日本研究人員開發(fā)了一種基于人工智能（AI）的陰道鏡檢查診斷工具，可以準(zhǔn)確識別宮頸上皮內(nèi)瘤變（CIN），隨后建議適當(dāng)?shù)牟课贿M(jìn)行活檢。該研究由京都大學(xué)婦產(chǎn)科醫(yī)師、該研究的主要作者Ueda等人在日本橫濱舉行的2023年ASCO突破會議上發(fā)表。（摘要號82）

為了驗(yàn)證該技術(shù)的準(zhǔn)確性，研究人員對2013年至2019年因?qū)m頸細(xì)胞學(xué)異常而接受陰道鏡二次篩查或CIN隨訪的8341例患者進(jìn)行了回顧性分析。本組患者年齡中位數(shù)為41歲，其中早期宮頸癌7例，CIN3病例203例，CIN2病例276例，CIN1病例456例。

研究人員構(gòu)建了基于AI的工具，以檢出按醋酸處理后的陰道鏡解剖學(xué)異常而發(fā)現(xiàn)的病變部位和經(jīng)活檢確診的CIN3病變。將所建立的檢測模型應(yīng)用于CIN1和CIN2，通過敏感性、特異性、曲線下面積以及發(fā)現(xiàn)的病灶數(shù)量來評估這些病變的診斷準(zhǔn)確性。

該模型在CIN3病例中識別嚴(yán)重病變的敏感性為85%，特異性為73%，病變區(qū)域檢測的曲線下面積為0.89，識別病灶數(shù)量的準(zhǔn)確率為95%。

該模型預(yù)測CIN1病例陰道鏡異常結(jié)果的敏感性為87%，特異性為70%，病變區(qū)域檢測的曲線下面積為0.81，識別病灶數(shù)量的準(zhǔn)確性為97%。

該模型預(yù)測CIN2病例陰道鏡異常結(jié)果的敏感性為86%，特異性為67%，病變區(qū)域檢測的曲線下面積為0.81，病灶數(shù)量的準(zhǔn)確率為93%。

研究者認(rèn)為，該應(yīng)用程序準(zhǔn)確預(yù)測組織病理學(xué)診斷的能力還有待提高，并且需要研究陰道鏡異常發(fā)現(xiàn)的時(shí)間變化與組織病理學(xué)診斷之間的關(guān)系。

“目前，日本沒有陰道鏡檢查的認(rèn)證體系，這些檢查的質(zhì)量和解釋各不相同。我們的研究旨在開發(fā)一種基于AI的工具，可以復(fù)制專家的陰道鏡檢查技術(shù)，通過準(zhǔn)確識別CIN病變，指導(dǎo)組織采樣位置，作為診斷輔助手段，” Ueda表示。

“陰道鏡檢查在子宮頸癌篩查中起著重要作用。這項(xiàng)研究表明，在癌癥篩查中利用AI可以為宮頸癌醫(yī)療中潛在的更有效和更好的診斷性能鋪平道路，”ASCO專家Guzman表示。（編譯 李常依）