相关实验视频
Updated: May 2, 2026

08:58
Artificial Intelligence Approaches to Assessing Primary Cilia
Published on: May 1, 2021
4.1K
在宫细胞学变化的诊断中使用人工智能:一项基于大学人口的观察性研究
Jose Said Manzano-Chaya1, Tania Mendoza-Herrera1, Ernesto García-Ayala1
1Grupo de Investigación en Patología Estructural, Funcional y Clínica, Departamento de Patología, Universidad Industrial de Santander, Bucaramanga, Colombia.
Biomedica : revista del Instituto Nacional de Salud
|December 18, 2025
概括
人工智能模型显示出宫癌查的前景. 移动网络在检测巴氏涂片检查异常方面取得了高准确性 (AUC 0.97),这可能会提高诊断性能.
科学领域:
- 妇科瘤学 妇科瘤学
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 传统的宫细胞学 (巴氏涂抹) 是哥伦比亚宫癌查的主要方法.
- 目前的方法面临的挑战是诊断产量和工作量.
- 人工智能 (AI) 在改善宫癌查中的作用尚未在哥伦比亚人口中进行评估.
研究的目的:
- 评估和比较四个人工智能模型的辨别能力,用于检测巴氏涂抹中的异常.
- 评估人工智能的潜力,以加强哥伦比亚的宫癌查.
主要方法:
- 来自哥伦比亚大学队列的650张巴氏涂片图像被专家病理学家分析.
- 四个人工智能模型 (DenseNet,InceptionV3,MobileNet,VGG19) 使用公开的巴氏涂抹数据库进行训练.
- 用灵敏度,特异性和曲线下的面积 (AUC) 来评估模型性能.
主要成果:
- 移动网络显示出最高的区分能力,AUC为0.97,特异性为0.99,灵敏度为0.78.
- InceptionV3显示出强大的查性能,AUC为0.947,灵敏度为0.93和特异性为0.82.
结论:
- 人工智能模型为帕普查分析提供了明显的优点和缺点.
- 人工智能可以增强手动阅读或作为子宫癌的主要查工具.
- 人工智能驱动的查可以实现与手工方法相比较的诊断性能,潜在地提高效率和准确性.

