《European Archives of Oto-Rhino-Laryngology》：The role of infrared thermography in thyroid nodule detection and classification: a scoping review
编辑推荐：
目的 进行一项范围综述，以评估关于红外热成像（IRT）作为甲状腺结节检测和分类诊断工具的证据范围与类型。方法 本综述遵循JBI范围综述方法学，纳入了涉及在临床、学术或实验环境中对患者进行甲状腺IRT评估的研究。电子检索在PubMed、Embase、Web of
目的 进行一项范围综述，以评估关于红外热成像（IRT）作为甲状腺结节检测和分类诊断工具的证据范围与类型。方法 本综述遵循JBI范围综述方法学，纳入了涉及在临床、学术或实验环境中对患者进行甲状腺IRT评估的研究。电子检索在PubMed、Embase、Web of Science、Scopus和Google Scholar中进行。结果 经过筛选2，687条记录后，共纳入2009年至2025年间发表的28项研究。大多数研究使用了静态IRT（SIRT）或动态IRT（DIRT），其中许多整合了人工智能（AI）工具。评估的研究显示，恶性结节、良性结节与健康组织之间存在温度差异，特别是在热应激条件下。AI分类器，尤其是卷积神经网络（CNN），展现出增强的诊断性能，报告准确率高达98.4%。然而，由于成像方案、相机分辨率以及患者特异性因素（如皮下脂肪厚度）的差异，结果存在变异。结论 IRT作为评估甲状腺结节的辅助诊断工具展现出有前景的潜力，特别是与AI和动态方案结合时。然而，需要在不同人群中进一步标准化和验证。
**材料与方法**
本研究按照JBI范围综述方法学进行，并预先在开放科学框架（OSF）注册。研究问题基于PCC框架：人群（接受IRT检查的甲状腺患者）、概念（热相机参数、温度变化、改进检测技术如AI或DIRT）和情境（甲状腺结节检测与癌症诊断的主客观数据）。纳入标准为2000至2025年间发表的、以拉丁字母书写的人类研究，排除综述、观点论文、体外及动物研究。检索策略涵盖PubMed、Embase、Web of Science、Scopus及Google Scholar（前100条灰色文献），并辅以人工参考文献筛查。文献筛选由两名评审员独立进行，初始基于标题与摘要，再对全文进行评估，分歧通过讨论或第三方解决。虽未进行方法学质量评价，但要求研究满足最低标准：人类受试者、甲状腺区域IRT应用、报告原始数据。数据提取包括出版年份、国家、人群、样本量、年龄、性别、研究目标、热相机参数与分辨率、IRT类型（静态IRT（SIRT）或动态IRT（DIRT））、感兴趣区域（ROI）选择方法、算法及主要结果。因临床与方法学异质性，进行叙述性综合。
**结果**
**研究选择**：共检索2，687条记录，去除988条重复后，对1，699项研究的标题与摘要进行筛选，排除1，649项（因动物实验、文献综述、数学模型或评估其他身体部位等），最终50项进入全文评估，22项不符合纳入标准，最终纳入28篇论文。
**研究特征**：纳入研究发表于2009-2025年，主要来自巴西、伊朗、罗马尼亚、美国、墨西哥、印度、意大利、西班牙、葡萄牙、中国、土耳其和泰国。样本量从1例患者到2，864例不等。24项研究报告热相机信息，仅1项使用高分辨率（1，280×720像素）相机。14项研究使用SIRT，所有DIRT研究均采用冷应激刺激。多项研究采用AI分类器（如卷积神经网络（CNN））辅助诊断，其他使用软件和库进行图像预处理与处理。
**个体研究结果**：
**良恶性结节的检测与区分**：一项研究比较了良性（120个）与恶性（27个）结节，ΔT（温度差）在恶性组更高（2.95 °C vs. 1.73 °C，p < 0.0001）。另一些研究比较了健康对照与结节患者，发现恶性肿瘤具有独特红外特征，良性、恶性与正常组织热行为存在差异。两项研究评估了IRT与超声（US）的联合应用：在低回声结节中观察更高温度，并与结节大小相关；一项病例报告显示动态IRT（DIRT）可用于评估高血管化结节。一项比较功率多普勒超声与IRT的研究显示，IRT在识别需活检结节方面具有更高精确度（准确率89.51%，敏感度100%，特异度58.06%）。
**甲状腺结节检测的混合模型**：一项研究结合MRI与IRT图像（功能信息），证明其能提供解剖与功能信息。另一项研究采用多模态学习融合IRT与US，模型表现出良好分类性能。
**癌症复发检测的辅助工具**：一项研究评估了IRT在检测甲状腺癌复发中的可行性，发现冷应激后肿瘤组织温度波动低于健康组织。
**AI分类器辅助诊断**：11项研究探讨了AI分类器。使用预训练ResNet50v2模型区分良恶性结节，冷应激前准确率0.75，敏感度0.78；联合US和细胞学结果后准确率0.81。基于嵌套U-Net的人工神经网络（ANN）在84.21%病例中成功预测并分割受影响区域，平均温度梯度（?T）与TI-RADS分类高度相关（η2 = 0.913，p < 0.001）。ResNet分类器在训练阶段准确率达96%，测试阶段92%。混合U-Net与VGG16模型在结节检测中最高Dice系数0.2639，ResNet50准确率最高（0.9775）。k-最近邻（k-NN）算法用于分类，图像配准正确率91%。多项研究测试了不同CNN架构：GoogLeNet准确率86.22%，AlexNet 77.67%，VGG 74.96%；ResNet在使用特定数据集时达95.84%。自适应多模态混合（AmmH）模型融合US与IRT图像，F1分数97.17%，显著优于单模态模型。机器学习模型（随机森林、AdaBoost、XGBoost等）在LASSO特征选择下准确率达86% (AUC 0.91–0.92)。
**图像预处理与处理软件**：多项研究采用贝叶斯分割、Perona-Malik各向异性扩散滤波、边缘检测等算法分析甲状腺恶性肿瘤的热图，确认IRT可定位并估计恶性血管生成形状。结合MRI与热图的病例研究使用Moore-Neighbour追踪算法与B样条非刚性配准。影像组学分析用于选择热图特征，主成分分析（PCA）、独立成分分析（ICA）和方差阈值法降低特征维度。使用COMSOL模拟生物热模型，发现结节血管模式差异不影响表面温度。热解释程序建议温差≥0.5°C提示甲状腺病变，≥1.0°C更倾向恶性。高空间-温度分辨率映射系统显示恶性ROI约高1.5°C，非恶性约0.5°C。分形分析中，甲亢病例分形维数1.4217，乳头状癌1.818。半自动分割软件（Python、FloodFill算法）用于追踪温度变化与区域大小，并改进ROI提取可靠性。
**甲状腺结节检测的局限性**：生物热传递分析表明，颈部脂肪层厚度（如肥胖者）会因脂肪组织的绝缘效应显著影响热检测能力。模拟显示脂肪层增厚时，结节热信号在皮肤表面减弱；在稳态和瞬态下，较厚脂肪层对应最低温度变化。
**讨论**
本范围综述调查了IRT在甲状腺结节检测与分类中的应用。共纳入28项研究，涵盖SIRT与DIRT，使用不同分辨率相机及多种预处理工具。多数研究采用SIRT，但该方法易受个体变异、外部条件和技术限制影响。DIRT通过连续测量提供更可靠的热响应数据。多项研究发现，良性、恶性结节与正常组织在热应激后表现出显著不同的热参数。恶性病变通常温度更高，但缺乏标准化采集方案和热应激诱导材料导致结果变异。相机分辨率影响温度变化检测精度，高分辨率相机（如1，280×720像素）可提升诊断性能。混合模型（如MRI-IRT、US-IRT融合）克服了单一模态的信息限制，但图像配准与融合存在挑战。AI工具（尤其是CNN）在甲状腺疾病识别中表现高效，但不同模型准确率存在差异（75%–96%），近期AmmH模型通过多模态融合达到97.17%的F1分数。IRT的主要局限性包括对外部环境（温度、湿度）及患者生理条件（脂肪厚度、组织深度）的敏感性。González等指出，SIRT下良恶性结节表面温度相似，DIRT下结节与健康区域温度也相近，可能与患者解剖和生物物理参数差异有关。
**优势与局限性**
本研究为首项针对IRT在甲状腺结节检测中作用的范围综述，严格遵循JBI方法学，多源检索确保高敏感度。局限性包括仅使用Google Scholar作为灰色文献来源，以及纳入会议论文（因AI研究常发表于此）。原始研究的方法学异质性限制了一致性结论的推导。
**对临床实践与未来研究的启示**
现有证据支持IRT作为甲状腺结节诊断辅助工具的潜力，其非侵入性、便携、无电离辐射及无需接触的特点，结合AI进步，使其更具吸引力。然而，现有方案（尤其是DIRT）存在显著异质性，需设计符合国际标准的研究以获得更一致结果。未来应关注肥胖或深部病变患者，以评估IRT在更大样本中的效能。
**结论**
IRT作为甲状腺结节评估工具仍处于新兴阶段，尚未成为广泛采用的诊断方法。结合AI支持后，IRT在早期、无创筛查中展现出有前景的潜力。需采用现代红外热相机和更大样本的进一步研究，以充分评估该成像模式的能力。
