史丹佛醫學院最新研究顯示，結合人工智慧的肺部超音波影像，能高準確地偵測出結締組織疾病患者的間質性肺病。這項技術不僅成本效益高、無輻射，其AI模型在診斷性能上更媲美專家級判讀，有望加速疾病早期發現與臨床決策，尤其在醫療資源有限地區應用前景看好。
史丹佛醫學院研究團隊日前揭示，透過人工智慧（AI）強化的肺部超音波影像，能夠高準確地偵測出患有結締組織疾病（CTD）患者的間質性肺病（ILD）。這項研究成果發表於《Arthritis Care and Research》期刊，強調了AI在推進非侵入性肺部疾病影像診斷技術上的日益重要性。
該研究由Robert Fairchild等研究人員主導，專注於整合深度學習與肺部超音波（LUS）技術。肺部超音波具備成本效益高且無輻射的優點，結合AI後能有效提升對CTD患者ILD的檢出能力。研究團隊分析了140名全身性硬化症或特發性發炎性肌病變患者的數據，共評估了3,920張肺部超音波影像，並以胸部電腦斷層掃描（CT）結果作為黃金標準進行比對。
研究中採用了多種卷積神經網路（CNN）架構，包括InceptionV3、ResNet-50及VGG-16，同時開發了一個輕量級模型LUS-Net。透過遷移學習（transfer learning）訓練後，VGG-16模型在患者層級診斷上展現最佳性能，曲線下面積（AUC）達0.972，敏感度與特異性分別為97.4%和92.6%。這些AI模型不僅能偵測出間質性肺病，其預測結果更與肺功能測試及CT掃描所得的疾病嚴重度指標高度相關，能反映疾病的臨床嚴重程度。
為提升臨床醫師對AI輔助判讀的信心，研究人員也整合了可解釋性人工智慧方法。藉由梯度加權類別啟動映射（Grad-CAM）技術，確認肋膜異常是驅動ILD偵測的關鍵特徵，即使傳統標記如B型線不明顯時，這些特徵仍具資訊價值。整體而言，AI模型的診斷表現媲美甚至超越了專家級的超音波判讀標準。
這項研究突顯了深度學習在提升肺部超音波應用於CTD患者間質性肺病診斷的巨大潛力。結合了可近性與高診斷準確度的AI輔助肺部超音波，未來可望成為早期ILD偵測與監測的重要工具，特別在高階影像設備資源相對有限的地區，其應用價值將更為顯著。然而，研究人員指出，仍需進一步的臨床驗證與實際應用研究，才能將這些具前景的成果轉化為常規醫療實踐。