需要创新的解决方案
创新的诊断如果将提供妇科筛查,则需要考虑当地条件和限制的解决方案。
对于这项研究,研究人员培训了AI系统识别子宫颈中的细胞异常,早期检测到可以成功处理。2018年9月和2019年9月在肯尼亚的农村诊所中拍摄了740名妇女。然后使用便携式扫描仪向示例进行数字化,并通过移动网络上传到基于云的深度学习系统(DLS)。不到一半的涂片被用来训练程序识别不同的癌前期病变,而剩下的被用来评估其准确性。
然后将AI评估与数字和物理样本的两个独立病理学家进行了比较。该研究表明,评估非常相似。关于鉴定患有癌前病变的患者,DLS的敏感性为96-100%。没有更严重的高档病变的患者接受了假阳性评估。关于识别没有病变的涂片,DLS在78-85%的病例中与病理学家相同的评估。
可以节省时间和资源
研究人员认为,这种方法可以用来排除大多数涂片,从而为当地专家腾出时间来检查那些突出的涂片。然而,在这之前,需要对更大、更多样化的患者群体进行更多的研究,包括更多的涂片和不同类型的病变,以及确认宫颈癌前体的活组织检查。
Lundin解释说:“使用便携式在线显微镜,DLS可以在宫颈癌筛查时充当‘虚拟助手’。”“人工智能助手可以在全球24/7时间内访问,帮助当地专家检查更多的涂片。这种方法将使资源有限的国家能够以比目前更低的成本更有效地为其人口提供筛查服务。”
研究结果发表在该杂志上《美国医学会杂志》网络开放。