篩查準(zhǔn)確率高達(dá)92.1%！大數(shù)據(jù)助力宮頸癌篩查

根據(jù)世界衛(wèi)生組織的數(shù)據(jù)顯示，宮頸癌是全球女性第二高發(fā)癌癥，2020年全球新增宮頸癌患者60萬(wàn)例，并有大約34萬(wàn)名患者因此失去生命。宮頸癌由人乳頭瘤病毒（HPV）持續(xù)感染而引起，盡管目前HPV疫苗有效降低了宮頸癌的發(fā)生率，但是整體上來說疫苗的覆蓋率仍不充足。因而，通過宮頸癌篩查確定宮頸上皮內(nèi)瘤變（CIN）或?qū)m頸癌水平對(duì)于及時(shí)預(yù)防或治療宮頸癌至關(guān)重要。

目前來說，宮頸細(xì)胞學(xué)檢查和HPV檢測(cè)是常見的非侵入性初級(jí)篩查方法。但是，就宮頸細(xì)胞學(xué)檢查來說，由于一些女性細(xì)胞學(xué)檢查中的涂片未能采集宮頸病變區(qū)域的樣本，敏感性往往比較低。另外，就HPV檢測(cè)來說，只有感染時(shí)間長(zhǎng)的人才會(huì)發(fā)展為高CIN水平或癌癥，所以HPV檢測(cè)靈敏度高但特異性較低。陰道鏡檢查是根據(jù)結(jié)腸鏡對(duì)宮頸圖像的解釋，用于進(jìn)一步檢查細(xì)胞學(xué)或HPV檢測(cè)異常的女性，它是侵入性的，可能會(huì)導(dǎo)致出血或感染。因而，需要一種基于現(xiàn)有臨床檢查的無創(chuàng)、客觀、準(zhǔn)確的宮頸篩查方法。

近日，來自中國(guó)科學(xué)院蘇州生物醫(yī)學(xué)工程技術(shù)研究所的研究團(tuán)隊(duì)提出了一種跨膜態(tài)融合細(xì)胞學(xué)檢查、HPV檢測(cè)和陰道鏡圖像檢查結(jié)果的宮頸病變無創(chuàng)篩查方法，篩查準(zhǔn)確率高達(dá)92.1%，顯著優(yōu)于單一篩查方法。研究結(jié)果以“Deep learning based cervical screening by the cross-modal integration of colposcopy, cytology, and HPV test”為題，發(fā)表在國(guó)際醫(yī)學(xué)信息學(xué)協(xié)會(huì)官方期刊International Journal of Medical Informatics（IJMI）上。

研究成果（圖源：IJMI）

在這項(xiàng)研究中，研究團(tuán)隊(duì)利用深度學(xué)習(xí)方法構(gòu)建了陰道鏡圖像自動(dòng)篩查模型，輸出患者病變概率，實(shí)現(xiàn)了陰道鏡圖像客觀定量的解讀。他們還對(duì)細(xì)胞學(xué)檢查結(jié)果和HPV檢測(cè)結(jié)果進(jìn)行類別編碼，采用邏輯回歸方法將類別編碼與陰道鏡圖像自動(dòng)輸出的病變概率跨膜態(tài)融合，最終構(gòu)建了宮頸癌綜合篩查模型。

研究團(tuán)隊(duì)在研究中一共納入了2160名女性的檢查數(shù)據(jù)，其中正常或低級(jí)別病變1718名，高級(jí)別病變或?qū)m頸癌442名。

納入標(biāo)準(zhǔn)如下：

1）2016-2019年接受宮頸癌篩查；

2）接受細(xì)胞學(xué)檢查、HPV檢測(cè)、陰道鏡檢查、陰道鏡活檢。

排除標(biāo)準(zhǔn)如下：

1）缺乏下列宮頸影像之一：生理鹽水影像、醋酸影像、碘影像；

2）圖像被遮擋或模糊。

研究人員使用生理鹽水影像、醋酸影像、碘影像三種圖像開發(fā)和測(cè)試基于陰道鏡的深度學(xué)習(xí)模型，結(jié)合基于單圖像模型，采用多變量logistic回歸建立了基于多圖像的深度學(xué)習(xí)模型。將細(xì)胞學(xué)檢查和HPV檢測(cè)結(jié)果應(yīng)用MLR建立了細(xì)胞學(xué)檢查-HPV檢測(cè)聯(lián)合診斷模型。最后，結(jié)合基于多圖像的深度學(xué)習(xí)模型、細(xì)胞學(xué)檢查結(jié)果和HPV檢測(cè)結(jié)果，利用MLR構(gòu)建跨模態(tài)綜合模型。并且，利用受試者工作特性曲線下的面積（AUC）集中測(cè)試模型的性能。

經(jīng)過測(cè)試，細(xì)胞學(xué)檢查-HPV檢測(cè)聯(lián)合診斷模型的AUC為0.837（注：AUC越接近于1，檢測(cè)方法的真實(shí)性越高），顯著高于單一的細(xì)胞學(xué)檢查和HPV檢測(cè)。基于鹽水影像、乙酸影像和碘影像的深度學(xué)習(xí)模型的AUC分別是0.760、0.791和0.840，基于多圖像的深度學(xué)習(xí)模型的AUC提高到0.845。值得一提的是，綜合模型的表現(xiàn)最好，AUC為0.921。

表1.單一測(cè)試及綜合模型的診斷性能

表格來源：IJMI

單一測(cè)試及綜合模型的診斷性能（圖源：IJMI）

綜合以上，研究結(jié)果表明，與其他單一模型相比，綜合模型的性能最佳，敏感性和特異性更平衡，這說明細(xì)胞學(xué)檢測(cè)、HPV檢測(cè)和陰道鏡檢查在提高診斷性能方面具有協(xié)同效益。此外，綜合模型被可視化為一個(gè)易于使用的列線圖，通過總結(jié)模型中變量對(duì)應(yīng)的點(diǎn)，可以直觀地為每位女性提供疾病風(fēng)險(xiǎn)，這便于臨床理解模型原理。

總之，結(jié)合所有類型的宮頸圖像有助于提高基于陰道鏡的深度學(xué)習(xí)的性能，通過結(jié)合HPV檢測(cè)結(jié)果、細(xì)胞學(xué)檢測(cè)結(jié)果和基于陰道鏡的深度學(xué)習(xí)模型，可以實(shí)現(xiàn)更準(zhǔn)確的宮頸篩查。

參考資料：

[1]Fu L, Xia W, Shi W, et al. Deep learning based cervical screening by the cross-modal integration of colposcopy, cytology, and HPV test. Int J Med Inform. 2022 Mar;159:104675. doi: 10.1016/j.ijmedinf.2021.104675. Epub 2021 Dec 28. PMID:34979436.