宫细胞学的定量纹理分析在基于液体的细胞学上的非典型腺细胞中识别了子宫内膜病变:试点研究
Toshimichi Onuma1, Akiko Shinagawa1, Makoto Orisaka1
1Department of Obstetrics and Gynecology, Faculty of Medical Sciences, University of Fukui, Fukui 910-1193, Japan.
Diagnostics (Basel, Switzerland)
|February 27, 2026
概括
对宫细胞学的定量分析有助于区分子宫内膜增生和癌症与正常病例. 这种方法在绝经后特别有效,提高了在非典型腺细胞 (AGC) 发现中的诊断准确性.
科学领域:
- 妇科病理学 妇科病理学
- 计算病理学计算病理学
- 宫癌查 宫癌查
背景情况:
- 使用人类乳头瘤病毒 (HPV) 检测的宫癌查依赖细胞学来检测异常.
- 非典型的腺细胞 (AGC) 细胞学可以表明子宫内膜病理,包括非典型的子宫内膜增生 (AEH) 和子宫内膜癌 (EC).
- 在AGC细胞学中区分良性和恶性子宫内膜状况需要精细的诊断工具.
研究的目的:
- 评估基于液体的宫细胞学定量分析的实用性,以区分AGC细胞学中的良性子宫内膜异位病例与AEH/EC.
- 评估机器学习模型在这个诊断任务中的表现.
- 调查SurePath和ThinPrep样本制剂之间的性能潜在差异.
主要方法:
- 对62个SurePath和52个ThinPrep AGC病例的分析,分为正常或AEH/EC.
- 半自动QuPath软件用于细胞集群检测和特征提取 (纹理,强度,几何).
- 随机森林 (RF) 分类器具有特征子集选择和超参数调整,通过五倍交叉验证进行评估.
主要成果:
- 定量分析显示,中度的歧视,显著改善绝经后的SurePath和ThinPrep.
- 机器学习射频模型提高了诊断性能,而不是单变量分析.
- 交叉验证的AUC达到SurePath的0.805和ThinPrep的0.887,并确定了平台特定的特征.
结论:
- 对宫细胞学的定量分析可以帮助专家审查识别AGC中的子宫内膜病变,特别是在绝经后的妇女中.
- 基于软件的定量读取可以集成到现有的工作流程中,以提高细微形态发现的分类精度.
- 这种方法在需要进一步诊断澄清的HPV阴性查场景中可能是有价值的.
