Page 46 - 中国全科医学2022-18

http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn ·2219·

释涉及医学伦理和法律法规等多个领域 ［38］ ，诊断结果 资源环境中。
的责任界定应更加明确。 近些年，有些学者利用 MRI 图像来预测宫颈癌分
总之，AI 对阴道镜的智能诊断起到重要的影响。 期的研究。SOUMYA 等 ［39］ 构建了非线性支持定量机
尽管众多技术存在道德及法律等问题，但数字阴道镜与 （support vector machine，SVM）分类模型，通过 24 例
AI 的结合可为宫颈癌的预防带来令人振奋的变化。AI MRI 图像预测局部晚期宫颈癌的诊断及临床分期，结果
辅助阴道镜检查除可以识别 CIN 病变外，还可以辅助阴 发现 T2 矢状图像与 T1 及 T2 轴向图像相比，T2 矢状图
道镜医师识别尖锐湿疣、外阴及阴道上皮内病变、放疗 像预测准确率最高（81%）。NITHYA 等 ［40］ 使用 5种
后或子宫切除后的阴道病变等多种疾病，具有广泛适用 机器学习算法对宫颈癌的诊断准确率为 97%，其中 C5.0
性，有望提高诊断效率。AI 辅助阴道镜检查可以帮助 和随机森林分类器表现相当好。WANG 等 ［41］ 构建了
阴道镜专家改善其诊断性能，优化临床工作流程，并减 SVM 模型，用于预测根治性子宫切除术证实的淋巴结
轻阴道镜医师和医院的压力。构建基于云平台的 AI 辅 转移，该模型与 96 例患者根治性子宫切除术前的 MRI
助阴道镜可以创建一个新颖的宫颈癌筛查模型，并为 T2 加权像（T2WI）和扩散加权成像（DWI）特征相结合，
LMICs 的许多地区提供平等的宫颈癌诊断工具。提供免 预测淋巴结转移的AUC为0.89，进而能够预测辅助化疗、
费云平台供初学者学习识别更多种类的宫颈病变图像， 放疗或免疫治疗中受益的患者。MATSUO 等 ［42］ 依据宫
并设立测试环节，有望在较短时间内提升其专业技能。 颈癌复发患者的基线特征和实验室检查数据预测患者的
最后，希望所有的研究机构或大学将 AI 算法转化为临 3 个月及 6 个月生存率，结果发现 157 例患者中 102 例
床应用和公共卫生服务，推动 AI 引导的阴道镜进入健 复发宫颈癌患者死于宫颈癌（65%），AI 模型预测患者
康市场，助力消除宫颈癌的全球目标。 生存率的 AUC 为 0.74；此外，结果还发现 AI 模型的预
3 AI 在宫颈恶性肿瘤诊断及预后预测过程中的应用 测效果优于线性回归模型。MATSUO 等 ［43］ 还通过 768
HU 等 ［31］ 使用神经网络系统在阴道镜图像中确定 例宫颈癌患者的肿瘤特征和实验室检查数据来预测患者
受检者是否存在严重宫颈发育不良，该方法优于子宫动 的无进展生存期和总生存期，结果发现 AI 模型的预测
脉造影。因此，AI 使得“即查即治”的方法成为可能， 能力优于 Cox 比例风险回归模型。
特别是在缺乏病理学专业知识及可靠的持续性护理的低 综上所述，AI 在宫颈恶性肿瘤的诊断及预后预测中

表 2 AI 辅助诊断系统在阴道镜检查中的应用情况
Table 2 Application of AI-assisted diagnosis system in colposcopy examination
时间 图像数
作者 地点 例数 种类 正常 LSIL HSIL 肿瘤 训练软件 优势 备注
（年） 据集
SATO 等 ［30］ 2018 日本埼玉县癌 158 485 阴道镜 0 142 a 343 Keras 神 经 网 络 / 阴道镜图像病变 单纯验证
症中心 图像 Tensor Flow 库 级别分类
HU 等 ［31］ 2019 哥斯达黎加 9 406 9 406 阴道镜 9 127 b 279 c Faster R-CNN 支持数字阴道镜 训练集：744 张图像，测试集：324
图像 图像的自动视觉 张图像，筛查集：8 259 张图像 d
评估
MIYAGI 等 ［32］ 2019 国立医院组织 330 未知 阴道镜 0 97 213 20 CNN HSIL/LSIL 分类 —
妇产科 图像
MIYAGI 等 ［33］ 2020 柴达木 253 未知 阴道镜 0 210 43 0 CNN+HPV 分型 AI 与阴道镜及 —
医科大学 图像 HPV 分型结合用
国际医学中心 于 HSIL/LSIL 分类
CHO 等 ［34］ 2020 韩国多中心大 791 791 阴道镜 126 100 522 43 Inception-Resnet-v2 检 测 HSIL+ 及 宫 —
学附属医院 图像 模型 /Resnet-152 模 颈病变区域预测
型，Keras 检测病变 分析
区域
XUE 等 ［36］ 2020 中国 6 家医院 19 435 101 267 阴道镜 6 013 5 932 6 389 1 101 CAIADS 训 练 + 优 HSIL+/LSIL+ 分 级 训练集：13 604 例患者 86 037 张图
图像 化+验证为7∶1∶2 及宫颈病变区域 像；优化：1 944 例患者 9 751 张图
预测分析 像；验证：3 887 例患者 23 479 张
图像
LIU 等 ［37］ 2021 山东齐鲁医院 7 530 15 276 阴道镜 3 966 1 411 1 966 187 ResNet（ 训 练 + 验 AI 与宫颈疾病临 训练集：5 271 例患者 10 650 张图
图像 证 + 测试：7∶1∶2） 床特征结合用于 像，验证集：753 例患者 1 531 张，
宫颈病变分类 测试集：1 506 例患者 3 095 张图像
注：AI= 人工智能，LSIL= 低级别鳞状上皮内病变，HSIL= 高级别鳞状上皮内病变，HPV= 人乳头瘤病毒，CAIADS= 人工智能电子阴道镜辅
a
助诊断系统，LSIL+= 低级别鳞状上皮内病变及以上；HSIL+= 高级别鳞状上皮内病变及以上，Keras= 深度学习，Tensor Flow= 张量流图； 表示
c
b
d
LSIL 和 HSIL 患者， 表示正常和 LSIL 患者， 表示 HSIL 和肿瘤患者， 表示以上数据集均为 1 张图像 / 例患者，—表示无此数据