武愛媛，熱米拉·熱扎克*，喬友林，2

宮頸癌在全球婦女癌癥發(fā)病率和死亡率中均位居第四［1］，宮頸癌患者主要分布在中低收入國家（low-and middle-income countries，LMICs）［2］。中國作為人口大國，宮頸癌疾病負(fù)擔(dān)較大。2018年，中國宮頸癌新發(fā)病例在全球占比最大，僅次于印度［2］。自2000年之后，其發(fā)病率和死亡率均呈逐年升高的趨勢，如此嚴(yán)重的疾病負(fù)擔(dān)已成為全球健康不平等的重要指標(biāo)［3］。世界衛(wèi)生組織（World Health Organization，WHO）總干事在2018年5月發(fā)起并制定了消除宮頸癌的全球防控策略［4］，且明確提出聯(lián)合國2030年針對宮頸癌研究的可持續(xù)發(fā)展目標(biāo)。這一策略的提出將會加速更多的國家全面防控宮頸癌的步伐。隨著計算機(jī)的發(fā)展，人工智能（artificial intelligence，AI）技術(shù)越來越多地應(yīng)用于醫(yī)學(xué)診斷中，如計算機(jī)斷層掃描（computed tomography，CT）成像、三維重建、磁共振（magnetic resonance-diffusion tension imaging，MRI）、細(xì)胞跟蹤與定位等。GULSHAN等［5］通過AI分析視網(wǎng)膜圖像，診斷出糖尿病性視網(wǎng)膜病變。ESTEVA等［6］通過深度卷積神經(jīng)網(wǎng)絡(luò) （convolutional neural networks，CNNs）對臨床圖像進(jìn)行皮膚病變分類，結(jié)果表明其與具有資質(zhì)的21位皮膚科醫(yī)生的診斷正確率相同。在2018年，CHILAMKURTHY等［7］采用313 318張圖像進(jìn)行顱腦CT顱內(nèi)病變檢測分析，從而使計算機(jī)算法自動化分類成為可能。以上研究提示，AI應(yīng)用于醫(yī)學(xué)有較好的前景。本文就AI在宮頸病變的篩查、診斷及臨床治療預(yù)測方面中的應(yīng)用進(jìn)展與挑戰(zhàn)進(jìn)行綜述。

1 AI在細(xì)胞學(xué)篩查中的應(yīng)用

在過去50多年來，包括中國在內(nèi)的許多國家或地區(qū)采用基于宮頸細(xì)胞學(xué)的篩查策略［8-9］。隨著人乳頭瘤病毒（human papillomavirus，HPV）和宮頸癌病因關(guān)系的明確，HPV檢測操作簡單、靈敏度高，已被推薦作為宮頸癌的初步篩查方法［10］。但由于宮頸細(xì)胞學(xué)檢測具有更高的特異度，在宮頸癌篩查和分診中仍較重要［11］。目前基于人群的宮頸細(xì)胞學(xué)檢測仍面臨著眾多挑戰(zhàn)，如缺乏合格的細(xì)胞病理學(xué)家、工作量過大、靈敏度相對較低和診斷一致性差等問題。AI技術(shù)的發(fā)展具有解決上述宮頸細(xì)胞學(xué)篩查瓶頸的巨大潛力。

2018年有學(xué)者用AI系統(tǒng)對巴氏細(xì)胞涂片圖像進(jìn)行自動化篩查，發(fā)現(xiàn)當(dāng)識別正?；虍惓＜?xì)胞時，AI系統(tǒng)的診斷準(zhǔn)確率分別超過99.27%和98.5%；但由于當(dāng)時計算機(jī)算法存在一定缺陷，導(dǎo)致細(xì)胞分類精度較低［12］。近兩年計算機(jī)在處理速度、內(nèi)存量、可訪問性以及圖像捕獲和顯示技術(shù)等方面取得了顯著進(jìn)步。2020年，BAO等［13］研究發(fā)現(xiàn)AI輔助細(xì)胞學(xué)檢測模型與資深細(xì)胞學(xué)家相比，二者具有相似的靈敏度和較高的特異度；而與基層醫(yī)院的細(xì)胞學(xué)醫(yī)師相比，具有高靈敏度和高特異度。在HPV陽性女性中，與人工閱讀相比，該AI模型提高了識別宮頸上皮內(nèi)瘤變1級（cervical intraepithelial neoplasia grade 1，CIN 1級）及以下病變的特異度，且靈敏度沒有降低。之后又有研究對基于人群篩查的70萬女性的細(xì)胞學(xué)圖像進(jìn)行訓(xùn)練并驗證，發(fā)現(xiàn)該AI模型和人工閱讀的一致性為 0.947（P<0.001）［14］。在不除外高級別鱗狀上皮內(nèi)病變（high grade squamous intraepithelial lesion，HSIL）的非典型鱗狀上皮細(xì)胞或HSIL的女性時，AI模型檢出CIN 2級及以上（CIN 2+級）病變的靈敏度明顯高于人工閱讀（P<0.001），且實際高于人工閱讀5.8%，特異度稍降低。

此外，為了揭示AI模型具有用于大規(guī)模人群宮頸癌篩查的可行性，TANG等［15］開發(fā)了一臺AI顯微鏡用于識別低級別鱗狀上皮內(nèi)病變（low grade squamous intraepithelial lesion，LSIL）和HSIL，其靈敏度分別從0.837、0.830提高至0.923、0.917（P<0.001），研究表明AI顯微鏡可為宮頸細(xì)胞學(xué)篩查提供實時輔助，預(yù)示著該項技術(shù)輔助細(xì)胞學(xué)醫(yī)師提高診斷宮頸細(xì)胞學(xué)的有效率和準(zhǔn)確性成為可能。WENTZENSEN等［16］開發(fā)了一種基于云計算的全玻片成像平臺，該平臺是以活檢病理為金標(biāo)準(zhǔn)制作了p16/Ki-67雙重染色細(xì)胞學(xué)涂片的AI模型；研究發(fā)現(xiàn)與巴氏細(xì)胞學(xué)相比，該模型可以減少1/3的陰道鏡轉(zhuǎn)診患者（41.9%與60.1%，P<0.001）。

以上研究表明，利用AI的方式建立相關(guān)的數(shù)學(xué)模型可對細(xì)胞做出檢測，以判斷其是否發(fā)生病變。AI輔助診斷系統(tǒng)在宮頸細(xì)胞學(xué)檢測中的應(yīng)用情況見表1［13-18］，其穩(wěn)定性、實用性均較強(qiáng)，可以減少不必要的陰道鏡轉(zhuǎn)診。

表1 AI輔助診斷系統(tǒng)在宮頸細(xì)胞學(xué)檢測中的應(yīng)用情況Table 1 Application of AI-assisted diagnostic system in cervical cytology detection

高靈敏度的AI輔助診斷與高特異度的宮頸細(xì)胞學(xué)篩查相結(jié)合在真實世界中實用性較強(qiáng)，揭示了AI輔助細(xì)胞學(xué)應(yīng)用于宮頸癌篩查或分診中的潛在價值，主要如下：

（1）用于大量正常宮頸細(xì)胞學(xué)的篩查。在普通人群中，宮頸細(xì)胞學(xué)結(jié)果陰性占比超過95%，異常僅占3%～5%［19］，使得人工閱片的假陰性較高，而AI與人工閱片相比，對正常宮頸細(xì)胞學(xué)的篩查具有較高的符合率，自動化Thin Prep成像儀也支持該結(jié)果［20］。人工閱片結(jié)果中細(xì)胞學(xué)結(jié)果正常的女性占比超過99%，其可被AI輔助排除，類似于Focal Point系統(tǒng)25%的細(xì)胞學(xué)涂片無需進(jìn)一步檢查［21］；另外，AI輔助細(xì)胞學(xué)系統(tǒng)對異常細(xì)胞學(xué)檢出率接近5%，比國家組織的宮頸癌篩查計劃（液基薄層細(xì)胞學(xué)檢測報告系統(tǒng)3.2%）高20%，甚至高于發(fā)達(dá)國家［19］，由此，AI用于檢查多數(shù)最可能為正常的自然人群細(xì)胞學(xué)涂片，間接增加對陽性細(xì)胞學(xué)涂片的關(guān)注，進(jìn)而顯著減輕了病理學(xué)醫(yī)師閱片的工作量。

（2）提高診斷準(zhǔn)確性。細(xì)胞學(xué)醫(yī)師雖在診斷中起決定作用，但不同醫(yī)師的主觀性及異質(zhì)性差異較大［22］，日常閱片工作中存在無窮盡地尋找細(xì)胞涂片、對異常細(xì)胞保持持續(xù)警惕、可重復(fù)性差等一系列問題，AI輔助細(xì)胞學(xué)系統(tǒng)與人工閱片的雙重結(jié)合為解決這些困難提供了機(jī)會［12］。有研究發(fā)現(xiàn)AI模型檢出CIN 2級和CIN 3+級的準(zhǔn)確率分別達(dá)到92.6%和96.1%，顯著高于或接近人工閱讀［13］，更有力地證明AI可以輔助細(xì)胞學(xué)醫(yī)師更準(zhǔn)確地篩查宮頸發(fā)育不良細(xì)胞。

（3）提高診斷效率［15，17］。通過AI可加強(qiáng)細(xì)胞學(xué)技術(shù)、診斷質(zhì)量控制，降低單片的篩查時間，提高宮頸細(xì)胞學(xué)篩查的診斷效率，使每個顯微鏡視野的推理和標(biāo)注時間短至 200 ms［15］。

（4）提高病變檢出率。AI系統(tǒng)與p16/Ki-67雙重染色細(xì)胞學(xué)涂片相結(jié)合，其陽性率低于巴氏細(xì)胞學(xué)和人工雙重染色，且具有相同的靈敏度和更高的特異度（P<0.001）［16］，從而提高CIN及以上病變的檢出率，降低假陰性率，減少漏診率，增加細(xì)胞學(xué)與活檢病理結(jié)果的一致性。

（5）通過遠(yuǎn)程網(wǎng)絡(luò)實現(xiàn)輔助診斷，解決不同地理區(qū)域衛(wèi)生資源不平等問題。曾有報道采用AI輔助細(xì)胞學(xué)系統(tǒng)對自然人群的宮頸癌篩查進(jìn)行閱片［23］，現(xiàn)國內(nèi)也利用AI系統(tǒng)完成了70萬自然人群的篩查閱片［14］，由此表明該閱片模式具有可行性，潛在揭示該模式有望成為首選篩查方案，使更多LMICs人群受益。

（6）輔助規(guī)范化培訓(xùn)病理學(xué)專業(yè)的初學(xué)者。培訓(xùn)細(xì)胞學(xué)醫(yī)師周期長，而AI顯微鏡可用于培訓(xùn)或成為初學(xué)者的虛擬助手。對非專業(yè)實踐的學(xué)員可從教學(xué)文件或經(jīng)高年資細(xì)胞學(xué)醫(yī)師篩選出典型細(xì)胞學(xué)涂片，通過AI顯微鏡實時輔助提示異常細(xì)胞；還可標(biāo)記涂片中非確定細(xì)胞以尋求指導(dǎo)。AI顯微鏡可幫助初學(xué)者更快地掌握各種異常細(xì)胞并減少假陰性，尤其LSIL及以上（LSIL+）病變［15］。

（7）數(shù)據(jù)積累。現(xiàn)代計算機(jī)技術(shù)的迅速進(jìn)步、數(shù)據(jù)的積累可使AI系統(tǒng)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)更智能，使用更廣泛。

當(dāng)然機(jī)遇與挑戰(zhàn)并存，AI細(xì)胞學(xué)輔助診斷系統(tǒng)真正用于臨床還存在諸多的挑戰(zhàn)［24］，例如：

（1）AI兼容問題。臨床上細(xì)胞學(xué)產(chǎn)品眾多，品質(zhì)參差不齊；制片方式多樣，如單層膜式、多層沉降式、多層離心電片；玻片質(zhì)量欠佳，如細(xì)胞分布不均、細(xì)胞重疊、涂片厚、背景模糊（黏液、細(xì)菌以及污染物）、染色質(zhì)量不均衡等。

（2）掃描質(zhì)量的標(biāo)準(zhǔn)化問題。目前存在掃描儀參數(shù)不同、掃描層數(shù)及時間受限、掃描倍數(shù)不統(tǒng)一等問題，因此欠缺可靠的掃描技術(shù)標(biāo)準(zhǔn)也是影響算法的重要因素。

（3）數(shù)據(jù)集不一。圖像標(biāo)注主觀性強(qiáng)，一致性低；現(xiàn)有從業(yè)人員不具備相應(yīng)資質(zhì)，導(dǎo)致閱片水平不同，造成標(biāo)注準(zhǔn)確性不穩(wěn)定；對于病理的有效性和正確性沒有監(jiān)管機(jī)制；大量的低質(zhì)量甚至無效數(shù)據(jù)充斥著各個研發(fā)廠家；對于有爭議的病例，并沒有標(biāo)準(zhǔn)的符合和剔除規(guī)定。

綜上所述，當(dāng)前AI在宮頸癌篩查中的快速普及面臨著數(shù)據(jù)透明度、質(zhì)量及解釋等方面的挑戰(zhàn)。雖然目前有關(guān)AI細(xì)胞學(xué)輔助診斷系統(tǒng)的研究主要基于回顧性數(shù)據(jù)集，但相信新型的AI算法指導(dǎo)的前瞻性研究會將AI推向?qū)m頸癌篩查的前沿。在未來，希望AI算法適用于各種染色方案、多種型號設(shè)備以及不同制片標(biāo)準(zhǔn)的細(xì)胞學(xué)樣本，進(jìn)而輔助細(xì)胞學(xué)醫(yī)師盡可能識別各種組織來源的異常細(xì)胞，同時輔助診斷各類炎性疾病，自動識別各種感染性細(xì)菌以及病毒，縮短診斷周期，提高識別效率；另外，希望國家推出免費的AI圖像云平臺，輔助初級細(xì)胞學(xué)醫(yī)師學(xué)習(xí)相關(guān)專業(yè)知識，快速提升技能，縮短學(xué)習(xí)周期，使醫(yī)生有效的為更多患者服務(wù)；最后，與AI有關(guān)的倫理及法律法規(guī)問題尚待解決，需明確使用規(guī)范，使界限更加清晰，診斷結(jié)果的責(zé)任界定更加明確，結(jié)果的解釋性更具說服力。

2 AI在陰道鏡中的應(yīng)用

在高收入國家，通過初次篩查、陰道鏡檢查和治療能夠有效預(yù)防CIN，使宮頸癌的發(fā)病率顯著降低［25］。傳統(tǒng)的陰道鏡檢查曾在指導(dǎo)宮頸活檢中起著重要作用，但目前由于缺乏經(jīng)驗豐富的陰道鏡醫(yī)師及陰道鏡醫(yī)生診斷主觀性大、對宮頸病變分級診斷能力低等原因，陰道鏡檢查已成為限制LMICs執(zhí)行篩查任務(wù)的主要瓶頸問題。同時，在短時間內(nèi)提升陰道醫(yī)生專業(yè)能力的難度較大［26］。幸運的是，AI，尤其是基于圖像識別的機(jī)器深度學(xué)習(xí)已被廣泛用于醫(yī)療服務(wù)中［27-28］。AI與高清成像的陰道鏡相結(jié)合，基于圖像識別的自動診斷，具有提高陰道鏡復(fù)制和宮頸癌篩查性能的巨大潛力。

隨著互聯(lián)網(wǎng)的普及、數(shù)據(jù)的積累、計算力的提升、算法的發(fā)展，AI技術(shù)取得了長足發(fā)展［29］。AI輔助陰道鏡的研發(fā)成功提高了臨床診斷效率和準(zhǔn)確性。SATO等［30］早期進(jìn)行了一次試點研究，驗證了AI電子陰道鏡對宮頸病變的診斷準(zhǔn)確性達(dá)到了50%，反映了其潛在的可行性。美國國立癌癥研究院學(xué)者HU等［31］采用99 843 張宮頸圖像作為訓(xùn)練集供AI電子陰道鏡學(xué)習(xí)，以病理結(jié)果為金標(biāo)準(zhǔn)，發(fā)現(xiàn)其識別CIN 2級和CIN 3級的受試者工作特征曲線下面積（area under the curve，AUC）分別為0.70和0.69。以324例病例作為測試數(shù)據(jù)，研究發(fā)現(xiàn)AI電子陰道鏡輔助診斷系統(tǒng)識別CIN 2+級的AUC值為0.91，傳統(tǒng)宮頸照相技術(shù)為0.69，傳統(tǒng)細(xì)胞學(xué)為0.79，HPV 檢測技術(shù)為0.82，傳統(tǒng)宮頸照相技術(shù)與AI電子陰道鏡輔助診斷系統(tǒng)相比差異均有統(tǒng)計學(xué)意義（P<0.001），該研究結(jié)果預(yù)示著AI電子陰道鏡輔助診斷系統(tǒng)具有潛在的臨床應(yīng)用前景。MIYAGI等［32］研究發(fā)現(xiàn)采用CNN算法的AI分類模型和腫瘤學(xué)醫(yī)師診斷HSIL的準(zhǔn)確率分別為0.823和0.797，靈敏度分別為0.800和0.831，特異度分別為0.882和0.773，結(jié)果顯示差異無統(tǒng)計學(xué)意義，但潛在表明AI分類模型的性能可能優(yōu)于腫瘤學(xué)醫(yī)師。該團(tuán)隊在第2年依舊利用該AI分類模型，通過陰道鏡圖像與HPV分型相結(jié)合，對經(jīng)病理證實的宮頸鱗狀上皮內(nèi)病變進(jìn)行分類，AI陰道鏡結(jié)合HPV分型的AUC為0.963，靈敏度為0.956，特異度為0.833［33］，進(jìn)一步揭示了AI陰道鏡與HPV分型相結(jié)合對HSIL/LSIL進(jìn)行診斷具有可行性。CHO等［34］開發(fā)訓(xùn)練并驗證的CNN模型用于CIN分級，目的是自動對陰道鏡圖像上的宮頸腫瘤進(jìn)行分類，結(jié)果發(fā)現(xiàn)在CIN分級中Resnet-152判斷高級別與低級別病變的AUC值為（0.781±0.020），需活檢的病灶均在圖上予以有效標(biāo)注（P<0.001），該研究表明AI具有用于自動讀取陰道鏡圖像的潛力。有學(xué)者正在積極研發(fā)AI電子陰道鏡輔助診斷系統(tǒng)［35］，有研究表明該AI模型與病理結(jié)果的符合率高于陰道鏡醫(yī)生與病理結(jié)果的符合率（82.2%與65.9%，P<0.001），其對HSIL及以上（HSIL+）病變的診斷靈敏度也高于陰道鏡醫(yī)生檢查結(jié)果（71.9%與60.4%），而特異度相似（93.9%與94.9%）［36］。LIU等［37］開發(fā)并驗證了一種基于深度學(xué)習(xí)的計算機(jī)輔助診斷系統(tǒng)模型，研究發(fā)現(xiàn)AI模型區(qū)分正常和LSIL+的AUC值為0.953，靈敏度為0.932，特異度為0.846；區(qū)分HSIL及以下病變和HSIL+的AUC值為0.900，靈敏度為0.823，特異度為0.800，結(jié)果表明AI模型的診斷準(zhǔn)確度較高。因此，AI技術(shù)具有很大的前景，見表2。AI輔助診斷系統(tǒng)在陰道鏡檢查中的主要優(yōu)點有：

表2 AI輔助診斷系統(tǒng)在陰道鏡檢查中的應(yīng)用情況Table 2 Application of AI-assisted diagnosis system in colposcopy examination

（1）不受主觀因素影響。影響陰道鏡診斷的主觀因素眾多，單憑借醫(yī)生只能通過主觀經(jīng)驗和陰道鏡檢查技能對結(jié)果進(jìn)行判斷，而AI技術(shù)可對宮頸病變圖像進(jìn)行動態(tài)時序分析［36］，可避免主觀因素的影響。

（2）提高診斷能力。AI電子陰道鏡輔助診斷系統(tǒng)可對其診斷結(jié)果提供科學(xué)的解釋依據(jù)，告知醫(yī)生給出診斷的具體原因，提示醫(yī)生是否需要活檢以及活檢數(shù)量和活檢位置的確定，極大地提高醫(yī)生的診斷能力。

（3）可重復(fù)性及診斷效率高。AI不受環(huán)境條件和疲勞程度的影響，可重復(fù)性及診斷效率高，不僅減輕了醫(yī)生的工作負(fù)擔(dān)，而且緩解了患者的就診壓力，解決了優(yōu)質(zhì)醫(yī)療資源分配不均等問題。

但目前AI在陰道鏡輔助診斷系統(tǒng)的應(yīng)用也面臨著諸多的挑戰(zhàn)［26］：

（1）周期較長，費用高。宮頸病變的標(biāo)注和病理診斷結(jié)果的質(zhì)控均需要消耗陰道鏡和病理醫(yī)生大量的精力，也需要細(xì)胞學(xué)專家、陰道鏡專家、病理學(xué)專家、流行病專家、產(chǎn)品工程師、AI工程師一起跨學(xué)科合作。

（2）宮頸數(shù)據(jù)質(zhì)量問題。目前LMICs的陰道鏡圖像需求增加，勢必將產(chǎn)生大量陰道鏡圖像數(shù)據(jù)集，因陰道鏡設(shè)備類型不同及檢查實踐中采用描述性術(shù)語不統(tǒng)一，需要對其標(biāo)簽、注釋、分類及質(zhì)控進(jìn)行有效管理。

（3）研發(fā)動態(tài)成像AI分析的必要性。目前開發(fā)AI模型大多只采用靜態(tài)陰道鏡檢查圖像，導(dǎo)致提取宮頸病變特征的有效信息存在偏差，進(jìn)而影響AI模型的診斷準(zhǔn)確性。因此，如何將AI模型嵌入到現(xiàn)有的傳統(tǒng)陰道鏡成像設(shè)備中使其成為動態(tài)成像AI分析也是目前存在的挑戰(zhàn)之一。

（4）AI對診斷結(jié)果的可解釋性及醫(yī)患關(guān)系中的責(zé)任。目前AI診斷結(jié)果的可解釋性較差，AI模型的黑匣子缺乏對同業(yè)者的說服力。另外，AI對宮頸疾病的解釋涉及醫(yī)學(xué)倫理和法律法規(guī)等多個領(lǐng)域［38］，診斷結(jié)果的責(zé)任界定應(yīng)更加明確。

總之，AI對陰道鏡的智能診斷起到重要的影響。盡管眾多技術(shù)存在道德及法律等問題，但數(shù)字陰道鏡與AI的結(jié)合可為宮頸癌的預(yù)防帶來令人振奮的變化。AI輔助陰道鏡檢查除可以識別CIN病變外，還可以輔助陰道鏡醫(yī)師識別尖銳濕疣、外陰及陰道上皮內(nèi)病變、放療后或子宮切除后的陰道病變等多種疾病，具有廣泛適用性，有望提高診斷效率。AI輔助陰道鏡檢查可以幫助陰道鏡專家改善其診斷性能，優(yōu)化臨床工作流程，并減輕陰道鏡醫(yī)師和醫(yī)院的壓力。構(gòu)建基于云平臺的AI輔助陰道鏡可以創(chuàng)建一個新穎的宮頸癌篩查模型，并為LMICs的許多地區(qū)提供平等的宮頸癌診斷工具。提供免費云平臺供初學(xué)者學(xué)習(xí)識別更多種類的宮頸病變圖像，并設(shè)立測試環(huán)節(jié)，有望在較短時間內(nèi)提升其專業(yè)技能。最后，希望所有的研究機(jī)構(gòu)或大學(xué)將AI算法轉(zhuǎn)化為臨床應(yīng)用和公共衛(wèi)生服務(wù)，推動AI引導(dǎo)的陰道鏡進(jìn)入健康市場，助力消除宮頸癌的全球目標(biāo)。

3 AI在宮頸惡性腫瘤診斷及預(yù)后預(yù)測過程中的應(yīng)用

HU等［31］使用神經(jīng)網(wǎng)絡(luò)系統(tǒng)在陰道鏡圖像中確定受檢者是否存在嚴(yán)重宮頸發(fā)育不良，該方法優(yōu)于子宮動脈造影。因此，AI使得“即查即治”的方法成為可能，特別是在缺乏病理學(xué)專業(yè)知識及可靠的持續(xù)性護(hù)理的低資源環(huán)境中。

近些年，有些學(xué)者利用MRI圖像來預(yù)測宮頸癌分期的研究。SOUMYA等［39］構(gòu)建了非線性支持定量機(jī)（support vector machine，SVM）分類模型，通過24例MRI圖像預(yù)測局部晚期宮頸癌的診斷及臨床分期，結(jié)果發(fā)現(xiàn)T2矢狀圖像與T1及T2軸向圖像相比，T2矢狀圖像預(yù)測準(zhǔn)確率最高（81%）。NITHYA等［40］使用5種機(jī)器學(xué)習(xí)算法對宮頸癌的診斷準(zhǔn)確率為97%，其中C5.0和隨機(jī)森林分類器表現(xiàn)相當(dāng)好。WANG等［41］構(gòu)建了SVM模型，用于預(yù)測根治性子宮切除術(shù)證實的淋巴結(jié)轉(zhuǎn)移，該模型與96例患者根治性子宮切除術(shù)前的MRI T2加權(quán)像（T2WI）和擴(kuò)散加權(quán)成像（DWI）特征相結(jié)合，預(yù)測淋巴結(jié)轉(zhuǎn)移的AUC為0.89，進(jìn)而能夠預(yù)測輔助化療、放療或免疫治療中受益的患者。MATSUO等［42］依據(jù)宮頸癌復(fù)發(fā)患者的基線特征和實驗室檢查數(shù)據(jù)預(yù)測患者的3個月及6個月生存率，結(jié)果發(fā)現(xiàn)157例患者中102例復(fù)發(fā)宮頸癌患者死于宮頸癌（65%），AI模型預(yù)測患者生存率的AUC為0.74；此外，結(jié)果還發(fā)現(xiàn)AI模型的預(yù)測效果優(yōu)于線性回歸模型。MATSUO等［43］還通過768例宮頸癌患者的腫瘤特征和實驗室檢查數(shù)據(jù)來預(yù)測患者的無進(jìn)展生存期和總生存期，結(jié)果發(fā)現(xiàn)AI模型的預(yù)測能力優(yōu)于Cox比例風(fēng)險回歸模型［44］。

綜上所述，AI在宮頸惡性腫瘤的診斷及預(yù)后預(yù)測中取得了實質(zhì)性的突破，詳見表3。但仍存在以下的問題：

表3 AI在宮頸惡性腫瘤的診斷及治療預(yù)后中的應(yīng)用Table 3 Application of AI in the diagnosis and prognosis of cervical malignancy

（1）數(shù)據(jù)集相對較少［45-47］。目前大多數(shù)研究數(shù)據(jù)集單一，缺乏代表性，PERGIALIOTIS等［46］建議在未來可采用國家和國際環(huán)境中的多中心研究，獲取大量患者的數(shù)據(jù)信息，有助于構(gòu)建穩(wěn)健的算法。

（2）單中心回顧性研究的數(shù)據(jù)集規(guī)模小且缺乏外部驗證。ACHARYA等［48］建議使用更大的、高質(zhì)量的數(shù)據(jù)庫進(jìn)一步驗證所提出算法的準(zhǔn)確性 。

（3）對某一領(lǐng)域的不熟悉可能會成為研究本身的技術(shù)障礙。ZHANG等［49］指出目前更嚴(yán)峻的挑戰(zhàn)是深度學(xué)習(xí)專家的臨床知識有限和臨床專家的深度學(xué)習(xí)知識有限。

基于以上現(xiàn)存的挑戰(zhàn)，目前在宮頸癌的診斷及治療的臨床實踐中，更多的是依靠臨床醫(yī)生的精準(zhǔn)判斷、采取適宜的治療方案來提高患者生存率。希望未來出現(xiàn)具有多中心并包含MRI/CT/正電子發(fā)射計算機(jī)斷層顯像臨床參數(shù)的大樣本數(shù)據(jù)，通過測試優(yōu)化及內(nèi)外部驗證，使得AI在宮頸癌診治中的應(yīng)用更具有說服力。同時，應(yīng)注重建立免費AI的云服務(wù)平臺，使初學(xué)者盡快提升專業(yè)技能，輔助醫(yī)技人員的診斷決策，給予臨床醫(yī)師相應(yīng)的指導(dǎo)建議，使其成為“多能一專”的臨床醫(yī)師，從而更好地服務(wù)更多患者。有必要強(qiáng)調(diào)的是，在使用AI相關(guān)產(chǎn)品過程中應(yīng)通過有關(guān)法律、法規(guī)明確倫理及責(zé)任問題，重點指出AI僅起輔助作用，而非起決定作用。

4 結(jié)語

隨著計算機(jī)技術(shù)的飛速發(fā)展，AI已經(jīng)應(yīng)用于醫(yī)學(xué)領(lǐng)域的各個方面，希望未來的AI相關(guān)產(chǎn)品可以適用于各種設(shè)備、各種試劑，具有泛化能力且高質(zhì)量的臨床性能。建立免費的AI云服務(wù)平臺，提供診斷解釋依據(jù)，并給予重點標(biāo)記，以供相關(guān)專業(yè)的初學(xué)者學(xué)習(xí)，縮短學(xué)習(xí)周期，使更多的患者受益。使AI在宮頸癌防控領(lǐng)域具有更多的用途，減少醫(yī)務(wù)人員工作負(fù)擔(dān)的同時提高診斷準(zhǔn)確性及效率。明確AI的可解釋性及倫理責(zé)任問題，制定更加清晰且明確的使用規(guī)范，使AI更好地為人類健康服務(wù)。

作者貢獻(xiàn)：武愛媛進(jìn)行文章的構(gòu)思與設(shè)計，提出主要分析指標(biāo)，負(fù)責(zé)檢索文獻(xiàn)、撰寫論文；熱米拉·熱扎克進(jìn)行論文的修訂、質(zhì)量控制及審校；喬友林對文章整體負(fù)責(zé)，監(jiān)督管理。

本文無利益沖突。

本文鏈接：

人工智能（AI）已廣泛應(yīng)用于各個領(lǐng)域，如面部識別、自動駕駛汽車等，本文在醫(yī)學(xué)領(lǐng)域中也應(yīng)用廣泛，如視網(wǎng)膜圖像輔助診斷糖尿病性視網(wǎng)膜病變，臨床圖像輔助診斷皮膚病變等，本文重點介紹AI在宮頸病變的篩查、診斷及臨床治療預(yù)后方面中的應(yīng)用進(jìn)展與挑戰(zhàn)。通過AI與細(xì)胞學(xué)圖像、陰道鏡圖像、宮頸腫瘤的磁共振、計算機(jī)斷層掃描、正電子發(fā)射計算機(jī)斷層顯像圖像相結(jié)合，首先，可輔助醫(yī)師提高其診斷準(zhǔn)確性及病變檢出率，達(dá)到提升工作效率的目的；其次，AI可協(xié)助基層醫(yī)院及初級醫(yī)師，提高診斷效率，縮短診斷周期；最后，利用AI可預(yù)測宮頸惡性腫瘤的臨床分期、淋巴結(jié)轉(zhuǎn)移、復(fù)發(fā)及臨床預(yù)后等。

AI在應(yīng)用過程中仍面臨諸多挑戰(zhàn)：（1）AI對設(shè)備、試劑、圖像的兼容問題；（2）AI的訓(xùn)練、驗證及測試需大量且高質(zhì)量的圖像；（3）AI對診斷結(jié)果的可解釋性及醫(yī)患關(guān)系的責(zé)任問題。