人工智能(AI)时代正在悄然来临，社会的方方面面背后，都可以看到它的身影。而通过人工智能获得更准确的医疗诊断似乎也渐渐成为现实……

日前，来自美国国立卫生研究院(NIH)和Global Good的研究人员开发了一种计算机算法，可以分析女性宫颈的数字图像，并准确地识别需要治疗的癌前病变。这种人工智能技术被称为自动视觉评估，有望彻底改变宫颈癌的筛查，尤其是在哪些医疗资源匮乏的地区。

为了开发这种方法，研究人员使用综合数据“训练”一种深度学习算法来识别复杂视觉信息(如医学图像)。该方法由美国国家癌症研究所(NCI)和Global Good Exit Disclaimer(一家知识产权风投基金)共同开发，美国国家医学图书馆(NLM)专家独立确认(NCI和NLM都是NIH的一部分)。研究结果发表在《国家癌症研究所》杂志上。

这项研究的主要负责人、NCI癌症流行病学和遗传学部门医学博士Mark Schiffman说：“研究结果表明，深度学习算法可利用常规宫颈癌筛查过程中收集的图像来识别癌前病变。如果不进行治疗，它们可能会发展成癌症。事实上，计算机对图像的分析在识别癌前病变方面，要比医生使用显微镜做宫颈细胞学筛查更准确!”

这种方法在医疗资源匮乏的地区具有特殊价值。在这些地区，医务人员目前还在使用乙酸目视检查法(VIA)进行宫颈癌筛查。检查中，将稀释的乙酸涂在宫颈上，然后用肉眼寻找宫颈“醋酸白化”的区域。如果有，则表明可能存在疾病。由于其便捷性和低成本，VIA在没有更先进的筛查方法的情况下被广泛使用。然而它的准确性堪忧，有待改进。

AI自动视觉评估同样容易操作。医务人员可以使用手机或类似的摄像设备进行宫颈检查。此外，这种方法只需要最简单的培训就可以实施，是医疗资源匮乏地区的理想选择。在这些地区，宫颈癌是妇女患病和死亡的主要原因之一。

为创建算法，研究小组使用了NCI档案中的60000多张宫颈图像。这些照片是90年代在哥斯达黎加进行的一项宫颈癌筛查研究中收集的。9400多名妇女参加了这项研究，随访时间长达18年。由于这项研究具有前瞻性，研究人员获得了几乎全部的完整信息，包括哪些宫颈病变发展为癌前病变，哪些没有。这些照片数字化后被用来“训练”一种深度学习算法，来区分宫颈疾病是否需要治疗。

总的来说，在预测哥斯达黎加研究期间的病例方面，该算法比所有标准筛选试验都表现更好。与人类专家评审(AUC=0.69)或传统细胞学(AUC=0.71)相比，AI自动视觉评估识别癌前病变的准确性更高(AUC=0.91)。(AUC为0.5表示随机概率，AUC为1.0表示该测试在识别疾病方面准确性完美)

Global Good执行副总裁Maurizio Vecchione表示：“当该算法与HPV疫苗接种、新型HPV检测技术和宫颈癌治疗方法相结合时，即使在医疗条件欠发达的条件下，宫颈癌也可以得到控制。”

生活在不同区域的女性，宫颈的外观有细微的不同。研究人员计划使用各种成像设备，扩大研究对象，进一步改进该算法。该项目的最终目标是创建一个开放性的最优算法。