AI算法在发现子宫颈癌方面胜过医生

在一项研究发现深度学习算法比人类医生更准确地识别出这种疾病之后，AI可能更适合发现宫颈癌和癌前病变。

“结果支持考虑对当代数码相机的宫颈图像进行自动视觉评估。如果取得了成功，这可能可以传播有效的即时护理子宫颈筛查。” Intelligent Ventures的项目科学家，该研究的主要作者胡立明博士。在“国家癌症研究所杂志”发表的一项研究中写道。该研究由美国国家癌症研究所(NCI)，美国国立卫生研究院，美国国家医学图书馆内壁研究计划和全球善基金资助。

对于这项研究，研究人员使用1990年代哥斯达黎加宫颈癌筛查研究的9,400多名妇女提供的60,000张图像的数据集，创建，训练和验证了深度学习算法。

该研究表明，该算法以比人类专家更高的准确性来识别癌症前期和癌症病例。该算法在曲线下的面积为0.91，而对宫颈照片的专家解释在识别宫颈癌和癌前病变时的AUC为0.69，而传统的宫颈涂片检查的AUC为0.71。

“我们的研究结果表明，深度学习算法可以利用在常规宫颈癌筛查期间收集的图像来识别癌前变化，如果不及时治疗，这些变化可能会发展成癌症，” NCI癌症分部资深研究作者兼高级研究员医学博士Mark Schiffman流行病学和遗传学在一份声明中说。“实际上，对图像的计算机分析比在显微镜下(细胞学)的宫颈涂片检查的人类专家审查者更好地识别了癌前病变。”

该研究的有希望的结果可能会导致在资源贫乏地区早期发现子宫颈癌和癌前体征的更可靠方法。在那些地区，用乙酸(VIA)进行目视检查是医护人员筛查疾病的当前方法。该方法简单且便宜，并且已被证明可以在早期治愈某些浸润性癌，但该方法并不十分可靠。

作者写道：“但是，筛查的主要目标是通过检测和治疗前癌来预防癌症，而VIA不能准确区分前癌与更常见的轻微异常，从而导致过度治疗和治疗不足。”“越来越多的人意识到，即使是卫生工作者，甚至是经验丰富的护士和医生使用阴道镜(参考标准视觉工具)对癌前病变的视觉识别也常常是不可靠和不准确的。”

研究人员计划在更多类型的图像上进一步训练该算法，以期创建“通用，开放使用的最佳算法”。

“将这种算法与HPV疫苗接种的进步，新兴的HPV检测技术以及治疗方法的改进相结合，可以想象，即使在资源匮乏的情况下，宫颈癌也可以得到控制，”全球执行副总裁Maurizio Vecchione好，在一份声明中说。