人工智能在宫颈癌筛查中的研究进展△

王金花，宋金维，王建东#

1首都医科大学附属北京妇产医院妇瘤科，北京 100026

2北京市西城区妇幼保健院妇产科，北京 100054

人工智能（artificial intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。它以机器学习为基础，是计算机科学的一个分支，目的是开发拥有智能行为的机器。目前AI在医疗领域的应用主要集中于医学影像，辅助医师进行两癌（肺癌、宫颈癌）筛查[1]。宫颈癌是最常见的妇科恶性肿瘤，近年来发病有年轻化趋势。近几十年宫颈细胞学筛查的普遍应用，使宫颈癌得以早期发现和治疗，发病率和病死率已明显下降。但目前中国宫颈癌筛查覆盖率仅为19%[2]，与宫颈癌防治要求达到80%的人群覆盖率的目标差距尚远，因此对于宫颈癌筛查技术的提高和普及仍需努力。本文针对目前人工智能在宫颈癌中的发展进行综述，旨在为医疗资源不发达、不充足等地区的宫颈癌筛查提供指导。

1 宫颈癌常用筛查方法

在肉眼水平，常用碘/醋酸试验法，将醋酸或碘涂抹在宫颈表面染色，醋酸使病变组织呈现白色，碘在病变区不着色，从而对病变区域进行筛查。Arbyn等[3]对58 000例宫颈癌筛查患者进行分析，发现碘/醋酸试验对宫颈上皮内瘤变（cervical intraepithelial neoplasia，CIN）Ⅱ级及Ⅲ级的灵敏度分别为79%和83%，特异度分别为85%和84%，碘试验的灵敏度较醋酸试验高约10%，两种方法的特异度相当。

在细胞水平，常用的方法有巴氏细胞学和液基薄层细胞学检测法。巴氏涂片法是从子宫颈部取少量的细胞样本，放在玻璃片上，然后在显微镜下观察是否有病变，根据病变严重程度分为5级。王晓林[4]的研究表明宫颈巴氏涂片法的灵敏度为83.3%，特异度为47.6%。液基细胞学采用专门的宫颈刷和液基保存技术对细胞成分进行取材和固定保存，将收集到的细胞保存于固定液中，再对经滤过的细胞进行检查，液基薄层细胞学检测技术诊断宫颈病变的灵敏度为94.9%，特异度为71.4%[4]。

在分子水平，常针对人乳头瘤病毒（human papilloma virus，HPV）进行检测，其中最常用的是实时荧光定量聚合酶链反应（polymerase chain reaction，PCR）法检测病毒DNA，诊断宫颈癌的灵敏度为33.3%[5]。

随着技术的发展和进步，筛查的检出率逐渐提高，但各自又有局限，例如薄层液基细胞学技术（thinprep cytology test，TCT）比组织病理学检测灵敏度低约6%[6]，容易造成漏诊；细胞学检查方法多有赖于检查者的经验和技术水平，主观性强；HPV检测初筛的灵敏度较高，但结果中包含大量“一过性”感染者，导致特异度低，转诊阴道镜的概率提高。虽然临床工作者将多种筛查技术联合应用，使其优势互补从而提高了筛查的准确度，但同时仍存在许多无法避免的共同缺陷：一方面检查过程中人为检查阶段的主观性无法避免，另一方面消耗了大量的人力成本。

随着AI的发展及其在医疗界的逐步应用，这一问题有望得到解决，一方面机器不存在主观性，另一方面其可以24小时工作，筛查效率和准确度大大提高。

2 计算机智能筛查宫颈癌细胞

在液基细胞学筛查的基础上，根据宫颈异常细胞的特殊形态、颜色、边界、核型等特点与计算机技术结合便衍生出了智能筛查宫颈异常细胞的机器。

2.1 国外研究进展

宫颈细胞图像的自动化识别研究在很早就已经开展，截至目前，国外已有3种具有代表性的检测设备，分别为AutoPap、PAPNET、ThinPrep。

AutoPap系统初级筛选器是一种计算机化的扫描装置，设计用于检测传统制备的宫颈细胞涂片。该装置会根据涂片上细胞异常的可能性指定一个分数从而进行疾病诊断。有研究表明，Auto-Pap辅助检查系统使宫颈癌筛查的阳性检出率提高了13.4%[7]，为宫颈癌的有效筛查提供了便利。

PAPNET计算机数字化玻片检查仪是大型计算机自动化扫描系统，能模仿AI对高难度的影像进行分析。PAPNET的检测分两步进行，先在检测中心由计算机对涂片上的每个细胞进行初步辨认筛选，从每张涂片上找出最可疑的128个细胞，将含有该细胞的视野用高敏显像器拍摄记录；然后在中间细胞室，由细胞学专家对记录的资料进行复验，遇可疑之处，再在显微镜下进行肉眼检查[8]。该系统按巴氏涂片法分类法区分各类细胞。NET诊断仪是近年来由美国电脑专家与细胞病理学专家合作发明的高新科技产品，它运用电脑扫描细胞及先进的AI“脑神经网络模拟”技术发现宫颈癌细胞，对宫颈涂片检查的准确度可达97%，甚至100%[9]，是传统肉眼显微镜的10倍，而且速度是单纯光学显微镜的2倍[10]，对宫颈癌的早期筛查有着重要意义。

ThinPrep是国际上最先进的宫颈细胞学分析设备之一，获得美国食品药品管理局（FDA）认证。该设备能够检测出制片不满意的标本，拒绝不满意的标本进入阅片系统中。这种做法能够有效降低乃至避免不确定的判读结果，提高对病变或异常细胞的筛查准确度，使宫颈癌细胞检出率达到95%以上[11]。与此同时该设备还可以检测出部分病毒和霉菌等导致的感染病变，相对传统宫颈巴氏细胞学检查有了很大的提升。但是由于该设备价格昂贵，增加了宫颈细胞涂片检查的额外成本，因此国内很多医院仍然无法将这项技术引入到宫颈细胞学涂片检查中。

2.2 国内研究进展

张璐[12]通过对宫颈细胞图像的预处理，采用改进的Otsu双阈值算法实现宫颈细胞图像的粗分割，提取感兴趣区域（region of interest，ROI），利用支持向量机（support vector machine，SVM）分类器设计五分类器对宫颈细胞图像进行分类。该方法对单个异常宫颈细胞的检出率达95.72%。

严明洋[13]以液基薄层宫颈微生物感染细胞为研究对象，将人眼视觉感知和粗糙集理论相结合，通过对宫颈微生物感染细胞的物理特征进行分析，从而快速定位和提取宫颈微生物感染细胞。实验结果显示微生物感染细胞的检出率为92.30%，检测的准确率可达到74.58%，提示该宫颈微生物感染检测方法是有效的。

国内关于宫颈癌涂片的自动识别有很多研究，但大部分停留在实验阶段。

宫颈癌智能诊断机器人拥有600余万例宫颈癌细胞医疗影像数据，利用机器学习算法，进行病理细胞图像分割，提取癌变细胞关键特征，建立计算机视觉训练识别模型，再通过DNA定量方法对细胞标本逐个分析，判断是否有肿瘤细胞存在，并判断其发展趋势，从而识别早期宫颈癌前病变并早期筛查宫颈癌。同时，智能机器人通过大量影像数据和诊断数据进行机器学习，使其具有了认知性“诊断”能力。

传统宫颈癌细胞学筛查由医技人员在显微镜下根据经验诊断，按国际标准，筛查人员每天阅片量应小于100例，而AI宫颈癌诊断机器人每月能够完成108万例样本的诊断筛查，将原有依靠显微镜的人工筛查上限值从每人每天100例提升至每人每天30 000例，将宫颈癌筛查效率提升了300倍，将医师的诊断工作量降低到原先的15%[14]。

3 宫颈癌光电筛查系统筛查宫颈癌

宫颈癌光电筛查系统（TruScreen，TS）2007年获国家食品药品监督管理总局（China Food and Drug Administration，CFDA）许可，是一种便携式宫颈癌筛查智能仪器，具有无创、无痛、高效等优点。它的原理是用光照射宫颈组织，由于随着宫颈病变的发展，基底层及基底细胞形态发生变化，血管显现甚至坏死组织的出现导致其对光（尤其是绿光）不同程度的吸收和散射，接收器通过收集具有差异的光信号判断病变程度[15]。同时它还能通过电学生物传感器测量癌变/非癌变组织的阻抗差异，从而辅助筛查。

在对TS临床应用价值的研究中，李卫平等[16]研究表明TS检查对TCT检查结果为阴性的患者灵敏度为82.4%，特异度为86.8%，漏诊率为17.6%，误诊率为13.2%。说明TS对TCT检查为阴性的患者仍有很好的灵敏度和特异度，有望成为新的宫颈癌筛查方法，并得到更满意的筛查效果。

4 展望

研究人员采用AI技术辅助检测早期皮肤癌以减少不必要的活检，提高临床诊断的准确度和特异度。有科学家研发出可检查乳腺癌的智能胸罩，利用微波触觉系统感应胸部组织中不正常的温度改变，从而为早期发现乳腺癌提供参考依据[17]。未来，通过各学界的相互融合借鉴和学习，有望使AI在宫颈癌乃至整个妇科肿瘤疾病的筛查、诊断及治疗中发挥更大的作用，为女性的健康提供更好的服务。