人工智能应用于宫颈癌筛查的研究现状2024.docx

《人工智能应用于宫颈癌筛查的研究现状2024.docx》由会员分享，可在线阅读，更多相关《人工智能应用于宫颈癌筛查的研究现状2024.docx（18页珍藏版）》请在第一文库网上搜索。

1、人工智能应用于宫颈癌筛查的研究现状2024摘要宫颈癌是威胁女性生命健康的常见妇科恶性肿瘤，有望通过成熟有效的三级防控策略实现消除。目前宫颈癌筛查技术仍存在瓶颈问题，亟需探索新型、准确、高效、适用于不同经济水平的筛查手段。随着人工智能（AI）技术的不断发展，目前已有诸多研究探讨将基于深度学习的A1技术应用于辅助宫颈癌筛查的可行性和实用性。本文回顾整理了现有国内外的相关研究，重点总结了在不同经济发展水平地区，AI技术应用于细胞学诊断和阴道镜诊断中的研究进展，旨在为宫颈癌综合防控策略的探索提供更多选择和科学证据，加速宫颈癌消除进程。据世界卫生组织发布的全球肿瘤流行病学数据库（G1e）Bc）CAN）2

2、023年数据显示，全球约有60.4万宫颈癌新发病例和34.2万死亡病例，宫颈癌在全球女性癌症发病率和死亡率中均高居第4位1,在全球范围内疾病负担仍然较重，约90%发生于中低收入国家10随着宫颈癌的自然病程得到充分的了解，高危人乳头瘤病毒（hr-HPV）持续感染、宫颈癌前病变和宫颈癌已被视为其关键步骤，被认为是目前唯一可以通过疫苗接种、筛查和早诊早治实现早期预防的癌症20然而，中低收入国家中只有44%的女性接受过宫颈癌筛查3o由于我国人口基数大，基层医疗机构卫生服务能力不足等原因,我国3564岁适龄女性的筛查率也仅有31.4%40鉴于宫颈癌的全球负担沉重和医疗资源分配不均衡问题日益加剧，且宫颈癌

3、具有成熟有效的三级防控手段，2018年，世界卫生组织总干事呼吁全球消除宫颈癌50包括中国在内的194个国家承诺世界卫生组织在2023年提出的加速宫颈癌消除战略及2030年阶段性目标。亟待探索能提高筛查效率和准确性的新型技术以帮助低卫生资源国家和地区尽快达成世界卫生组织的宫颈癌消除目标。随着人工智能（A1）技术的不断发展，越来越多医学领域开始借助A1技术辅助完成各种疾病的筛查、诊断、治疗和预后预测等工作60早期发现、早期诊断、准确分级和早期治疗是降低宫颈癌发病率的关键因素，而基于深度学习的A1技术有望为宫颈癌的全球消除带来希望。本文将介绍宫颈癌筛查方法的研究进展及引入AI技术的必要性，梳理AI技

4、术辅助宫颈癌筛查的国内外研究现状，并展示A1技术在宫颈癌筛查方面的实用性和潜力，及探讨AI技术当前面临的挑战及未来的研究趋势。一、宫颈癌的三阶梯筛查及引入AI技术的必要性宫颈癌初筛和分流、筛查阳性患者阴道镜转诊以及活检确诊是宫颈癌筛查的三阶梯。许多发达国家自20世纪中叶开始实施基于细胞学的筛查项目，宫颈癌的发病率已大幅降低70用于宫颈癌筛查的常规检测方法从最初的醋酸/卢戈氏碘液染色肉眼观察法到细胞学检测和HPV检测80醋酸/卢戈氏碘液染色肉眼观察法成本低，操作简单，可以立即得到结果，被认为是发展中国家宫颈癌筛查的适宜方法9。但由于灵敏度和特异度较低，质控困难，目前只有一些低卫生资源国家和地区还

5、在使用10。细胞学检测自首次被提出后一直得到广泛应用，该方法操作简单、取材方便、异常细胞检出率高11,但诊断缺少客观标准，容易受到主观因素的影响口2O细胞学检测是中国最初开展两癌”筛查工作的重要手段，但基于细胞学检测的筛查方案在包括中国在内的发展中国家仍存在着显著的局限性。主要是由于细胞学检测的重现性低，准确率不高13o除此之外，基层医疗机构的卫生基础设施薄弱，缺乏训练有素的细胞学医生，以及不同的细胞学医生也会产生不一致的检测结果都限制了细胞学检测的广泛应用140故需引入更简单、客观且灵敏度更高的筛查技术。HPV检测作为一种新型的宫颈癌筛查方法,操作简单，客观准确，且众多研究均已证实HPV检测

6、在宫颈癌筛查中的实用性15-17,该方法的引入是宫颈癌筛查和早诊史上的里程碑，实现了从细胞生物学向分子生物学的变革。目前中国两癌”筛查工作也已引入HPV检测技术作为宫颈癌筛查的手段18但该方法特异度偏低(726%86.2%)19,故多采取HPV检测与细胞学检查联合筛查或对HPV检测阳性进行分流的方案。筛查阳性者需要转诊阴道镜，得以进一步确诊。阴道镜检查可以发现和定位宫颈病变，指导病理活检，在宫颈癌筛查中至关重要，被称为宫颈癌筛查链条的最后一公里。目前针对阴道镜检查已提出统一的诊断标准和严格的质量控制，但许多基层单位的阴道镜医生由于缺乏专业培训，难以遵循标准化的建议进行阴道镜检查。阴道镜诊断结果

7、由于依赖诊断医生的经验和主观判断，易导致过度诊断12,200随着宫颈癌筛查计划覆盖范围的扩大，阴道镜医生的工作负担也随之增大，医疗卫生资源欠缺地区阴道镜医生的诊断水平有限，传统的阴道镜检查已成为制约宫颈癌筛查质量的瓶颈。AI是一门以计算机科学为基础，由计算机、生物学、心理学、数学、哲学和语言学等多学科融合的交叉学科，即用人工的方法和技术研发智能机器或系统来模拟、延伸和扩展人的智能，实现智能行为21o近年来，AI技术发展迅速，机器学习被广泛地应用于图像识别等领域。作为机器学习的重要分支，深度学习在图像识别领域中表现出优异的性能220基于深度学习的A1技术是一种通过组合低层特征形成更加抽象的高层特

8、征，进而发现数据内在特征的多层次神经网络模型230在医学领域已被广泛应用,如皮肤恶性肿瘤的分类24-25,视网膜疾病的诊断和分类26,肿瘤的影像学诊断以及妇科肿瘤的诊断和预后预测等方面27-28,并显示出广阔的应用前景。为了解决以上制约宫颈癌筛查推广的诸多问题，当前已有很多国家开始探索将A1技术应用于辅助细胞学诊断和阴道镜诊断,以提高特别是基层医疗机构医生的诊断水平，缓解医疗资源紧缺和临床医生的工作负担，提高筛查的质量和可及性。AI辅助诊断系统的建立和验证主要包括以下步骤:(1)宫颈细胞学图像获取:采用ThinPrep.SurePath等液基细胞学制片方法将宫颈细胞学样本制成液基细胞涂片，使用

9、显微镜玻片扫描仪扫描生成数字化液基细胞学图像4,29;阴道镜图像获取：包括生理盐水图像、3%5%醋酸染色图像和碘染色图像；(2)将定义明确的宫颈细胞学或阴道镜图像分为训练集和验证集，根据病理诊断的金标准结果对图像特征进行标注；(3)AI系统通过训练集建立图像和标注之间的联系，以实现对验证集图像的自动标注30,再根据模型对疾病相关的图像特征进行识别和判断31,辅助医生进行疾病诊断。二、AI细胞学辅助诊断系统在不同经济水平地区的研究现状AI细胞学辅助诊断系统,即基于宫颈细胞学病理图像数据,利用深度学习、强化学习等A1技术建立相关的数学模型，对数字化的细胞涂片图像进行自动化筛查，以识别正常或异常细胞

10、，实现宫颈癌的初筛。该系统可以显著提高阅片效率，减轻病理医生的工作负担320此外，AI细胞学辅助诊断系统可通过对宫颈细胞进行分类以指导分诊，提高宫颈上皮内瘤变(CIN)的检出率33-340(-)发达国家研究现状1992年，美国开发了第一个商业自动筛查系统PAPNET35o2004年，美国食品药品管理局批准了ThinPrep成像系统36,可以根据专有算法选择22个视场角，如果发现异常细胞，则需要细胞学医生人工阅读整个载玻片，该系统可以提高筛查的灵敏度和效率。2008年提出的FocaIPointGS成像系统37,可以将最可能有异常的视场角缩小至10个，并对风险进行分层以提高效率。然而，这些自动化系

11、统仍需依赖最终的人工阅片，成本效益有限，不适合在发展中国家使用380且此前的自动筛查系统是基于计算机的辅助诊断而非真正的A1辅助技术39o随着科学技术的进步A1技术已逐渐步入医疗领域创新发展的快车道40o美国WentZenSen等29在2023年开发了一种基于深度学习的新型图像分析平台，并在一个大样本人群中进行试验和验证后发现，与人工阅片相比，AI阅片具有相似的灵敏度和更高的特异度（P0.001X随后，日本Kanavati等41也开发了深度学习模型，可以对细胞学标本的全玻片图像进行分类，研究结果显示该模型判断细胞学图像是肿瘤还是非肿瘤的受试者工作特征曲线下面积（AUC）达到了0.89-0.96

12、,进一步证明了将深度学习应用于辅助筛查中的潜力。而芬兰的Ho1mstrom等34在肯尼亚的农村地区实施了他们开发的基于深度学习的数字显微镜系统，研究发现该系统检测非典型宫颈涂片的灵敏度为85.7%,为改变农村宫颈癌初筛现状提供了新的可能。由于HPV检测的高灵敏度和更长的筛查间隔，以细胞学检查作为宫颈癌初筛方法已不再是首选宫颈癌筛查策略。且由于发达国家具有足够多有资质的细胞病理学医生，因此目前针对AI细胞学辅助诊断系统的研究相对较少42,但有限的研究结果均证实AI技术应用于辅助细胞学诊断中的潜力和优势。AI细胞学辅助诊断系统在发达国家的具体研究情况见表129,33-34,41,43-45o（二）

13、发展中国家研究现状发展中国家由于卫生基础设施不足、医疗资源有限，训练有素的细胞病理学医生稀缺，难以全面实施科学规范的宫颈癌筛查程序46o故近年来发展中国家关于AI细胞学辅助诊断的研究相比发达国家更多，多项研究结果均显示A1相关技术有希望被开发为新的筛查工具。印度Sanya1翱47选择的卷积神经网络识别异常病灶的灵敏度达95.63%,阴性预测值达99.19%o而后Cao等48提出了一种名为注意力特征金字塔网络的新型深度学习方法，该方法的准确性达90.91%o中国作为宫颈癌疾病高发国家开展了一系列研究，经多次验证发现，AI细胞学辅助诊断系统在CIN确诊方面的准确性较高,或可作为初筛或分流的手段，以

14、提高人群中宫颈癌筛查的准确性。BaO等49在2023年训练了1个基于188542张数字细胞学图像的监督深度学习算法,并评估其检测宫颈癌或癌前病变的能力。研究发现，在高危转诊人群中，A1细胞学辅助系统在诊断宫颈上皮内瘤变II级及以上（CIN2+）方面的灵敏度和特异度与有经验的细胞学医生人工阅片相当，且优于基层医院的细胞学医生。同年Ba。等4对70万女性进行了前瞻性队列研究，与人工阅片相比，该算法的总符合率为94.7%,灵敏度增加了5.8%,可以区分大部分的正常细胞。朱孝辉等50和吕京澄等51的研究发现细胞病理学医生运用AI细胞学辅助系统能提高阅片的准确率，且比人工阅片节省约6倍的阅片时间。与有经

15、验的细胞学医生相比，Zhu等52开发的适用于使用不同标准品、染色方案和扫描仪制备样本的AI辅助诊断方案的灵敏度更高，阅片时间更短。A1细胞学辅助诊断系统在宫颈癌筛查中已具备较高的临床应用价值。现有证据表明，AI技术在发展中国家用于辅助细胞学诊断临床效果显著,当前还有很多相关临床研究和人群应用效果评价正在进行，例如，Tang等53开发了一种配备增强现实技术的AI显微镜，将真实世界图像与虚拟景象融合并投射到增强现实显示模块，为宫颈细胞学诊断提供实时辅助。报告称，与人工阅片相比，AI显微镜辅助下的诊断显著提高了高级别和低级别鳞状上皮内病变(HSI1/1SI1)的检测灵敏度(P0.05)及多种非典型鳞

16、状细胞的检测一致性，提高了宫颈细胞学诊断的效率和准确性。除此之外，AI显微镜可以作为一个虚拟助手，在教学上帮助新学员更快地掌握各种类型的异常细胞，辅助培训新的细胞病理学医生进行细胞学诊断或可成为AI显微镜的另一个潜在用途。AI细胞学辅助诊断系统在发展中国家的具体研究情况见表24,32,47-60o对于AI细胞学辅助诊断系统的两种用途，日本等多数发达国家的研究多聚焦在宫颈细胞的分类方面，以提高宫颈癌初筛后对阳性患者进行分流的诊断性能。对于大部分发展中国家而言，因为有大量低卫生资源地区的存在，使得HPV检测作为初筛手段的策略难以全面推行，故提高AI细胞学辅助诊断系统的筛查和分流性能同样重要。此外，缩短AI系统的阅片时间是中国现有研究关注的重点问题。同时基于有经验的细