义可加模型（GAM）是线性模型的非参数扩展，其预测函数形如 g(E[Y]) = α + f₁(x₁) + f₂(x₂) + … + fₚ(xₚ)，其中每个 fᵢ 是对应特征的平滑函数（通常为样条函数），g 为连接函数（分类任务中常用 logit）。与黑箱模型相比，GAM 的最大优势在于可视化每个特征的"形状函数"（shape function），直观展示特征值如何单调或非单调地影响预测结果，临床医生可以审查这些函数是否符合医学常识，从而建立对模型的信任。相比传统逻辑回归，GAM 能捕捉非线性关系；相比随机森林或神经网络，GAM 又保留了每个特征效应的可分离性与可解释性。在监管趋严、要求算法可审计的医疗AI场景下，这种"准确性与透明度"的折中方案具有重要的现实意义。

标签条件化的交叉共形预测

这是该研究最具特色的部分。传统分类模型只给出一个"非黑即白"的二元判断，但在临床实践中，强行把模糊病例推向某一类反而危险。研究引入了带标签条件化保证（label-conditional guarantees）的交叉共形预测（Cross-Conformal Prediction），为每个预测附加不确定性估计。

当模型对某个病例把握不足时，系统会"标记"出来交给医生复核，而不是硬给一个答案。这种"知道自己不知道"的能力，正是医疗AI落地的关键。

共形预测（Conformal Prediction）是一种基于非参数统计的不确定性量化框架，其核心优势在于能够在任意底层模型上提供具有有限样本有效性的覆盖率保证，无需对数据分布做假设。具体而言，对于给定的显著性水平 ε，共形预测输出的是"预测集"（prediction set）而非单点标签——预测集包含至少 1-ε 概率覆盖真实标签的所有候选类别。当模型对某病例把握充分时，预测集仅含一个标签（确定预测）；当把握不足时，预测集包含两个标签（即不确定），提示需要人工介入。"交叉共形"变体（Cross-Conformal Prediction）通过类似交叉验证的分折机制充分利用训练数据，避免单次校准集划分带来的随机性。"标签条件化"进一步要求对良性和恶性两个类别分别满足覆盖率保证，而非仅在整体上成立，这在类别不平衡的医疗诊断场景中尤为重要，能防止模型通过牺牲少数类的覆盖来换取整体指标的达标。

实验结果：63%确定预测，37%转交医生

实验在公开的 TN5000 超声甲状腺结节数据集上进行。在显著性水平 ε=0.09 的设定下（该值的选取是为了确保两个类别上都能获得经验覆盖保证），测试集呈现出清晰的分流效果：

• 63% 的结节获得了确定（单标签）预测；
• 其中，确定为恶性的病例，条件精确度（conditional precision）达到 0.94；
• 确定为良性的病例，条件阴性预测值（NPV）为 0.73；
• 剩余 37% 的病例被转交给临床医生判断。

这组数据传递了一个重要信号：对于近三分之二的病例，模型能给出高置信度的判断，尤其是恶性判断的精确度高达 94%，意味着模型标记为恶性时很少出错。而对于真正模糊的那 37%，系统选择"示弱"，把决策权交还给医生。

价值与局限

这套框架的真正意义不在于追求某个单一指标的最优，而在于重新定义了AI在诊断流程中的角色——它不是替代医生，而是作为一个"分诊器"，自动处理有把握的大多数病例，把注意力资源集中到真正困难的少数病例上。这种人机协作模式，有望切实降低不必要的活检率。

当然，研究也存在一些值得关注的地方。良性确定病例的 NPV 仅为 0.73，相比恶性 0.94 的精确度仍有差距，说明模型在排除恶性方面的信心还不够强。此外，结果基于单一公开数据集 TN5000，跨中心、跨设备的泛化能力仍需进一步验证。ε 值的选取也涉及灵敏度与覆盖率的权衡，不同临床场景可能需要重新调校。

整体来看，这项工作展示了"可解释模型 + 不确定性量化"组合在医疗影像诊断中的实用潜力，为影像组学的临床转化提供了一个有价值的方法论参考。