IJMI：筛选精度高达92.1%！大数据有助于宫颈癌筛查

根据世界卫生组织的数据，宫颈癌是世界上第二发病率第二高的癌症。2020年，全球新增宫颈癌患者60万例，约34万患者丧生。宫颈癌是由人瘤病毒引起的（HPV）尽管目前持续感染是由持续感染引起的HPV疫苗有效地降低了宫颈癌的发病率，但总体而言，疫苗覆盖率仍然不足。因此，宫颈上皮内肿瘤通过宫颈癌筛查确定（CIN）或宫颈癌水平对及时预防或治疗宫颈癌至关重要。

目前，宫颈细胞学检查和HPV检测是常见的非侵入性初级筛查方法。但是，就宫颈细胞学检查来说，由于一些女性细胞学检查中的涂片未能采集宫颈病变区域的样本，敏感性往往比较低。另外，就HPV在检测方面，只有感染时间长的人才会发展到高水平CIN因此，水平或癌症HPV检测灵敏度高，但特异性低。结肠镜检查用于进一步检查细胞学或细胞学HPV对于检测异常的女性，它是侵入性的，可能导致出血或感染。因此，需要一种基于现有临床检查的无创、客观、准确的宫颈筛查方法。

近日，中国科学院苏州生物医学工程技术研究所的研究团队提出了跨膜融合细胞学检查HPV宫颈病变的无创筛查方法检测和镜像检查结果，筛查精度高达92.1%，明显优于单一筛选方法。研究结果为Deeplearningbasedcervicalscreeningbythecross-modalintegrationofcolposcopy，cytology，andHPVtest在国际医学信息学协会官方期刊上发表InternationalJournalofMedicalInformatics（IJMI）上。

研究成果(图源:IJMI）

在本研究中，研究团队利用深度学习方法构建了镜像自动筛查模型，输出患者病变概率，实现了对镜像的客观定量解释。他们还对细胞学检查结果和HPV对检测结果进行类别编码，采用逻辑回归法将类别编码与镜像自动输出的病变概率跨膜融合，最终构建宫颈癌综合筛查模型。

研究小组包括2160名女性，其中1718名正常或低级病变，442名高级病变或宫颈癌。

纳入标准如下：

1）2016-2019宫颈癌筛查年；

2）接受细胞学检查，HPV检测、镜检、镜活检。

排除标准如下：

1）生理盐水影像、醋酸影像、碘影像缺乏以下宫颈影像之一；

2）图像被遮挡或模糊。

研究人员利用生理盐水图像、醋酸图像和碘图像开发和测试基于镜子的深度学习模型，结合单图像模型，采用多变量logistic基于多图像的深度学习模学习模型。细胞学检查和HPV应用检测结果MLR建立了细胞学检查-HPV检测联合诊断模型。最后，结合基于多图像的深度学习模型、细胞学检查结果和HPV使用检测结果MLR构建跨模态综合模型。并利用受试者工作特征曲线下的面积（AUC）集中测试模型的性能。

经过测试，细胞学检查-HPV联合诊断模型的检测AUC为0.837（注：AUC检测方法越接近1，真实性越高)，明显高于单细胞学检查和HPV检测。基于盐水图像、乙酸图像和碘图像的深度学习模型AUC分别是0.760、0.791和0.840，基于多图像的深度学习模型AUC提高到0.845。值得一提的是，综合模型的性能比较好，AUC为0.921。

表1单一测试和综合模型的诊断性能

表格来源：IJMI

单一测试和综合模型的诊断性能(图源:IJMI）

综上所述，研究结果表明，与其它单一模型相比，综合模型具有最佳的性能、敏感性和特异性，表明细胞学检测HPV检测和镜像检查在提高诊断性能方面具有协同效益。此外，综合模型可视化为易于使用的列线图。通过总结模型中变量对应的点，可以直观地为每个女性提供疾病风险，便于临床理解模型原理。

简而言之，结合所有类型的宫颈图像有助于提高基于镜子的深度学习性能HPV基于镜子的检测结果、细胞学检测结果和深度学习模型可以实现更准确的宫颈筛查。

原始出处：

FuL，XiaW，ShiW，etal.Deeplearningbasedcervicalscreeningbythecross-modalintegrationofcolposcopy，cytology，andHPVtest.IntJMedInform.2022Mar；159：104675.doi：10.1016/j.ijmedinf.2021.104675.Epub2021Dec28.PMID：34979436.