最近，一项由美国国家癌症研究所(NCI)的研究人员开发和实施的新研究中，与细胞学检查(巴氏试验)相比，计算机算法（AI，人工智能）提高了宫颈癌筛查的准确性和效率。巴氏试验是目前对初级人类乳头瘤病毒筛查呈阳性的妇女进行随访的标准方法。新方法使用人工智能(AI)自动双重染色评估，对临床护理有明显的影响。

这项研究的结果发表在最新一期《美国国家癌症研究所杂志》（ JNCI，Journal of the National Cancer Institute）上。领导这项研究的NCI癌症流行病学和遗传学部门的Nicolas Wentzensen博士表示，作为阳性人乳头瘤病毒检测的新技术，这种全自动的宫颈癌筛查方法在研究中显示出比标准细胞学方法表现得更好。它可以通过发现更多的癌前病变和减少假阳性来提高宫颈癌筛查的效率，这样就有可能消除针对HPV阳性妇女后续大量不必要的过程。

近年来，临床医生希望利用数字成像和机器学习的进步来改善宫颈癌筛查。HPV检测呈阴性的妇女在接下来的十年中患宫颈癌的风险较低，即使是大多数宫颈HPV感染(导致HPV检测呈阳性)也不会导致癌前病变。目前面临的挑战是，需要筛选和确定HPV检测结果呈阳性，其宫颈细胞最有可能出现癌前病变的女性，因此应该对她们进行阴道镜检查宫颈，并提取样本进行活检，甚至需要立即治疗。

目前，HPV检测呈阳性的女性可能需要进行额外的HPV检测或巴氏细胞学检测，以评估是否需要进行阴道镜检查、活检或治疗。在巴氏细胞学检测中，经过特殊训练的实验室专业人员(细胞技术人员)通过分析染色的玻片来寻找异常细胞，得以在癌前病变发展为癌症之前发现它们。但这些方法并不理想。例如，巴氏细胞学检查非常耗时，且不太敏感，容易出现假阳性结果。

目前，双染色检测已经成为一种更准确地预测HPV检测呈阳性的妇女宫颈癌前病变几率的方法。该检测方法通过检测宫颈样本中是否存在的p16和Ki-67两种蛋白。在之前的两项研究中，Wentzensen博士和他的同事们发现，双重染色检测结果为阴性的女性在接下来的五年里患宫颈癌前病变的风险较低，而且与巴氏细胞学检测结果为阳性的女性相比，她们双重染色检测结果为阳性的女性较少。2020年3月，美国食品和药物管理局(FDA，Food and Drug Administration)批准了一种人工双染色细胞学检测方法，用于HPV初级筛查结果呈阳性的女性。

人工双染色试验有主观成分，因为细胞技术人员必须查看载玻片来确定结果。在目前这项新的研究中，研究人员想知道全自动双染色检测是否能与人工检测相匹配或超过人工检测。与海德堡大学医学系统生物学转化中心的专家们合作,他们开发了一个张幻灯片成像平台, 在深度学习训练后, 它可以确定任何宫颈细胞染色的p16和ki - 67。他们将这种方法与传统的巴氏细胞学和手工双染色检测方法进行了比较。这些宫颈上皮细胞样本来自三项流行病学研究中4253名受检者。

研究人员发现，以AI为基础的双染色检测比巴氏细胞学和手工双染色检测的阳性率更低，具有比巴氏细胞学更好的敏感性(正确识别癌前病变的能力)和更高的特异性(正确识别没有癌前病变的能力)。以人工智能为基础的双染色减少了向阴道镜检查的转诊，与巴氏涂片相比减少了约三分之一(约42%对60%)阴道镜检转诊。同时测试方法结果也十分稳健。

总之，这种AI自动检测超过了现行的巴氏细胞学检测水平，减少了假阳性结果的数量，也大大减少了不必要的阴道镜检查。该结果也支持进一步评价该检测作为肛门癌筛查的一种选择。研究人员指出，他们的方法有明确的临床应用，并且通过基于云的实现，它将是全球可访问的。该平台的其他应用包括辅助评估、第二诊断意见和质量控制。

由于手工双染色检测最近才获得FDA批准，用刚刚开始用于筛查HPV检测呈阳性的妇女，因此将需要更多的监管批准来允许使用全自动双染色试验筛查HPV阳性的妇女。研究人员表示，他们的发现为将数字病理学和深度学习引入临床实践提供了一个重要的案例，而且他们的方法有潜力极大地改善子宫颈癌筛查，将影响到每年检测HPV阳性的数百万妇女。

循证来源：医牛独家循证原文（点击获取链接）