北京朝阳医院601名绝经后子宫内膜增厚女性研究：AI结合超声影像和临床特征的融合模型，鉴别良恶性准确率84.6%、特异度92.1%（AUC（曲线下面积）0.906），显著优于临床模型（AUC 0.797）；传统厚度阈值特异度只有51.5%。

如果你处于绝经后且超声提示子宫内膜增厚，先别慌也别盲目要求刮宫。绝经后出血者仅5-15%为恶性，大部分是良性病变。可咨询医生是否适合AI辅助超声分层评估，减少不必要的宫腔镜和诊断性刮宫；但要记住，AI是辅助工具，最终诊断仍需病理金标准。

绝经后出血，一半人白挨了刮宫

AI看一眼B超，特异度从51.5%飙到92.1%——这是北京朝阳医院601名绝经后子宫内膜增厚女性研究交出的答卷。传统靠”内膜厚度>4-5mm就刮宫”的做法，特异度只有51.5%，意味着近一半良性的女性白做了侵入性检查。

你的”刮宫恐惧”，AI能替你挡掉吗？

很多绝经后女性一查出内膜增厚就整夜失眠，被医生建议刮宫时更是害怕——全麻、侵入、术后休养。但你不知道的是：绝经后出血者中，恶性比例只有5-15%。也就是说，十个人里八到九个是虚惊一场，却要一起承受刮宫之苦。AI辅助评估，或许能把”该刮的”和”不该刮的”分得更清。

601份超声，AI如何”挑出”真正的恶性

融合模型：AUC 0.906：研究纳入601例经组织学确诊的绝经后子宫内膜增厚女性（良性509例、恶性92例），把超声影像深度特征和临床变量（出血、BMI等）融合。影像+临床融合的logistic回归模型AUC达0.906（95%CI 0.842-0.970），准确率84.6%，灵敏度75.9%，特异度92.1%。

临床模型，被甩开一截：单纯临床模型AUC只有0.797，所有影像模型都优于它；最好的单模态影像模型（ResNet152）AUC 0.850。AI看超声，确实比”只看厚度”和”只问病史”都强。

三大预测因子：SHAP（一种机器学习可解释性分析方法）显示，AI评分、绝经后出血、BMI是预测良恶性的三大因子。也就是说，AI不是”黑箱算命”，它读的是子宫内膜体积、交界完整性这些超声医生也看的信息，只是看得更系统。

AI影像的”清醒剂”：辅文研究给AI热潮泼了盆冷水：同为影像AI，乳腺X线方向一项试点研究仅22例样本，作者明确表示结果探索性、不能支持临床使用。AI筛查工具成熟度参差不齐，别一听”AI”就盲目信任，要问清楚它经过了多大样本验证。

特异度92.1%（AI融合）→ 51.5%（传统厚度阈值）→ 恶性比例仅5-15%（绝经后出血人群）——数字排开：AI的进步是真实的，但更该记住的是，大多数内膜增厚本来就是良性的。

三句话，给绝经后女性的定心丸

1 内膜增厚≠癌症，绝经后出血者恶性比例仅5-15%，先稳住心态，别被”刮宫”吓到盲目决策。

2 主动问AI辅助评估，北京这项研究是单中心回顾性数据，AI尚未普及，但可以咨询医生是否有类似分层工具。

3 病理才是金标准，AI只是筛子，该做活检时别因”AI说没事”而拒绝，用AI减负，不替病理当家。

① 单中心回顾性：数据来自北京朝阳医院一家，无前瞻性外部验证。
② 手动分割依赖：超声图像需要医生手动勾画，经验不足可能影响结果。
③ 样本量有限：恶性仅92例，类别不平衡靠权重矫正，泛化性待验证。
④ AI工具参差：不同AI产品验证程度差异大，勿以个别研究推及所有产品。

参考资料：Li L, et al. An interpretable multimodal machine learning model integrating transvaginal ultrasound and clinical features for differentiating benign from malignant endometrial thickening in postmenopausal women. Frontiers in Oncology (2026). https://doi.org/10.3389/fonc.2026.1914063；Alshreef BS. Hybrid metaheuristic feature selection for breast cancer detection in digital mammography: a radiomics and deep learning pilot feasibility study. BMC Medical Imaging (2026). https://doi.org/10.1186/s12880-026-02507-9