人工智能双染色方法提高了宫颈癌筛查的准确性和效率

在一项新研究中，与细胞学(巴氏试验)相比，计算机算法提高了宫颈癌筛查的准确性和效率，细胞学是目前对原发性人乳头瘤病毒 (HPV) 筛查呈阳性的女性进行随访的标准。这种新方法使用人工智能 (AI) 来自动进行双染色评估，并且对临床护理具有明确的意义。

该研究的结果于 2020 年 6 月 25 日发表在美国国家癌症研究所杂志上。该算法由美国国立卫生研究院下属国家癌症研究所 (NCI) 的研究人员与其他几家机构的研究人员合作开发并进行了研究。

NCI 的医学博士 Nicolas Wentzensen 说：“我们很高兴地展示我们有一种全自动的宫颈癌筛查方法，作为 HPV 检测阳性的后续方法，该方法优于我们研究中的标准方法。”领导这项研究的癌症流行病学和遗传学部。“根据我们的结果，它可以通过发现更多癌前病变和减少假阳性来提高宫颈癌筛查的效率，这有可能消除 HPV 阳性女性中大量不必要的手术。”

近年来，临床医生希望利用数字成像和机器学习的进步来改进宫颈癌筛查。HPV 检测呈阴性的女性在接下来的十年内患宫颈癌的风险较低，即使大多数导致 HPV 检测呈阳性的宫颈 HPV 感染也不会导致癌前病变。挑战在于确定哪些 HPV 检测结果呈阳性的女性最有可能在其宫颈细胞中发生癌前病变，因此应该进行阴道镜检查以检查子宫颈并采集样本进行活检，或者需要立即治疗。

目前，HPV 检测呈阳性的女性可能需要进行额外的 HPV 检测或巴氏细胞学检测，以评估是否需要进行阴道镜检查、活检或治疗。巴氏细胞学，其中经过专门培训的实验室专业人员(细胞技术专家)分析染色的载玻片以寻找异常细胞，用于在癌前病变发展为癌症之前发现它们。但这些方法并不理想。例如，巴氏细胞学检查耗时长，灵敏度不高，而且容易出现假阳性结果。