AID-FGS:人工智能对女性生殖器分裂症的诊断:初步发现
Akanksha Sharma1, Tanmoy Dam1, Sepo Mwangelwa2
1Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology and Emory University, Atlanta, Georgia, United States of America.
PLOS digital health
|February 20, 2026
概括
一个人工智能 (AI) 模型显示出从宫图像中检测女性生殖器分裂症 (FGS) 的前景,可能改善诊断并降低艾滋病毒传播风险. 这种人工智能方法可以提高受影响地区的生殖健康结果.
科学领域:
- 医学成像医学成像
- 寄生虫学的寄生虫学
- 人工智能的人工智能
背景情况:
- 雌性生殖器分裂症 (FGS) 是撒哈拉以南非洲普遍存在的寄生虫感染,与艾滋病毒风险增加有关.
- 目前的FGS诊断依赖于宫和阴道病变的视觉镜检查.
- 以前的诊断进步包括数字图像处理和基于AI的方法.
研究的目的:
- 评估人工智能模型在从宫照片中识别FGS方面的性能.
- 评估人工智能模型与专家人类诊断的准确性.
主要方法:
- 从赞比亚的340名受试者收集了镜图像.
- 一个人工智能模型被训练并测试在预处理的图像上,利用一组机器学习模型.
- 通过专家视觉评估和FGS严重性评分来确定地面真相.
主要成果:
- 人工智能模型实现了0.70的曲线下面积 (AUC),在受试者层面上具有0.68的特异性和0.71的灵敏性.
- 该模型显示,FGS严重程度得分较高的受试者预测率更高.
- 机器学习显示了使用有限的镜图像来检测FGS的潜力.
结论:
- 从宫图像中基于人工智能检测FGS是一个有前途的工具.
- 准确和早期的FGS诊断可以改善生殖健康并减少艾滋病毒的传播.
- 在FGS诊断中进一步开发AI可以支持母婴健康倡议.
