评估人工智能启用基于液体的细胞学用于对HPV阳性女性进行分类:基于人口的横截面研究

科学领域:

• 妇科 妇科医生 妇科
• 在瘤学瘤学.
• 医学诊断 医学诊断 医学诊断

背景情况:

• 以细胞学为基础的分类是管理人类乳头瘤病毒 (HPV) 阳性女性的标准.
• 目前的方法,如手动细胞学遭受主观性,低灵敏度,和糟糕的可重现性.
• 为此目的,人工智能支持的液体基细胞学 (AI-LBC) 的诊断性能尚未得到充分证实.

研究的目的:

• 为了比较AI-LBC,人类细胞学家和HPV16/18基因型鉴定在对HPV阳性女性进行分组的临床性能.
• 评估AI-LBC在检测2/3级或更高 (CIN2+) 的宫内皮质瘤的诊断准确性.

主要方法:

• 用AI-LBC,人类细胞学家和HPV16/18基因型鉴定对3514名HPV阳性女性进行了分组.
• 经组织学确认的CIN2+作为评估临床表现的基准.
• 分析了对结肠镜检查的灵敏度,特异性和转诊率.

主要成果:

• 在检测CIN2+方面,AI-LBC的灵敏度与细胞学家 (86.49%与83.78%) 相当,但明显高于HPV16/18基因型 (86.49%与54.05%) 检测CIN2+.
• AI-LBC特异性低于HPV16/18基因型鉴定 (51.33%vs87.17%),但明显高于细胞学家 (51.33%vs40.93%).
• 与细胞学家相比,AI-LBC减少了大约10%的结肠镜转诊 (51.53%与60.94%相比).

结论:

• AI-LBC提供了相等的灵敏度和比人类细胞学家更好的特异性,用于对HPV阳性女性进行分类.
• AI-LBC方法促进了更高效的结肠镜转诊.
• 人工智能-LBC有望改善宫癌查,特别是在资源有限的环境中,经验丰富的细胞学家很少.