AI方法在识别宫颈癌前病变方面优于人类专家

由美国国立卫生研究院和Global Good的研究人员领导的研究小组开发了一种计算机算法，可以分析女性子宫颈的数字图像，并准确识别需要医疗护理的癌前病变。这种称为自动视觉评估的人工智能(AI)方法有可能彻底改变宫颈癌筛查，特别是在资源匮乏的环境中。

为了开发该方法，研究人员使用综合数据集来“训练”深度或机器学习算法，以识别复杂视觉输入中的模式，例如医学图像。该方法由国家癌症研究所(NCI)的研究人员和Intellectual Ventures项目Global Good共同创建，研究结果由国家医学图书馆(NLM)的专家独立确认。结果发表在2019年1月10日的国家癌症研究所杂志上.NCI和NLM是NIH的一部分。

“我们的研究结果显示，深度学习算法可以使用在常规宫颈癌筛查期间收集的图像来识别癌前病变，如果不及时治疗，可能会发展为癌症，”NCI癌症流行病学和遗传学部门医学博士，公共卫生硕士Mark Schiffman说。，该研究的高级作者。“事实上，图像的计算机分析在识别癌前病变方面比在显微镜下观察巴氏试验的人类专家评估者(细胞学)更好。”

新方法有可能在资源匮乏的环境中具有特殊价值。此类环境中的卫生保健工作者目前使用称为醋酸视觉检查(VIA)的筛查方法。在这种方法中，卫生工作者将稀醋酸应用于子宫颈并用肉眼检查子宫颈，寻找“乙酰美白”，这表明可能的疾病。由于其便利性和低成本，VIA被广泛用于没有更先进的筛选方法的地方。但是，众所周知，这是不准确的，需要改进。

自动视觉评估同样易于执行。卫生工作者可以在一次访问期间使用手机或类似的相机设备进行子宫颈筛查和治疗。此外，这种方法可以通过最少的培训进行，使其成为医疗保健资源有限的国家的理想选择，其中宫颈癌是妇女生病和死亡的主要原因。

为了创建该算法，该研究团队使用了20多个宫颈图像，这些图像来自20世纪90年代在哥斯达黎加进行的宫颈癌筛查研究中收集的NCI档案。超过9,400名妇女参加了该人口研究，随访时间长达18年。由于该研究的前瞻性，研究人员获得了几乎完整的信息，其中关于哪些宫颈变化成为癌前病变，哪些没有。将照片数字化，然后用于训练深度学习算法，以便能够区分需要治疗的宫颈病症和不需要治疗的病症。

总体而言，该算法在预测哥斯达黎加研究期间诊断的所有病例方面表现优于所有标准筛查试验。自动视觉评估比人类专家评审(AUC = 0.69)或常规细胞学(AUC = 0.71)更准确地鉴定了癌前病变(AUC = 0.91)。AUC为0.5表示测试并不比偶然性好，而AUC为1.0表示在识别疾病时具有完美准确性的测试。

“当这种算法与HPV疫苗接种的进展，新兴的HPV检测技术以及治疗方法的改进相结合时，可以想象宫颈癌可以得到控制，即使在资源匮乏的情况下也是如此，”Maurizio Vecchione，执行副总裁全球好。

研究人员计划使用各种相机和其他成像选项，对世界各地社区妇女的宫颈癌前病变和正常宫颈组织的代表性图像样本进一步训练该算法。这一步是必要的，因为不同地理区域的妇女的子宫颈外观有细微差别。该项目的最终目标是为常见的开放式使用创建最佳算法。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。