NC | 丁彦青团队开发出人工智能辅助宫颈液基细胞学TBS分类诊断系统
南方医学网讯：近日，Nature communications（IF:12.12）在线发表了南方医科大学丁彦青教授团队与广州市锟元方青医疗科技有限公司（F.Q.PATHOTECH Co., Ltd）联合开发的研究成果：Hybrid AI assistive diagnostic model permits rapid TBS classification of cervical liquid-based thin-layer cell smears，报道了利用多重人工智能模型进行宫颈液基细胞学涂片进行快速TBS分类的人工智能辅助诊断系统（AIATBS system）。
宫颈癌(Cervicalcancer, CC)是妇女最常见的恶性肿瘤之一，2020年全球新增病例60.4万例，死亡34.2万人。在过去的几十年里，许多国家的宫颈癌死亡率一直呈整体下降趋势，这很大程度上归功于宫颈癌筛查技术（包括宫颈液基细胞学涂片、阴道镜和人类乳头状瘤病毒检测）的发展。在发展中国家，CC的死亡率大约是发达国家的2.5倍，在中国CC的发病率和死亡率仍以每年约2-3%的速度增长，而缺乏有经验的细胞病理医师是主要因素之一。
该研究多中心收集了>81,000个宫颈液基细胞学涂片样本，严格依据TBS诊断要求进行分类标注（>170万个标注图片数据），利用并整合多种模型开发出一套包括质量控制解决方案，完整的人工智能辅助宫颈液基细胞学TBS分类诊断系统（AIATBS system）。经多中心前瞻性验证（>34,000个样本），结果证实 AIATBS系统在保持高速（<180s/张涂片）和高特异度的同时，又表现出优于高年资细胞病理医师的敏感度，并能够适应不同制片、染色及扫描的涂片样本。
该研究开发的人工智能辅助诊断系统严格遵循了宫颈液基细胞学TBS诊断要求，同时具有以下亮点：
1、对病变进行了更详细的形态学分类，显著提高了检测和分类的准确性，并训练了一个核分割模型，用于细胞核的精确定量；
2、采用了高效的半监督标注模型，既保证了训练数据的准确性，又迅速扩增了数据量；
3、集成多个深度学习模型，提取能够相互补充的不同层次的参数，从而有效量化分类目标，提供精准的特征；
4、针对不同病变的特点，综合使用人工智能模型和基于细胞病理学家诊断经验的逻辑决策树，真正实现宫颈液基细胞学TBS分类诊断；
5、开发了基于人工智能的数字病理图像质量控制（DPIQC）系统，对宫颈液基细胞学涂片的制备、染色和扫描进行良好的质量控制；
6、经过多中心、大临床回顾性和前瞻性临床试验验证，具有很好的临床应用价值。该研究实用性强，为宫颈癌筛查提供了一个强大的辅助诊断工具，具有广阔的市场运用前景。
该文章的通讯作者为南方医科大学南方医院病理科/基础医学院病理学系丁彦青教授、新加坡国立大学生物信息学研究院余维淼教授、南方医科大学南方医院病理科/基础医学院病理学系梁莉教授和深圳市**人民医院病理科成志强主任，**作者为南方医科大学南方医院病理科/基础医学院病理学系朱孝辉博士、深圳宝安人民医院（集团）李晓鸣主任、新加坡国立大学分子和细胞生物学研究所Kokhaur Ong博士、南方医科大学南方医院病理科/基础医学院病理学系张文丽博士和郑州大学附属**医院病理科李文才主任。