人工智能在宮頸癌篩查中的研究進展△

王金花，宋金維，王建東#

1首都醫科大學附屬北京婦產醫院婦瘤科，北京 100026

2北京市西城區婦幼保健院婦產科，北京 100054

人工智能（artificial intelligence，AI）是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是對人的意識、思維的信息過程的模擬。它以機器學習為基礎，是計算機科學的一個分支，目的是開發擁有智能行為的機器。目前AI在醫療領域的應用主要集中于醫學影像，輔助醫師進行兩癌（肺癌、宮頸癌）篩查[1]。宮頸癌是最常見的婦科惡性腫瘤，近年來發病有年輕化趨勢。近幾十年宮頸細胞學篩查的普遍應用，使宮頸癌得以早期發現和治療，發病率和病死率已明顯下降。但目前中國宮頸癌篩查覆蓋率僅為19%[2]，與宮頸癌防治要求達到80%的人群覆蓋率的目標差距尚遠，因此對于宮頸癌篩查技術的提高和普及仍需努力。本文針對目前人工智能在宮頸癌中的發展進行綜述，旨在為醫療資源不發達、不充足等地區的宮頸癌篩查提供指導。

1 宮頸癌常用篩查方法

在肉眼水平，常用碘/醋酸試驗法，將醋酸或碘涂抹在宮頸表面染色，醋酸使病變組織呈現白色，碘在病變區不著色，從而對病變區域進行篩查。Arbyn等[3]對58 000例宮頸癌篩查患者進行分析，發現碘/醋酸試驗對宮頸上皮內瘤變（cervical intraepithelial neoplasia，CIN）Ⅱ級及Ⅲ級的靈敏度分別為79%和83%，特異度分別為85%和84%，碘試驗的靈敏度較醋酸試驗高約10%，兩種方法的特異度相當。

在細胞水平，常用的方法有巴氏細胞學和液基薄層細胞學檢測法。巴氏涂片法是從子宮頸部取少量的細胞樣本，放在玻璃片上，然后在顯微鏡下觀察是否有病變，根據病變嚴重程度分為5級。王曉林[4]的研究表明宮頸巴氏涂片法的靈敏度為83.3%，特異度為47.6%。液基細胞學采用專門的宮頸刷和液基保存技術對細胞成分進行取材和固定保存，將收集到的細胞保存于固定液中，再對經濾過的細胞進行檢查，液基薄層細胞學檢測技術診斷宮頸病變的靈敏度為94.9%，特異度為71.4%[4]。

在分子水平，常針對人乳頭瘤病毒（human papilloma virus，HPV）進行檢測，其中最常用的是實時熒光定量聚合酶鏈反應（polymerase chain reaction，PCR）法檢測病毒DNA，診斷宮頸癌的靈敏度為33.3%[5]。

隨著技術的發展和進步，篩查的檢出率逐漸提高，但各自又有局限，例如薄層液基細胞學技術（thinprep cytology test，TCT）比組織病理學檢測靈敏度低約6%[6]，容易造成漏診；細胞學檢查方法多有賴于檢查者的經驗和技術水平，主觀性強；HPV檢測初篩的靈敏度較高，但結果中包含大量“一過性”感染者，導致特異度低，轉診陰道鏡的概率提高。雖然臨床工作者將多種篩查技術聯合應用，使其優勢互補從而提高了篩查的準確度，但同時仍存在許多無法避免的共同缺陷：一方面檢查過程中人為檢查階段的主觀性無法避免，另一方面消耗了大量的人力成本。

隨著AI的發展及其在醫療界的逐步應用，這一問題有望得到解決，一方面機器不存在主觀性，另一方面其可以24小時工作，篩查效率和準確度大大提高。

2 計算機智能篩查宮頸癌細胞

在液基細胞學篩查的基礎上，根據宮頸異常細胞的特殊形態、顏色、邊界、核型等特點與計算機技術結合便衍生出了智能篩查宮頸異常細胞的機器。

2.1 國外研究進展

宮頸細胞圖像的自動化識別研究在很早就已經開展，截至目前，國外已有3種具有代表性的檢測設備，分別為AutoPap、PAPNET、ThinPrep。

AutoPap系統初級篩選器是一種計算機化的掃描裝置，設計用于檢測傳統制備的宮頸細胞涂片。該裝置會根據涂片上細胞異常的可能性指定一個分數從而進行疾病診斷。有研究表明，Auto-Pap輔助檢查系統使宮頸癌篩查的陽性檢出率提高了13.4%[7]，為宮頸癌的有效篩查提供了便利。

PAPNET計算機數字化玻片檢查儀是大型計算機自動化掃描系統，能模仿AI對高難度的影像進行分析。PAPNET的檢測分兩步進行，先在檢測中心由計算機對涂片上的每個細胞進行初步辨認篩選，從每張涂片上找出最可疑的128個細胞，將含有該細胞的視野用高敏顯像器拍攝記錄；然后在中間細胞室，由細胞學專家對記錄的資料進行復驗，遇可疑之處，再在顯微鏡下進行肉眼檢查[8]。該系統按巴氏涂片法分類法區分各類細胞。NET診斷儀是近年來由美國電腦專家與細胞病理學專家合作發明的高新科技產品，它運用電腦掃描細胞及先進的AI“腦神經網絡模擬”技術發現宮頸癌細胞，對宮頸涂片檢查的準確度可達97%，甚至100%[9]，是傳統肉眼顯微鏡的10倍，而且速度是單純光學顯微鏡的2倍[10]，對宮頸癌的早期篩查有著重要意義。

ThinPrep是國際上最先進的宮頸細胞學分析設備之一，獲得美國食品藥品管理局（FDA）認證。該設備能夠檢測出制片不滿意的標本，拒絕不滿意的標本進入閱片系統中。這種做法能夠有效降低乃至避免不確定的判讀結果，提高對病變或異常細胞的篩查準確度，使宮頸癌細胞檢出率達到95%以上[11]。與此同時該設備還可以檢測出部分病毒和霉菌等導致的感染病變，相對傳統宮頸巴氏細胞學檢查有了很大的提升。但是由于該設備價格昂貴，增加了宮頸細胞涂片檢查的額外成本，因此國內很多醫院仍然無法將這項技術引入到宮頸細胞學涂片檢查中。

2.2 國內研究進展

張璐[12]通過對宮頸細胞圖像的預處理，采用改進的Otsu雙閾值算法實現宮頸細胞圖像的粗分割，提取感興趣區域（region of interest，ROI），利用支持向量機（support vector machine，SVM）分類器設計五分類器對宮頸細胞圖像進行分類。該方法對單個異常宮頸細胞的檢出率達95.72%。

嚴明洋[13]以液基薄層宮頸微生物感染細胞為研究對象，將人眼視覺感知和粗糙集理論相結合，通過對宮頸微生物感染細胞的物理特征進行分析，從而快速定位和提取宮頸微生物感染細胞。實驗結果顯示微生物感染細胞的檢出率為92.30%，檢測的準確率可達到74.58%，提示該宮頸微生物感染檢測方法是有效的。

國內關于宮頸癌涂片的自動識別有很多研究，但大部分停留在實驗階段。

宮頸癌智能診斷機器人擁有600余萬例宮頸癌細胞醫療影像數據，利用機器學習算法，進行病理細胞圖像分割，提取癌變細胞關鍵特征，建立計算機視覺訓練識別模型，再通過DNA定量方法對細胞標本逐個分析，判斷是否有腫瘤細胞存在，并判斷其發展趨勢，從而識別早期宮頸癌前病變并早期篩查宮頸癌。同時，智能機器人通過大量影像數據和診斷數據進行機器學習，使其具有了認知性“診斷”能力。

傳統宮頸癌細胞學篩查由醫技人員在顯微鏡下根據經驗診斷，按國際標準，篩查人員每天閱片量應小于100例，而AI宮頸癌診斷機器人每月能夠完成108萬例樣本的診斷篩查，將原有依靠顯微鏡的人工篩查上限值從每人每天100例提升至每人每天30 000例，將宮頸癌篩查效率提升了300倍，將醫師的診斷工作量降低到原先的15%[14]。

3 宮頸癌光電篩查系統篩查宮頸癌

宮頸癌光電篩查系統（TruScreen，TS）2007年獲國家食品藥品監督管理總局（China Food and Drug Administration，CFDA）許可，是一種便攜式宮頸癌篩查智能儀器，具有無創、無痛、高效等優點。它的原理是用光照射宮頸組織，由于隨著宮頸病變的發展，基底層及基底細胞形態發生變化，血管顯現甚至壞死組織的出現導致其對光（尤其是綠光）不同程度的吸收和散射，接收器通過收集具有差異的光信號判斷病變程度[15]。同時它還能通過電學生物傳感器測量癌變/非癌變組織的阻抗差異，從而輔助篩查。

在對TS臨床應用價值的研究中，李衛平等[16]研究表明TS檢查對TCT檢查結果為陰性的患者靈敏度為82.4%，特異度為86.8%，漏診率為17.6%，誤診率為13.2%。說明TS對TCT檢查為陰性的患者仍有很好的靈敏度和特異度，有望成為新的宮頸癌篩查方法，并得到更滿意的篩查效果。

4 展望

研究人員采用AI技術輔助檢測早期皮膚癌以減少不必要的活檢，提高臨床診斷的準確度和特異度。有科學家研發出可檢查乳腺癌的智能胸罩，利用微波觸覺系統感應胸部組織中不正常的溫度改變，從而為早期發現乳腺癌提供參考依據[17]。未來，通過各學界的相互融合借鑒和學習，有望使AI在宮頸癌乃至整個婦科腫瘤疾病的篩查、診斷及治療中發揮更大的作用，為女性的健康提供更好的服務。