【摘要】目的：探究宫颈癌及癌前病变筛查中基于云诊断和人工智能的自动化细胞学筛查技术的应用及筛查效率。方法：择取本院2022 年6 月—2024 年12 月体检的 228329 例女性进行宫颈癌及癌前病变筛查，均采用人工阅片与AI+云平台阅片+联合诊断的宫颈癌筛查方案对宫颈细胞学标本进行筛查，以病理活检为金标准，分析其筛查效率。结果：在纳入的研究对象中，共有13853 例女性进行阴道镜检查，其中 139 例通过病理活检诊断为阳性。AI+云平台阅片+联合诊断阳性及阴性检出率、诊断效能高于人工阅片、AI+平台阅片（ (p<0.05) ）；联合诊断平均筛查时间少于人工阅片，多于AI+平台阅片（ (P<0.05) ）；AI+平台阅片诊断方法平均筛查时间少于人工阅片、联合诊断（ Φ_(P<0.05) 。结论：在对宫颈癌及癌前病变患者诊断期间，基于云诊断和人工智能的自动化细胞学筛查技术可提升宫颈癌及癌前病变检出率，可达到预期的诊断效能，筛查效率高，同时与人工阅片联合诊断能够达到更高的诊断效能，能够为该疾病筛查提供数据支持，临床应用价值高。

【关键词】宫颈癌；癌前病变；人工智能；人工阅片；筛查效率

【Abstract】Objective: To explore the application and screening efficiency of cloud-based and artificial intelligence (AI)-enabled automated cytology screening technology in the detection of cervical cancer and precancerous lesions. Methods: A total of 228,329 women who underwent health examinations at our hospital from June 2022 to December 2024 were selected for cervical cancer and precancerous lesion screening. All participants were screened using a cervical cytology protocol combining manual reading, cloud platform reading, and joint diagnosis. Pathological biopsy served as the gold standard to analyze screening efficiency. Results: Among the enrolled subjects, 13,853 women underwent colposcopy, of whom 139 were diagnosed as positive by pathological biopsy. The positive and negative detection rates, as well as diagnostic efficacy, of AI+ cloud platform reading + joint diagnosis were higher than those of manual reading or AI+ platform reading alone (P<0.05) . The average screening time for joint diagnosis was shorter than that of manual reading but longer than that of AI+ platform reading (P<0.05) . The average screening time for AI+ platform reading was shorter than that of manual reading and joint diagnosis (P<0.05) . Conclusion: In the diagnosis of cervical cancer and precancerous lesions, cloud-based and AI-enabled automated cytology screening technology can improve detection rates and achieve the expected diagnostic efficacy with high screening efficiency. Furthermore, joint diagnosis with manual reading can achieve even higher diagnostic performance, providing robust data support for disease screening and demonstrating significant clinical application value.

【Keywords】Cervical cancer; Precancerous lesions; Artificial intelligence; Manual reading; Screening efficiency

宫颈癌是女性常见恶性肿瘤，多发于50-55 岁人群，主要是因感染HPV 所致。统计发现，我国宫颈癌发病率较国外明显升高，每年约有1 3.15 万新增病例[1]。我国较为重视宫颈癌及癌前病变的筛查与推广，可及时发现机体病变情况，为后期对症治疗至关重要。临床在对该疾病筛查期间，宫颈液基薄层细胞学是其主要的筛查方法，诊断准确度高，但是诊断成本高，病理医师诊断时间长，需长时间确定患者机体异常细胞，同时医师诊断期间极易受自身经验与技能水平的影响，导致工作效率降低。随着我国网络技术的发展，人工智能（AI）在临床诊断中应用逐渐广泛，可实现数字化诊断，减轻病理医师工作强度，在宫颈液基薄层细胞学检测应用中可提升该疾病筛查准确度。AI+平台宫颈癌筛查通过扫描宫颈液基薄层细胞涂片，再对图像进行分类分析，以此获取有效的诊断结果，但在宫颈癌及癌前病变患者的应用中临床报道相对较少。本文以本院2022 年 6 月—2024 年12 月228329例宫颈癌及癌前病变筛查女性为例，探究AI+云平台阅片+联合诊断的宫颈癌筛查方案的筛查效率，现报道如下。

1 资料与方法

1.1 一般资料

择取本院 2022 年 6 月—2024 年 12 月 228329 例女性进行宫颈癌及癌前病变筛查，年龄 25~65 岁，平均（45.15±4.36）岁；本研究经我院医学伦理委员会批准。纳入排除标准：纳入标准：①符合《妇科学》[2]中相关诊断标准；②既往一年内未行宫颈癌筛查；③所有筛查样本均来自于不同个体，且无重复筛查；④均签署知情同意书。排除标准：①近期行宫颈手术、放化疗、宫颈活检治疗患者；②已确诊宫颈癌患者；③其他恶性肿瘤；④免疫系统疾病；⑤合并严重内外科疾病；⑥宫颈活检及宫颈锥切术史。

1.2 方法

AI+云平台：采用数字切片扫描仪器对宫颈液基薄层细胞涂片扫描为全视野数字图像，对所扫描的图像有效保存并传送至云平台。使用AI 分析收集的扫描图像，对异常细胞与上皮内病变准确识别，进行分级分类判读，以此获取诊断结果，同时对患者给出诊断意见与建议，若诊断结果出现异常，需由诊断医师进行复核。

人工阅片：邀请本院2 名具有较高诊断资质的诊断师分别阅片并复核，若诊断结果有差异时，需邀请1 名高级职称病理科诊断医师进行阅片。

联合诊断：多所获取的诊断图像进行人工阅片（方法与流程同上），得出诊断结果后再将图像使用 AI⁺ 云平台进行阅片，获取诊断结果。

1.3 观察指标

分析人工阅片、AI+平台阅片、联合诊断的阳性及阴性检出率、诊断效能（灵敏度、特异度、准确度）。准确 度=（真阳性＋真阴性）/总例数×100%；灵敏度=真阳性/（真阳性＋假阴性） ×100% ；特异度=真阴性/（真阴性 + 假阳性） ；阳性预测值=真阳性/（真阳性＋假阳性） ；阴性预测值=真阴性/（真阴性 + 假阴性） ×100% 。 分析各检测方法的筛查效率。

1.4 统计学方法

使用SPSS25.0 软件统计分析，计量资料（ ）用 F 检验，计数资料（n， %) 用X2 检验，当 (P<0.05) 时，代表数据对比差异明显。

2 结果

2.1 阳性及阴性检出率分析

在纳入的研究对象中，共有13853 例女性进行阴道镜检查，其中139 例通过病理活检诊断为阳性。联合诊断阳性及阴性检出率高于人工阅片、AI+平台阅片 (P<0.05) ，见表1。

表1 阳性及阴性检出率分析

2.2 诊断效能分析

联合诊断的诊断效能高于人工阅片、AI+平台阅片 (p<0.05) ），见表2。

表2 诊断效能分析[n，%]

2.3 筛查效率分析

联合诊断方法平均筛查时间少于人工阅片，多于AI+平台阅片 (P<0.05), ）；AI+平台阅片诊断方法平均筛查时间少于人工阅片、联合诊断 (P<0.05) ），见表3。

表3 筛查效率分析（ ，s）

3 讨论

宫颈癌癌变时间相对较长，约为 年，患者可能伴有癌前病变，随时间延长病变逐渐加重，且易增加癌变风险[3]。在对女性筛查期间，需对癌前病变情况合理评估，并采取有效的治疗方案，可有效减缓病情进展。近年来，我国对适龄女性提供宫颈癌筛查服务，宫颈癌及癌前病变检出率有明显提高，但是因地区分布、医疗条件不同，对疾病筛查效率产生较大影响，如诊断医师自身诊断技能偏低、诊断标本取材不合理、细胞制片操作不规范等，导致诊断结果受到影响，很难确保诊断质量。我国盐城地区对各区所有乡镇卫生院在宫颈癌筛查中发现，宫颈癌发病率约为 0.11% ，通过采用了有效筛查方法，宫颈癌检出率 >90% ，还可发现癌前病变、微生物感染等情况。因此，采取一种行之有效的诊断方法尤为重要。既往采用的传统人工阅片方法虽可达到一定的诊断效果，但是阅片时间相对较长，且阅片准确度与诊断医师诊断水平、诊断经验密切相关，影响诊断准确度。本文尝试采用AI+云平台阅片+联合诊断的宫颈癌筛查方案对宫颈癌及癌前病变进行筛查，分析筛查方案的诊断效能。

AI 是建立在计算机科学基础之上的一种网络技术，研究内容包含机器人、语言识别、图像识别、自然语言处理和专家系统等，近年来逐步应用于临床诊断中[4]。AI+云平台阅片宫颈癌筛查采用了卷积神经网络模型算法，同时采用内部数据集实施验证，对宫颈细胞学进行阅片与分级，再将所获取的数据传送至云平台实施诊断[5]。在诊断结果中，对阳性进行复核，同时对其中 10% 进行抽检复核，以此确保诊断结果准确度，避免出现诊断误差。

本研究发现，人工阅片与AI+云平台阅片相比，AI+云平台阅片筛查效率更高，平均筛查时间更少，且联合诊断方法平均筛查时间少于人工阅片，多于AI+云平台阅片（ P<0.05⟩ ），表明对宫颈癌及癌前病变疾病诊断中，AI+云平台宫颈癌筛查所用时间更少，筛查效率更高。主要是因人工阅片方法虽具有较好的诊断效果，但诊断医师在进行筛查诊断期间仅能通过阴道镜系统作为筛查资料，同时在日常诊断期间因工作量较大或筛查人数相对较多，导致筛查患者筛查时间较长，致使患者平均筛查时间增加[6]。AI+云平台宫颈癌筛查方法能够通过网络平台将诊断结果有效共享，可使医师通过网络终端随时随地查看筛查结果，以此减少筛查结果判定时间[7]。同时，AI+云平台宫颈癌筛查方法可提升筛查主动性，协助授权医师利用该平台对筛查结果充分了解，避免出现重复诊断情况，在诊断中诊断流程更为简便，进而可减少平均筛查时间[8]。

本研究发现，AI+平台阅片方法阳性及阴性检出率高于人工阅片，且联合诊断阳性及阴性检出率最高 (P< 0.05），表明AI+云平台阅片宫颈癌筛查方法对宫颈癌及癌前病变疾病有较高的检出率，同时与人工阅片方法联合应用，阳性检出率更高。主要是因AI+云平台宫颈癌筛查方法具有较强的自动分析能力，能够对样本数据与图像进行自动收集与分析，并可进行数学模型的全面建立，以此对所收集的图像进行检测，快速分析异常情况，进而获取准确的检测结果[9]。因 AI+云平台宫颈癌筛查方法属于自动化处于系统，可避免相关因素的影响，如医师诊断能力、工作精力、个体思想差异等，不仅能够提升筛查效率，有助于提高阳性检出率[10]。AI+云平台阅片+联合诊断的宫颈癌筛查方法能够通过云平台对检测质量准确监控，同时强化医师负责对患者筛查结果的二次质控审核情况，使主治医师获取准确、有效的诊断信息，以此能够对需活检患者有效确定，可避免不必要的活检，不仅能够降低筛查者机体疼痛，还可降低漏检发生率，进而可提高病理诊断检出率。

本研究发现，AI+云平台阅片+联合诊断的诊断效能高于人工阅片、AI+云平台阅片，（ ），表明在对宫颈癌及癌前病变疾病诊断中，AI+云平台宫颈癌筛查方法具有较高的诊断效能。主要是因AI+云平台宫颈癌筛查方法对病灶情况准确识别，同时可对不同病变程度细胞有效分类，快速筛查可疑病变细胞，在自动筛查的过程中能够将所检出的病变细胞准确分类，可降低诊断医师工作量，诊断医师能够准确诊断可疑病变细胞，使其将更多的时间和精力放在疑难细胞的判读中，有助于诊断准确度的提升，与人工阅片相比，对病变部位有较好的形态识别分类量化指标分析能力，避免病理医师主观诊断所致的误差，提高诊断效能，降低漏诊[11]。AI+云平台阅片+联合诊断的方案对高级别病变的诊断均具有较高的准确度，因此对高级别病变患者需采取有效干预措施，避免错失最佳治疗窗口期。在未来应用中，AI+云平台阅片需依据制片方式对其参数与算法有效调整，以此确保诊断准确度，有助于诊断效能的提升[12]。本文分析了AI+云平台阅片+联合诊断方案的应用效果，体现出了明显优势。在联合应用期间，较单一应用具有更高的诊断效能，其灵敏度、特异度均有明显提高，为未来病理诊断模式的革新提供了新思路。但是，在应用AI+云平台系统期间，与诊断医师间更好地整合至关重要，需采取一种行之有效的方法对AI+云平台系统可能产生误判有效规避，仍然是未来研究的方向。

AI+云平台阅片+联合诊断的方案的优势在于能够对筛查对象进行分级诊疗，同时在组织学的基础上体现出了其诊断价值。本文在应用AI+云平台阅片+联合诊断的方案期间，虽然能够提升宫颈癌及癌前病变诊断效能，但是依然存在漏诊、误诊风险。同时，AI+云平台宫颈癌筛查方案的实施受到数据质量与标准化管理的影响，虽然能够实现数据共享，但由于数据分散、低复制成本、价值聚合性等原因，极易出现“数据孤岛”现象。我国AI 技术快速发展，但在疾病诊断领域中的应用尚未完全成熟，可能存在漏诊或误诊的风险。近年来，我国AI 技术研发投入较大，但因法规和监管框架有待完善，在疾病阅片诊断中需确保其有效性与及时性。虽然AI 运行成本有降低优势，但是初期投资与维护成本相对较高，可能成为医院资金投入的重要部分，且AI 技术的普及与应用亦受医生接受度的影响，医生需要时间适应此项新技术的加入。

本文纳入样本量相对较少，考虑研究结果偏倚，需通过增加纳入样本进行前瞻性对比分析。同时，本文未对漏诊、误诊展开分析，可于后期通过增加不良反应分析模块，全面评估本研究药物临床症状，进而深入研究针对性治疗方案，以此获取更为全面、高价值的研究结果，进而为临床治疗提供可靠数据。在研究期间，研究结果易受相关因素的干扰，因此在对比研究中需消除其影响因素，确保治疗中产生的干扰因素降至最低，促使治疗效果最佳，有助于机体快速恢复，对科室的后期研究至关重要。

综上所述，在对大规模人群的宫颈癌及癌前病变筛查期间，AI+云平台阅片+联合诊断的方案可提升宫颈癌及癌前病变检出率，可达到预期的诊断效能，筛查效率高，能够为大规模人群的宫颈癌及癌前病变筛查方案提供数据支持，临床应用价值高。然而，我国经济正处于高速发展阶段，人口基数相对较大，且AI 技术尚处于初期应用阶段，使用及维修成本高，目前很难在全国范围内全面普及应用。随着我国AI 技术的快速发展，期望在临床诊断中应用技术更加成熟，应用范围更为广泛，对宫颈癌及癌前病变疾病的筛查准确度更高。

参考文献：

[1]蔡卫芳，刘燕，王竹音，等.AI 技术在宫颈癌及癌前病变细胞学筛查中的应用分析[J].浙江临床医学，2021，23（6）：879-880.

[2]张安慧，朱敏，毛建，等.人工智能技术在女性宫颈癌筛查中的应用分析[J].中国卫生信息管理杂志，2024，21（5）：739-744，750.

[3]何雪梅，黄辉，王婷，等.人工智能辅助宫颈细胞学筛查联合 HPV 分流在宫颈癌人群筛查中的应用分析[J].徐州医科大学学报，2022，42（4）：273-278.

[4]王嘉旭，薛鹏，江宇.人工智能在宫颈癌筛查中的应用研究进展[J].中国肿瘤临床，2021，48（9）：468-471.

[5]朱学慧，荣超.人工智能技术在宫颈癌筛查和精准临床诊疗中的研究进展[J].重庆医科大学学报，2023，48（12）：1477-1482.

[6]张笑笑，刘璐璐，严凤，等.保定市3 个县农村妇女人工智能辅助宫颈癌筛查结果分析[J].昆明医科大学学报，2024，45（10）：135-139.

[7]姚军，张丽姣，李建伟，等.在老年女性中以人工智能+云诊断细胞学阅片为主导的宫颈癌联合筛查模式应用分析[J].中国当代医药，2024，31（5）：91-94，98.

[8]刘航，兰翀，刘志辉，等.人工智能宫颈癌实时筛查系统TruScreen 在宫颈癌筛查中的作用研究[J].生殖医学杂志，2023，32（8）：1177-1184.

[9]穆雪峰，张燕，马于涛.人工智能在宫颈癌和宫颈癌前病变筛查和诊断中的应用[J].现代妇产科进展，2023，32（1）：65-68，72.

[10] 马益，何秋香，马骏，等.人工智能辅助诊断系统在宫颈液基薄层细胞学检查中的应用[J].温州医科大学学报，2024，54（10）：806-810，816.

[11]廖雪芬，李芳.柳州市农村妇女宫颈癌筛查结果分析及相关因素研究[J].中国计划生育和妇产科，2021，13（6）：56-59.

[12]李梦园，王丹丹，张宁宁，等.子宫颈癌筛查方法研究进展[J].中国实用妇科与产科杂志，2023，39（4）：474-477.