Page 43 - 中国全科医学2022-18

·2216· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

宫颈癌在全球妇女癌症发病率和死亡率中均位居第 和高特异度。在 HPV 阳性女性中，与人工阅读相比，
四 ［1］ ，宫颈癌患者主要分布在中低收入国家（low-and 该 AI 模型提高了识别宫颈上皮内瘤变 1 级（cervical
［2］
middle-income countries，LMICs） 。中国作为人口大国， intraepithelial neoplasia grade 1，CIN 1 级）及以下病变
宫颈癌疾病负担较大。2018 年，中国宫颈癌新发病例 的特异度，且灵敏度没有降低。之后又有研究对基于人
在全球占比最大，仅次于印度 ［2］ 。自 2000 年之后，其 群筛查的 70 万女性的细胞学图像进行训练并验证，发
［14］
发病率和死亡率均呈逐年升高的趋势，如此严重的疾病 现该 AI 模型和人工阅读的一致性为 0.947（P<0.001） 。
负担已成为全球健康不平等的重要指标 ［3］ 。世界卫生 在不除外高级别鳞状上皮内病变（high grade squamous
组织（World Health Organization，WHO）总干事在 2018 intraepithelial lesion，HSIL） 的 非 典 型 鳞 状 上 皮 细 胞
年 5 月发起并制定了消除宫颈癌的全球防控策略 ［4］ ， 或 HSIL 的女性时，AI 模型检出 CIN 2 级及以上（CIN
且明确提出联合国 2030 年针对宫颈癌研究的可持续发 2+ 级）病变的灵敏度明显高于人工阅读（P<0.001），
展目标。这一策略的提出将会加速更多的国家全面防控 且实际高于人工阅读 5.8%，特异度稍降低。
宫颈癌的步伐。随着计算机的发展，人工智能（artificial 此外，为了揭示 AI 模型具有用于大规模人群宫颈
intelligence，AI）技术越来越多地应用于医学诊断中， 癌筛查的可行性，TANG 等 ［15］ 开发了一台 AI 显微镜
如计算机断层扫描（computed tomography，CT）成像、 用于识别低级别鳞状上皮内病变（low grade squamous
三维重建、磁共振（magnetic resonance-diffusion tension intraepithelial lesion，LSIL）和 HSIL，其灵敏度分别从
imaging，MRI）、细胞跟踪与定位等。GULSHAN 等 ［5］ 0.837、0.830 提高至 0.923、0.917（P<0.001），研究表
通过 AI 分析视网膜图像，诊断出糖尿病性视网膜病变。 明 AI 显微镜可为宫颈细胞学筛查提供实时辅助，预示
ESTEVA 等 ［6］ 通过深度卷积神经网络 （convolutional 着该项技术辅助细胞学医师提高诊断宫颈细胞学的有
neural networks，CNNs）对临床图像进行皮肤病变分 效率和准确性成为可能。WENTZENSEN 等 ［16］ 开发了
类，结果表明其与具有资质的 21 位皮肤科医生的诊断 一种基于云计算的全玻片成像平台，该平台是以活检病
正确率相同。在 2018 年，CHILAMKURTHY 等 ［7］ 采用 理为金标准制作了 p16/Ki-67 双重染色细胞学涂片的 AI
313 318 张图像进行颅脑 CT 颅内病变检测分析，从而 模型；研究发现与巴氏细胞学相比，该模型可以减少
使计算机算法自动化分类成为可能。以上研究提示，AI 1/3 的阴道镜转诊患者（41.9% 与 60.1%，P<0.001）。
应用于医学有较好的前景。本文就 AI 在宫颈病变的筛 以上研究表明，利用 AI 的方式建立相关的数学模
查、诊断及临床治疗预测方面中的应用进展与挑战进行 型可对细胞做出检测，以判断其是否发生病变。AI 辅助
综述。 诊断系统在宫颈细胞学检测中的应用情况见表 1 ［13-18］ ，
1 AI 在细胞学筛查中的应用 其稳定性、实用性均较强，可以减少不必要的阴道镜
在过去 50 多年来，包括中国在内的许多国家或地 转诊。
区采用基于宫颈细胞学的筛查策略 ［8-9］ 。随着人乳头 高灵敏度的 AI 辅助诊断与高特异度的宫颈细胞学
瘤病毒（human papillomavirus，HPV）和宫颈癌病因关 筛查相结合在真实世界中实用性较强，揭示了 AI 辅助
系的明确，HPV 检测操作简单、灵敏度高，已被推荐 细胞学应用于宫颈癌筛查或分诊中的潜在价值，主要
作为宫颈癌的初步筛查方法 ［10］ 。但由于宫颈细胞学检 如下：
测具有更高的特异度，在宫颈癌筛查和分诊中仍较重 （1）用于大量正常宫颈细胞学的筛查。在普通人
要 ［11］ 。目前基于人群的宫颈细胞学检测仍面临着众多 群中，宫颈细胞学结果阴性占比超过 95%，异常仅占
挑战，如缺乏合格的细胞病理学家、工作量过大、灵敏 3%~5% ［19］ ，使得人工阅片的假阴性较高，而 AI 与人
度相对较低和诊断一致性差等问题。AI 技术的发展具 工阅片相比，对正常宫颈细胞学的筛查具有较高的符合
有解决上述宫颈细胞学筛查瓶颈的巨大潜力。 率，自动化 Thin Prep 成像仪也支持该结果 ［20］ 。人工阅
2018 年有学者用 AI 系统对巴氏细胞涂片图像进行 片结果中细胞学结果正常的女性占比超过 99%，其可被
自动化筛查，发现当识别正常或异常细胞时，AI 系统 AI 辅助排除，类似于 Focal Point 系统 25% 的细胞学涂
的诊断准确率分别超过 99.27% 和 98.5%；但由于当时 片无需进一步检查 ［21］ ；另外，AI 辅助细胞学系统对异
计算机算法存在一定缺陷，导致细胞分类精度较低 ［12］ 。 常细胞学检出率接近 5%，比国家组织的宫颈癌筛查计
近两年计算机在处理速度、内存量、可访问性以及图 划（液基薄层细胞学检测报告系统 3.2%）高 20%，甚
像捕获和显示技术等方面取得了显著进步。2020 年， 至高于发达国家 ［19］ ，由此，AI 用于检查多数最可能为
BAO 等 ［13］ 研究发现 AI 辅助细胞学检测模型与资深 正常的自然人群细胞学涂片，间接增加对阳性细胞学涂
细胞学家相比，二者具有相似的灵敏度和较高的特异 片的关注，进而显著减轻了病理学医师阅片的工作量。
度；而与基层医院的细胞学医师相比，具有高灵敏度 （2）提高诊断准确性。细胞学医师虽在诊断中起