人工智能辅助分析技术在子宫颈细胞癌前病变筛查中的应用价值

胡爱侠，朱 琳，贺 慧，胡金星，王榭延，李道宏，靳钰炜，洪 帆，孔令非，杨志明，温 洲

子宫颈癌是妇科常见的恶性肿瘤之一，其发病率和病死率均较高[1-3]。目前，子宫颈细胞学检查是子宫颈癌筛查的首选方法[4]，但现阶段子宫颈细胞学阅片人员匮乏以及诊断经验不足[5-6]，难以满足子宫颈癌筛查的需求。人工智能与医疗相结合实现的人工智能细胞学辅助阅片系统可以缓解医疗人员不足与巨大需求之间的矛盾，对子宫颈癌早期筛查的意义重大。本文使用人工智能细胞学辅助阅片系统分析既往样本的诊断准确性、特异性和敏感性等指标，验证人工智能辅助阅片系统在子宫颈细胞学检查中的作用和价值。

1 材料与方法

1.1 临床资料收集2019年1月～2020年12月河南省人民医院提供的既往切片存档数据，2019年总制片样本量为44 488例，抽查2 558张切片，优秀切片样本占86.43%；2020年总制片样本量为42 650例，抽查2 538张切片，优秀切片样本占91.80%(表1)。选取86 000例液基薄层子宫颈细胞学涂片作为标准，原诊断结果阳性6 880例，阴性79 120例。

表1 河南省人民医院液基薄层子宫颈细胞涂片制片优良率

1.2 诊断与统计标准

1.2.1细胞学诊断标准 采用目前国际广泛使用的TBS 2014分级系统[7]进行细胞学诊断：(1)未见上皮内病变或恶性细胞(no intraepithelial lesions or malignant cells, NILM)；(2)意义不明的非典型鳞状细胞(atypical squamous cells of unknown significance, ASCUS)；(3)非典型鳞状细胞，不除外高度鳞状上皮内病变(atypical squamous cells, excluding highly squamous intraepithelial lesions, ASC-H)；(4)低度鳞状上皮内病变(low-grade squamous intraepithelial lesions, LSIL)；(5)高度鳞状上皮内病变(high-grade squamous intraepithelial lesion, HSIL)；(6)鳞状细胞癌；(7)非典型腺细胞-非特异(atypical glandular cells-not specific, AGC-NOS)；(8)非典型腺细胞-倾向肿瘤(atypical glandular cells-favor neoplastic, AGC-FN)；(9)子宫颈管原位腺癌(adenocarcinoma in situ, AIS)；(10)腺癌。将ASCUS及以上认定为阳性涂片，由于腺上皮病变较少，且AGC-NOS在诊断中存在阅片者之间的差异性，一致性及可重复性略差，故本文仅对AGC-FN进行统计分析。AIS及腺癌合并为腺癌组进行统计分析。

1.2.2统计学标准 采用SPSS 14.0软件进行统计学分析[8]，以子宫颈细胞学阅片的原存档结果为标准，评估人工智能辅助分析技术诊断结果的特异性、敏感性、准确率等指标[9]。特异性是指能正确判定阴性样本的能力；敏感性是指能检测出阳性样本的能力；准确率是指判定正确样本数量与样本总数的比率。

1.3 人工智能细胞学辅助阅片系统深思考人工智能机器人科技(北京)有限公司研发的子宫颈细胞癌前病变图像辅助诊断软件(巧思-CIAS，V1.0.0.0018)，完整版本号为：VA.B.C.D，其中V为Version的缩写，表示版本；A为主版本号，表示重大增强类软件更新；B为子版本号，表示轻微增强类软件更新；C为修正版本号，表示纠正类软件更新。

2 结果

2.1 人工智能阅片分析

2.1.1人工智能细胞学辅助阅片系统分析 采用人工智能细胞学辅助阅片系统对86 000例样本进行分析，将分析结果和原始诊断结果进行对比，结果为真阳性6 760例，假阳性19 984例，真阴性56 876例，假阴性60例，不满意2 320例。其中系统判定玻片不满意的原因：(1)玻片本身质量存在破损等；(2)扫描仪焦距问题造成的玻片样本成像不清晰；(3)扫描模糊造成的可见视野下未查见足够清晰的细胞数目；(4)由于取材制片问题造成的样本玻片中细胞数量不足2 000个。

2.1.2人工智能细胞学辅助阅片系统假阴性分析 在原始结果为阳性的6 880例涂片中，人工智能细胞学辅助阅片系统提示60例假阴性，该60例样本的原始结果均被认定为ASCUS。多名病理医师对上述60例涂片进行重新复核，认定其中30张涂片无典型病变细胞，可以重新修改为阴性，30张涂片中有少量可疑视野，人工智能细胞学辅助阅片系统提示少量可疑视野，并对具有少量可疑视野样本进行定位，因系统判定可疑细胞数量较少，且典型度不高最终被判定为阴性涂片(图1)。

图1 人工智能细胞学辅助阅片系统提示的阳性视野，并对少量可疑视野进行定位 图2 人工智能细胞学辅助阅片系统提示的阳性视野，并对漏诊样本的可疑阳性视野进行定位 图3 人工智能细胞学辅助阅片系统提示的假阳性视野，对样本部分呈反应性改变的细胞形态误识为病变细胞，误判样本为假阳性

2.1.3人工智能细胞学辅助阅片系统假阳性分析 使用人工智能细胞学辅助阅片系统对86 000例存档样本进行重新阅片，通过人工智能细胞学辅助阅片系统提供的可疑阳性视野，在19 984例假阳性样本中发现95例样本存在病变细胞，并对漏诊样本的可疑视野进行定位(图2)。然而，由于人工智能细胞学辅助阅片系统的敏感性较高，对部分呈反应性改变的细胞形态误识为病变细胞，造成部分样本误判为假阳性(图3)。

2.2 敏感性与特异度对比分析通过对86 000例样本进行分析，最终以多位复核医师的复核结果为准，人工智能细胞学辅助阅片系统的敏感性可达98.77%，特异度为74.16%。病理医师在人工智能细胞学辅助阅片系统的帮助下，敏感性和特异度均提升，敏感性达100%，特异度达99.99%。

2.2.1人工智能辅助分级诊断——阴道镜子宫颈活检 在原始诊断结果为阳性的6 880例标本中，抽取有活检对照的2 005例进行分级诊断实验，统计病理医师诊断结果以及人工智能细胞学辅助阅片系统诊断结果。结果显示，人工智能细胞学辅助阅片系统的分级诊断结果与活检结果接近，其中ASCUS占98.91%；LSIL占99.25%；ASC-H占98.64%；HSIL占100%。病理医师分级诊断结果与活检结果存在部分偏差，其中ASCSU占94.54%；LSIL占93.72%；ASC-H占91.86%；HSIL占99.06%(表2)。

表2 人工智能细胞学辅助阅片系统和病理医师分别对活检阳性样本的分级诊断汇总

2.2.2人工智能辅助分级诊断——HPV检测 在原始诊断结果为阳性的6 880例样本中，抽取2 500例HPV阳性标本进行分级诊断实验，统计病理医师诊断结果以及人工智能细胞学辅助阅片系统诊断结果。结果显示，人工智能细胞学辅助筛选系统对阅片的分级结果与HPV阳性检测结果基本持平，其中ASCUS占99.68%；LSIL占98.70%；ASC-H占98.21%；HSIL占100%。病理医师分级诊断结果与HPV检测结果存在部分偏差，其中ASCUS占97.48%；LSIL占92.61%；ASC-H占93.93%；HSIL占99.18%(表3)。

表3 人工智能细胞学辅助阅片系统和病理医师分别对HPV阳性样本的分级诊断汇总

2.3 子宫颈细胞学筛查阅片时间分析3名病理医师分别阅片1 600例，共同完成4 800例人工筛查阅片工作，3名病理医师人工筛查合计耗时160 h；人工智能细胞学辅助阅片系统仅用80 h即可完成4 800例标本的阅片工作，而病理医师在人工智能辅助下，耗时110 h完成4 800例标本的阅片工作。

3 讨论

人工智能细胞学辅助阅片系统的核心是利用计算机视觉技术实现对子宫颈细胞的精准定位，并对具有诊断意义的细胞实现精准识别。人工智能与医疗相结合实现的人工智能细胞学辅助阅片系统是基于细胞学领域知识，通过深度学习[10]、机器学习和医学图像处理等技术实现的智能化辅助阅片。人工智能细胞学辅助阅片系统的准确性是基于大数据驱动的机制下，与子宫颈细胞数据呈正相关，其从大量的子宫颈细胞数据中学习病理医师的诊断分析技巧，定位病变细胞的位置，并建立识别诊断模型，继而得出病情分析报告。

本文应用人工智能细胞学辅助阅片系统统计并分析86 000例样本的诊断准确性、特异性、敏感性和排阴率等指标。通过人工智能细胞学辅助阅片系统对子宫颈癌筛查结果进行分析，人工智能细胞学辅助阅片系统的特异性为74.16%，敏感性高达98.77%，并保证LSIL以上病变不会漏检。病理医师在人工智能细胞学辅助阅片系统的协助下诊断结果的特异性达99.99%，敏感性高达100%，显著提高了子宫颈癌筛查诊断的敏感性和特异性，这意味着人工智能细胞学辅助阅片系统在一定程度上可以依赖。同时，人工智能细胞学辅助阅片系统针对具有少量可疑视野的ASCUS涂片存在极少的漏诊，可有效提高病理医师的阳性检出率，降低漏诊风险。人工智能细胞学辅助阅片系统追求较高的敏感性，会将部分呈反应性改变的细胞形态误识为病变细胞，造成部分样本的假阳性结果，但是后续在病理医师的参与下，可以对此类漏诊情况进行纠正。

细胞的分级诊断主要是依据TBS 2014分级系统将玻片进行分级。比较人工智能细胞学辅助阅片系统与病理医师的分级诊断结果显示，诊断结果会因病理医师对细胞分级的不同存在部分偏差，而人工智能细胞学辅助阅片系统对阅片的分级结果与镜下阅片结果基本持平。人工智能细胞学辅助阅片系统可显著提高子宫颈细胞的筛查效率；提高阳性检出率，降低漏诊风险；增强细胞筛查结果的一致性与稳定性；提高ASCUS/ASC-H/LISL的敏感度，使分类更加精确。

人工智能细胞学辅助阅片系统可有效避免人为技能水平、疲劳等因素，可在线24 h连续阅片，在降低漏、误诊可能性的同时可处理更多的子宫颈细胞玻片。本文还对人工智能细胞学辅助阅片筛查系统和病理医师阅片的时间进行分析，病理医师在人工智能细胞学辅助阅片系统的辅助下能缩短阅片时间，这提高了子宫颈癌的筛查效率。人工智能细胞学辅助阅片系统支持子宫颈细胞玻片的阴、阳性分流，阴性样本无需病理医师镜下再次阅片，可大大降低病理医师的工作量；同时通过玻片中细胞的病变区域和类型进行自动定位和识别，可以减少病理医师寻找细胞的时间，减少重复工作，让病理医师把更多精力用于诊断上，这极大地提高了专业病理医师的诊断效率。

综上所述，相比于传统的仅依靠病理医师的筛查方式，使用人工智能细胞学辅助阅片系统辅助病理医师进行诊断的多种筛查方式联合诊断在很大程度上提高了诊断水平。人工智能细胞学辅助阅片系统筛查结果具有更高的敏感性和特异性，即使涂片的识别度不高，对于肉眼难以区分的样本也能避免漏诊；同时子宫颈涂片的数据量庞大，也在一定程度上使结果更加具有依赖性。人工智能细胞学辅助阅片系统可提高诊断结果的准确性，提高病理医师的工作效率，较大程度地减少病理医师的诊断时间，为治疗子宫颈癌提供诊断依据，在临床中值得推广。