《Insights into Imaging》：Force-controlled robotic ultrasound elastography enhances diagnostic consistency for thyroid nodules
编辑推荐：
为解决超声弹性成像中手动施力不一致导致的图像质量与诊断重复性差的问题，研究人员开展了一项前瞻性研究，评估了力控机器人手臂在甲状腺结节应变弹性成像（SE）和剪切波弹性成像（SWE）中的应用。结果表明，机器人系统在图像质量（SSIM、PSNR、MOS评分更优）、组内一致性（DSC、ICC更高）及诊断准确性（SE AUC=0.90，SWE AUC=0.95）方面均显著优于高、低年资医师。该研究为甲状腺结节的标准化、可重复弹性成像评估提供了新方案。
在医学影像诊断领域，超声弹性成像是一项革命性的非侵入性技术，它通过“触摸”组织的软硬程度来评估病变性质，在甲状腺、乳腺、肝脏等器官的病灶定性中扮演着越来越重要的角色。然而，这项听上去很酷的技术在实际应用中却面临着一个颇为“人性化”的难题：诊断结果严重依赖于操作者的手感。不同的医生，甚至同一位医生在不同次检查中，按压探头的力度和稳定性都可能存在差异。这种“手感不一”在需要外力引发组织形变的应变弹性成像（Strain Elastography, SE）中会导致形变不均，在依赖于稳定接触以生成高质量剪切波的剪切波弹性成像（Shear Wave Elstography, SWE）中则会引入测量误差。最终，这导致图像质量参差不齐，测量结果重复性不佳，诊断准确性难以保证，限制了弹性成像在精准医疗中的广泛应用。为了攻克这个长期困扰临床的“人力瓶颈”，研究者们将目光投向了机器人技术。如果能用精准、不知疲倦的机械臂来替代人手进行标准化操作，是否就能解锁超声弹性成像的全部潜力，获得更清晰、更稳定、更可靠的诊断图像呢？
为回答这一问题，一项发表在《Insights into Imaging》的前瞻性研究应运而生。该研究旨在评估一种集成实时力反馈系统的力控机器人手臂，能否在甲状腺结节的SE和SWE检查中，超越人类医师，实现图像质量、操作一致性和诊断准确性的全面提升。研究招募了131名甲状腺结节患者，由一名低年资医师（5年弹性成像经验）、一名高年资医师（10年经验）和一台力控机器人手臂分别独立对每个结节进行SE和SWE扫描。图像质量通过结构相似性指数（Structural Similarity Index, SSIM）、峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）、均方误差（Mean Squared Error, MSE）和平均意见得分（Mean Opinion Score, MOS）进行客观和主观评估。一致性通过三次重复扫描图像的空间重叠度（Dice相似系数，Dice Similarity Coefficient, DSC）和最大弹性模量（Emax）测量的组内相关系数（Intraclass Correlation Coefficient, ICC）来量化。诊断性能则通过受试者工作特征（Receiver Operating Characteristic, ROC）曲线和曲线下面积（Area Under the Curve, AUC）进行分析比较。
关键技术与方法概述
研究人员采用了一个定制的七自由度（7-DOF）力控机器人手臂，其核心是一个基于PID（比例-积分-微分）控制的实时力反馈系统。该系统通过六维力/扭矩传感器实时监测探头施加的力，并利用PID控制器精确调整输出，确保力施加的稳定。研究针对SE和SWE设计了不同的力控策略：在SE模式下，机器人施加正弦波形式的周期性压力；在SWE模式下，则保持恒定的目标压力以确保剪切波稳定传播。所有超声检查使用迈瑞Resona R9s系统完成。患者结节由两位资深医师分别手动操作，以及机器人手臂自动执行预定义扫描路径进行图像采集，每位操作者对每个结节完成三次完整的SE和SWE成像。
研究结果
图像质量评估
无论是客观指标还是主观评分，机器人手臂组在SE和SWE图像质量上均全面占优。在SE图像中，机器人组的平均SSIM（0.89）、PSNR（42.25 dB）最高，MSE（3.08 × 10-3）最低，且MOS评分（4.1 ± 0.3）显著高于高、低年资医师组（所有p< 0.001）。SWE图像也呈现相同趋势，机器人组在SSIM、PSNR、MOS等所有指标上均表现最佳（例如 MOS: 4.3 ± 0.2）。
组内一致性评估
在重复扫描的空间一致性方面，机器人手臂展现出压倒性优势。对于SE和SWE图像，机器人组三次扫描间的平均DSC值高达0.90，显著高于高年资医师组（约0.69）和低年资医师组（约0.64）。在SWE图像的Emax测量一致性上，机器人组的ICC高达0.94，同样远高于高年资组（0.81）和低年资组（0.67）。这表明机器人操作具有极佳的可重复性。
诊断性能评估
在区分甲状腺结节良恶性的诊断能力上，机器人辅助的弹性成像也展现了最高精度。在SE模式下，基于应变比（Strain Ratio, SR）的AUC，机器人组为0.90，优于高年资组的0.87和低年资组的0.62。在SWE模式下，基于Emax的AUC，机器人组达到0.95，显著高于高年资组的0.91和低年资组的0.84。雷达图综合分析也显示，机器人在SSIM、PSNR、1-MSE、MOS、DSC、ICC这六项归一化指标上，于两种成像模式中均全面超越人类操作者。
结论与意义
本研究的结论清晰而有力：力控机器人手臂能够为甲状腺超声弹性成像提供标准化、可重复的图像采集方案，在图像质量、操作一致性及诊断准确性方面均显著优于手动扫描。其重要意义在于，通过精准的力控制，机器人系统有效消除了因操作者差异带来的图像变异性和测量误差，为解决弹性成像临床应用中的关键瓶颈——可重复性问题——提供了切实可行的技术方案。这不仅有望提升单次诊断的可靠性，也为结节的长期随访监测和疗效评估提供了可比性更强的基础数据。虽然当前研究仍存在依赖医师读图、单中心样本等局限，但该工作为未来集成人工智能（AI）导航与判读、构建智能超声诊断系统指明了方向，推动超声弹性成像从一项依赖“手感”的经验性技术，向客观、定量、标准化的智能诊断工具迈进。
