ACR 2026：AI深度学习提升风湿病超声诊断

时间：2026年11月6日至11日，美国风湿病学会（ACR）年会在佛罗里达州奥兰多举行。 地点：美国佛罗里达州奥兰多 人物：Schlereth M等研究人员、Friedrich-Alexander University（FAU）Erlangen团队、风湿病科医生 事件详情：在ACR Convergence 2026会议上，三项研究展示了人工智能在风湿病超声诊疗中的最新进展。其中，FAU Erlangen团队开发了一套基于深度学习的卷积神经网络（CNN）工具，用于自动评估手指关节滑膜炎的严重程度并分类关节炎类型。该系统采用ResNet18架构，在Esaote MyLab Twice和Samsung HS40两种超声设备上测试，无需标准化超声设置。研究纳入340名患者，共2478张超声扫描图像。CNN对滑膜炎分级（0-3级）的加权AUC达到0.83，与人类标注的Spearman相关系数为0.64。在关节炎分类任务中，模型区分类风湿关节炎（RA）与脊柱关节炎（SpA）/银屑病关节炎（PsA）的加权AUC为0.66。 背景：肌肉骨骼超声（MSUS）是评估和分级滑膜炎的关键工具，但其解读具有主观性，依赖操作者技能，且不同设备间缺乏标准化。不同关节炎的超声表现往往重叠，缺乏疾病特异性，限制了其应用范围。此前虽有研究开发CNN评估滑膜炎，但多使用单一设备和标准化扫描。此外，生成式AI工具虽能生成有说服力的医学文本，但可能包含大量错误信息（幻觉），不能作为临床权威依据。 影响：研究团队指出，该CNN原型在区分RA与SpA/PsA方面展现出潜力，但需在更大独立队列上验证，并与标准化设置进行比较。同时，人类需要对AI检测的"热点"进行解剖学相关性评估。EMJ Reviews评论强调，在自动化影像算法进入日常临床工作流程前，仍需进行多中心验证，并培训医生审慎核查算法输出，警惕生成式工具的幻觉风险。 总结：ACR Convergence 2026展示了AI深度学习在风湿病超声判读中的实际进展，从自动检测滑膜炎、骨侵蚀到辅助临床决策支持，技术路径逐渐清晰。但专家同时提醒，算法偏见、多中心泛化能力和临床可解释性仍是落地前的核心关卡。下一步关键在于扩大验证规模、建立医生-AI协作培训体系，让技术真正服务于风湿病的精准诊疗。 参考来源： EMJ Reviews报道ACR 2026 AI超声研究 https://www.emjreviews.com/rheumatology/news/acr-2026-artificial-intelligence-enhances-ultrasound-and-decisions/ Serdar Hocam科技新闻编译 https://serdarhocam.com/news/acr-2026-artificial-intelligence-enhances-ultrasound-and-clinical-decision-support-processes-in-rheumatology AI日报中文摘要 https://aidaily.fyi/zh/a/acr-2026-ai-enhances-ultrasound-and-decisions-261108 ACR Meeting Abstracts原文摘要（POS1322） https://acrabstracts.org/abstract/development-of-a-deep-learning-based-tool-for-automated-assessment-of-synovitis-power-doppler-activity-erosions-and-osteophytes-and-classification-of-arthritis-using-ultrasound-imaging/ Semantic Scholar论文索引 https://www.semanticscholar.org/paper/POS1322%E2%80%85DEVELOPMENT-OF-A-DEEP-LEARNING-BASED-TOOL-Schlereth-Sousa/614d32b18650aea2586dc029bd95898da1f8b417 Medpresso会议信息 https://medpresso.org/events/acr-convergence-american-college-of-rheumatology-annual-meeting-orlando-2026