研究人員創建了一個自動圖像分析系統，旨在改善無法負擔Pap測試和其他診斷工具的國家中子宮頸癌的篩查。

　　該系統比其他篩選方法更準確，盡管該發現帶有一些警告，包括誤報率高和研究中所用數據集的局限性。盡管有這些擔憂，但這項研究背后的NIH和Global Good研究人員仍然看到了該技術的潛力，并正在努力使其適合使用數碼相機和智能手機進行即時點篩查。

　　宮頸癌是中低收入國家醫療系統的一大難題。每年全球25萬例宮頸癌造成的死亡中，約有90%發生在這些國家，部分原因是它們缺乏實施早期在西方發現這種疾病的篩查計劃的資源和基礎設施。 本周早些時候， 梅奧診所 發布了一項研究，表明子宮頸癌的篩查率沒有以前的調查所表明的那樣高。

　　包括世界衛生組織在內的當局都支持在醋酸施用后進行目視檢查，這是各國早期發現宮頸癌潛在病例的一種方法。然而，盡管該測試既簡單又便宜，但很難將癌前病變與其他異常區分開。

　　NIH和比爾·蓋茨(Bill Gates)支持的基金Global Good的研究人員發現需要更好的測試，因此尋求改進早期嘗試，以開發基于機器學習的宮頸癌篩查方法。結果是一個自動化的圖像分析系統，在測試集的一個關鍵的基于年齡的子組中，靈敏度達到了97.7%。

　　該系統接受了1990年代NCI資助的哥斯達黎加9,000多名婦女的研究中拍攝的圖像的培訓。宮頸造影術(一種現已停止使用的視覺篩查技術)中約有70%的選定圖像用于訓練系統以識別癌前病變。

　　當打開其余30%的圖像時，該系統在統計學上勝過原始哥斯達黎加研究中使用的宮頸造影和其他篩查測試。該系統對25至49歲的關鍵篩查人群特別敏感。在該子組中，系統達到了98%的靈敏度，盡管達到了這個高水平，但損害了屏幕的其他方面。

　　研究人員在論文中寫道：“為了在檢查后長達7年的病例中獲得近乎完美的敏感性，在篩選出的非病例中會產生大量假陽性。盡管敏感性會下降，但可以選擇更加平衡的陽性分界點來限制過度治療，” 美國國家癌癥學院學報。

　　誤報率是質疑該系統在現實世界中可能產生的影響的幾個原因之一。其他問題包括在一次隊列研究中使用由一小組訓練有素的護士拍攝的圖像。鑒于性能受到圖像質量和障礙的影響，當將其應用于各種設置下的各種衛生工作者拍攝的圖片時，系統的靈敏度和特異性可能會下降。AI圖像分析的可移植性有限是該領域的常見問題。

　　盡管這些問題可能會使人感到樂觀，但研究人員認為該系統可以改進并在現實世界中使用。從理論上講，培訓人員捕獲一致的圖像比執行當前使用的VIA方法要容易得多，這表明采用該方法的障礙是可以克服的。下一步是使系統適應當前數碼相機而不是子宮頸成像的圖像。