在一項研究發(fā)現(xiàn)深度學習算法比人類醫(yī)生更準確地識別出這種疾病之后，AI可能更適合發(fā)現(xiàn)宮頸癌和癌前病變。

“結果支持考慮對當代數(shù)碼相機的宮頸圖像進行自動視覺評估。如果取得了成功，這可能可以傳播有效的即時護理子宮頸篩查。” Intelligent Ventures的項目科學家，該研究的主要作者胡立明博士。在“國家癌癥研究所雜志”發(fā)表的一項研究中寫道。該研究由美國國家癌癥研究所(NCI)，美國國立衛(wèi)生研究院，美國國家醫(yī)學圖書館內壁研究計劃和全球善基金資助。

對于這項研究，研究人員使用1990年代哥斯達黎加宮頸癌篩查研究的9,400多名婦女提供的60,000張圖像的數(shù)據(jù)集，創(chuàng)建，訓練和驗證了深度學習算法。

該研究表明，該算法以比人類專家更高的準確性來識別癌癥前期和癌癥病例。該算法在曲線下的面積為0.91，而對宮頸照片的專家解釋在識別宮頸癌和癌前病變時的AUC為0.69，而傳統(tǒng)的宮頸涂片檢查的AUC為0.71。

“我們的研究結果表明，深度學習算法可以利用在常規(guī)宮頸癌篩查期間收集的圖像來識別癌前變化，如果不及時治療，這些變化可能會發(fā)展成癌癥，” NCI癌癥分部資深研究作者兼高級研究員醫(yī)學博士Mark Schiffman流行病學和遺傳學在一份聲明中說。“實際上，對圖像的計算機分析比在顯微鏡下(細胞學)的宮頸涂片檢查的人類專家審查者更好地識別了癌前病變。”

該研究的有希望的結果可能會導致在資源貧乏地區(qū)早期發(fā)現(xiàn)子宮頸癌和癌前體征的更可靠方法。在那些地區(qū)，用乙酸(VIA)進行目視檢查是醫(yī)護人員篩查疾病的當前方法。該方法簡單且便宜，并且已被證明可以在早期治愈某些浸潤性癌，但該方法并不十分可靠。

作者寫道：“但是，篩查的主要目標是通過檢測和治療前癌來預防癌癥，而VIA不能準確區(qū)分前癌與更常見的輕微異常，從而導致過度治療和治療不足。”“越來越多的人意識到，即使是衛(wèi)生工作者，甚至是經驗豐富的護士和醫(yī)生使用陰道鏡(參考標準視覺工具)對癌前病變的視覺識別也常常是不可靠和不準確的。”

研究人員計劃在更多類型的圖像上進一步訓練該算法，以期創(chuàng)建“通用，開放使用的最佳算法”。

“將這種算法與HPV疫苗接種的進步，新興的HPV檢測技術以及治療方法的改進相結合，可以想象，即使在資源匱乏的情況下，宮頸癌也可以得到控制，”全球執(zhí)行副總裁Maurizio Vecchione好，在一份聲明中說。