人工智能AI提高了宫颈癌筛查

最近的一项研究显示,与巴氏细胞学相比,一种利用人工智能(AI)自动进行双染色(DS)评估的计算机算法提高了宫颈癌筛查的准确性和效率。

研究人员发现,与巴氏细胞学相比,所有DS策略在检测临床终点方面都达到了同等或更好的灵敏度,同时减少了不必要的阴道镜转诊。

具体来说,自动DS评估将阴道镜检查的总体转诊量减少了三分之一,主要的自动截止点为两个细胞,自动DS评估减少了41.9%,而细胞学则减少了60.1%。

大脑,人工智能,机器学习,AI

在两个或更多细胞的截止点下,自动DS评估也具有每个临床终点检测的阴道镜检查的最有利比率,而当前标准的巴氏细胞学的最不利比率,分别为6.8与9.9。

该算法是由美国国立卫生研究院下属的国家癌症研究所(NCI)的研究人员与Steinbeis医学系统生物学转移中心的Niels Grabe博士和Bernd Lahrmann博士合作开发的,并进行了研究。

该研究旨在揭示全自动双染色测试是否能匹配或超过手动方法的性能。美国国立卫生研究院表示,研究人员开发了一个成像平台,在经过深度学习训练后,可以确定是否有宫颈细胞同时被p16和Ki-67染色。

活检研究包括2009年至2011年期间在俄克拉荷马大学健康科学中心转诊进行阴道镜检查的4253名18岁或以上的女性。

"与现行标准相比,DS玻片的自动评估大幅降低了不必要的阴道镜检查,从而大幅提高了宫颈癌筛查的效率,在模拟完全接种疫苗的人群中同样取得了优异的表现。因此,CYTOREADER超过了人类的诊断精度,成为人工智能实现超越人类标准的自动化改进的一个例子。"研究人员在研究中说。

"我们的结果证明了自动化和机器学习如何改变目前正在经历重大变革的宫颈癌筛查。用于宫颈癌筛查的HPV检测是一种与致癌过程直接相关的客观可靠的方法。"

美国国立卫生研究院的一份新闻稿提到了这项研究结果的重要性。

该生物医学研究机构表示,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善宫颈癌筛查。

但医疗服务提供者遇到的挑战是识别哪些HPV检测结果呈阳性的女性更有可能在宫颈细胞中发生癌前变化,因此应该进行结肠镜检查,检查宫颈并取样活检,或者需要立即治疗。

美国国立卫生研究院表示,目前这种护理的方法并不理想,因为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。

该研究显示,自动化测试的性能超过了目前的标准--巴氏细胞学检查,减少了假阳性结果的数量,减少了不必要的阴道镜检查程序的转诊。

"我们很高兴地表明,我们有一种全自动的宫颈癌筛查方法,作为HPV检测阳性的后续检查,在我们的研究中优于标准方法,"NCI癌症流行病学和遗传学部门的Nicolas Wentzensen博士在新闻稿中说,他领导了这项研究。

"根据我们的结果,它可以通过发现更多的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阳性妇女中大量不必要的程序。"

发表评论

电子邮件地址不会被公开。 必填项已用*标注