陈璟泰，侯令密，唐云辉，钱双强，蒲虹羽，高砚春

    根据报道，19%～68%的人存在甲状腺结节[1]。甲状腺结节是甲状腺癌最常见的临床表现，准确鉴别甲状腺结节良恶性对于患者治疗方式的选择至关重要。彩超因无创、无电离辐射且价格低廉而被广泛接受为甲状腺结节的一线影像学检查手段，但其诊断准确性常与医生的经验、水平相关[2]。

    计算机辅助诊断(computer aided diagnosis，CAD)技术是人工智能与现代医学研究的热点之一。近年来，随着构建人工智能的技术进步，人们已经开发了基于超声的CAD系统，并被引入商用的超声诊断软件[3]，在乳腺和甲状腺肿瘤检查工作中，其有效性得到了初步验证[4-5]。人工智能与超声影像结合可简化操作步骤、避免主观差异性、节约医师资源、缩短报告时间、提高诊断效率，具有广阔的应用前景。

    S-Detect是目前常用的一项针对甲状腺结节的超声CAD技术，通过前期数据学习及算法优化，该技术可对甲状腺结节的良性或恶性进行鉴别诊断。本研究广泛纳入国内外多篇文献进行定量合成，旨在明确S-Detect对甲状腺结节良恶性的鉴别诊断价值。

    1 资料与方法

    1.1 文献纳入与排除标准

    1.1.1 文献纳入标准 (1)评估S-Detect诊断准确性的研究；(2)必须通过病理学检查明确甲状腺结节的良恶性；(3)应提供或可以计算出相应的诊断准确性的统计信息，包括真阳性(TP)、假阳性(FP)、假阴性(FN)、真阴性(TN)。

    1.1.2 文献排除标准 (1)研究没有提供足够的数据来计算TP、FP、FN和TN；(2)重复研究，低质量研究，信函，会议论文，病例报告，综述；(3)与本研究主题无关。

    1.2 文献检索策略 计算机检索PubMed、EMBase、Web of Science、the Cochrane Library、万方数据知识服务平台、中国知网、维普网和中国生物医学文献服务系统，检索时限为建库至2021-01-06。中文检索词包括：甲状腺、S-Detect、计算机辅助诊断。本研究搜索了相关主要出版物中的参考文献，以确定其他符合条件的研究，并对最终被纳入的研究所包含的参考文献进行了审查，扩大了搜索范围，以确定其他潜在的相关研究。英文检索词包括S-Detect，thyroid，computer aided diagnosis ......