在甲状腺疾病的防治策略中，筛查是实现早期发现和干预的关键环节。甲状腺疾病的筛查能够帮助我们及时识别潜在的患者，尤其对于那些处于高危人群或无明显症状的个体，筛查的意义更为重大。通过筛查，可以将疾病扼杀在摇篮之中，显著改善患者的预后，降低疾病的危害。

不过，中国医院协会疾病与健康管理分会常委刘莉指出，进行主动甲状腺功能筛查的老百姓并不多，首先是普通老百姓对甲状腺疾病的认识不足，因为甲状腺疾病症状是非常隐匿的，早期很不容易被发现，这也导致普通老百姓对甲状腺疾病的认识和重视程度不是特别足够，从而忽视了筛查，而大规模的人群筛查很容易导致老百姓过度诊疗的担忧，所以一些医疗指南对没有这种特定风险的人群并没有持续的筛查态度，此外国家的医疗资源分配也并不均衡。

刘莉指出，甲功筛查是重要的健康体检常规必检项目，为甲功异常人群的早发现、早干预提供了机会，国家制定的健康体检基本项目专家共识2022版已经将甲状腺功能纳入了基本的体检项目。甲状腺功能筛查（甲功筛查）作为评估甲状腺健康状况的重要手段，其包含多项检测指标。其中，促甲状腺激素（TSH）是判断甲状腺功能状态的最早期和最敏感的指标。此外，针对特定的甲状腺疾病，还可能需要检测甲状腺自身抗体，如甲状腺过氧化物酶抗体（TPOAb）、甲状腺球蛋白抗体（TgAb）等，这些抗体的检测有助于自身免疫性甲状腺疾病的诊断。

甲状腺疾病的筛查不应是一次性的行为，而应贯穿于整个生命周期。随着年龄的增长和生理状态的变化，个体患甲状腺疾病的风险也会相应改变。例如，在更年期后的女性中，由于雌激素水平的下降和免疫功能的改变，甲状腺疾病的发病率可能会进一步升高。因此，定期进行甲状腺筛查应成为每个人健康管理计划中的必要部分。一般来说，建议成年人每 2 - 5 年进行一次甲状腺功能检查和颈部超声检查；对于高危人群，则应根据医生的建议增加筛查频率。

在实际操作中，甲状腺疾病的筛查需要结合功能检查和结构检查，以全面评估甲状腺的健康状况。功能检查主要通过血液检测来评估甲状腺激素水平，而结构检查则采用触诊和超声等方法来观察甲状腺的形态和结构。触诊是一种简单、直接的检查方法，医生通过触摸颈部甲状腺区域，初步判断甲状腺是否存在肿大、结节等异常情况。

然而，触诊的准确性在很大程度上依赖于医生的经验和技能。超声检查则具有无创、便捷、分辨率高等优点，能够清晰地显示甲状腺的内部结构，检测出微小的结节和病变。对于发现的甲状腺结节，不应过度恐慌，因为大部分结节是良性腺瘤样结节或囊肿。在筛查过程中，若发现甲状腺结节，应根据结节的大小、形态、血流等特征，结合临床风险评估，决定是否需要进一步的检查和处理。

科普与 AI：赋能甲状腺疾病防治的新动力

在当今信息爆炸的时代，科普工作已成为提升公众健康素养、推动疾病防治的重要力量。对于甲状腺疾病而言，科学、准确、易懂的科普知识能够帮助公众树立正确的健康观念，掌握疾病的预防和管理方法。

林岩松指出：“开展科普工作对临床医生具有多重意义，通过开展 ‘去甲存真’ 活动我们发现，科普创作有助于医生聚焦患者常见问题，从而易化临床诊疗、提高效率，同时也有利于青年医生梯队建设，提升医患沟通能力，优化患者就医体验。”

然而，当前的科普工作仍面临诸多挑战，如科普内容质量参差不齐、传播渠道有限、公众参与度不高等。

此外，科普工作在取得一定成效的同时，也暴露出一些问题。一方面，部分科普内容缺乏科学性和严谨性，存在夸大疗效、误导公众的情况。另一方面，科普传播的深度和广度有待拓展。尽管科普信息的数量不断增加，但真正能够深入浅出、通俗易懂且具有针对性的内容相对较少。此外，科普工作的协同性不足，各方力量之间缺乏有效的沟通和合作机制，导致资源浪费和重复建设，影响了科普工作的整体效益。

在此背景下，人工智能（AI）技术的兴起为甲状腺疾病的科普工作带来了新的机遇和变革。

AI 技术在甲状腺疾病科普领域的应用，为解决上述问题提供了新的思路和方法。如AI 能够快速生成科普内容，提高科普工作的效率。通过自然语言处理技术，AI 可以根据预设的医学知识库和写作模板，自动生成科普文章、问答、视频脚本等多种形式的科普素材，AI 也具备强大的数据分析和个性化推荐能力，能够实现科普内容的精准推送。

在实际应用中，AI 与甲状腺疾病科普的融合已经取得了一些令人瞩目的成果。例如，某些医疗机构和科技公司合作开发了基于 AI 的甲状腺疾病风险评估工具。

此外，也有一些药企也在AI 模型领域布局，围绕健康科普传播展开探索。默克中国医药健康副总裁、医学事务负责人毛京梅认为数字化在开展科普传播事业中发挥着积极作用，并介绍称默克运用多渠道发布甲状腺科普内容，以线上线下融合传播的方式，助力提高公众对甲状腺疾病的认知。“默克医学部于今年成立了数字化医学顾问项目组，通过搭建AI大模型平台，挖掘人工智能在科普创新中的运用，以期为提升全民甲状腺健康水平、改善患者服务创造更多可能。”

不过，林岩松也指出虽然当前AI已成为很多人寻求健康知识的途径，但建议大家对其所生成内容的准确性、科学性等持客观态度，避免被误导。此外AI只能普及基础知识，不具备医生从医经验和疾病洞察力，也无法展开医患沟通，不能代替临床诊疗，仍需请医生进行专业诊断。

与此同时，AI还会产生错误的信息，脉络洞察创始人卢文庆解释称这是因为AI大模型的知识更新速度与医学的进展速度没有同步。“AI大模型的本质是预设知识的概率，随着新的医学知识和新的治疗方式不断出现，大模型的数据储备也要同频更新，可以多方合作研发医学知识库类的工具，使AI更快速、准确地输出科普内容”。同时他建议患者理性面对AI，最终还应以医生给的治疗方案为准。