IF=16.6 赛维森科技与孙逸仙纪念医院开发的“人工智能宫颈癌筛查系统”研究公开发表！

近日，赛维森科技携手中山大学孙逸仙纪念医院欧阳能太教授团队、姚和瑞教授团队的研究成果在国际权威期刊：Nature Communications(IF=16.6)在线发表，题为"Artificial intelligence enables precision diagnosis of cervical cytology grades and cervical cancer”。本研究旨在创建并验证用于宫颈细胞学分级的人工智能宫颈癌筛查系统（Artificial Intelligence Cervical Cancer Screening, AICCS），以辅助提升细胞病理学家的敏感性和特异性及准确性。

AICCS系统利用多中心数据集进行了训练和验证，包括回顾性、前瞻性和随机观察试验数据，共涉及 16056 名参与者。该系统包括了两个人工智能（AI）模型：一个用于检测窗级细胞，另一个用于对整张切片图像（WSI）进行分类。

研究背景：

宫颈癌在全球最常见的癌症中排名第四，也是女性癌症相关死亡的第四大主要原因。早期筛查对有效预防宫颈癌起着至关重要的作用。及时发现和干预以阻止宫颈癌前病变的发展至关重要。然而，早期宫颈癌检测迫切需要准确的筛查平台。目前，筛查方法主要包括宫颈细胞学检查、HPV 检测和 DNA 倍体检测。宫颈细胞学筛查因其简便易行、成本效益高而被推荐用于人群筛查。然而，由于全球细胞病理学家严重短缺，导致常规诊断的假阴性率超过 10%。与发达国家相比，中国的整体宫颈癌筛查率仍然较低，这主要是由于病理学家的短缺。截至 2022 年，中国仅有 20400 名注册病理学家，而实际需求却接近 100000 人。因此，亟需开发宫颈癌筛查的辅助工具。

研究方法：

本次实验研究团队从三个机构共招募了16,056名受试者，研究建立了不同的数据集，包括回顾性和前瞻性人群数据集，以及随机观察试验，以训练和验证用于辅助诊断宫颈细胞学分级和宫颈癌的 AICCS 系统。

AICCS 系统包括两个主要的人工智能功能模型：窗级细胞检测模型和 WSI 级分类模型。首先对宫颈细胞的全片图像（WSIs）进行数字化处理，经过质量控制后，利用滑动窗口方法将WSIs分割为较小的图像块。在窗级视野上采用了RetinaNet模型进行异常细胞检测，具有较高的检测精度。模型的输入为分割后的图像块，输出为检测到的异常细胞。在全片图像分类阶段，系统利用片段级细胞检测模型的输出结果进行全片图像的综合分类，采用了RetinaNet-ResNet18-随机森林组合算法。最后拥有15-20年阅片经验的高龄资病理医生会审查AI得出的诊断建议，进行最终验证。

Fig. 1 | The AICCS workflow.

Fig. 2 | The AICCS system algorithm.

研究结果：

AICCS在不同的数据集上的细胞学分级性能均表现优异。在前瞻性评估中，它的曲线下面积（AUC）为 0.947，敏感性为 0.946，特异性为 0.890，准确性为 0.892。值得注意的是，随机观察试验显示，AICCS 辅助细胞病理学家的 AUC、特异性和准确性显著提升，其中敏感性提高了 13.3%。因此，AICCS有望成为准确、高效筛查宫颈癌的辅助工具。

Fig. 3 | ROC curves of AICCS system according to risk stratification obtained on different validation datasets.

Fig. 4| Overall performance on retrospective validation datasets.

前景展望：

AICCS在宫颈细胞学分类诊断中表现出色，在宫颈癌精准筛查中具有巨大的潜力。作为一种经济高效的辅助诊断解决方案，AICCS拥有广阔的应用前景，结合全数字化病理应用浪潮，有望解决病理医生短缺、医疗资源不平衡的问题，提高医疗服务质量。通过促进AI技术在临床实践中的应用，实现全面、高效、可持续的健康发展目标！

赛维森始终秉承着科技助力健康的理念，积极与科研院所合作，共同推动医疗技术进步，为早日实现全民健康贡献力量！