張詩雨 綜述 段 華 審校
(首都醫科大學附屬北京婦產醫院 北京婦幼保健院婦科微創中心,北京 100006)
子宮內膜癌為女性生殖系統三大惡性腫瘤之一,發病率在全球范圍內呈持續上升趨勢[1,2],早期診斷可能降低死亡率,提高無病生存率,故此,亟待確立高效的篩查途徑來實現子宮內膜癌的早期診斷[3]。部分指南認為經陰道超聲檢查(transvaginal ultrasound,TVS)可以作為子宮內膜癌的一線影像學檢查[4~6],但其特異度較低,并且有一定的操作者主觀評判以及儀器誤差。對于子宮內膜癌篩查取樣方式,多數指南推薦門診一次性子宮內膜取樣器和細胞學制片[3]。不能單獨將經陰道超聲檢查用于對子宮內膜癌的篩查,需結合子宮內膜微量組織病理檢查或子宮內膜細胞學檢查[7]。
人工智能作為計算機科學的一個分支,經歷了感知器數學模型,反向傳播(back propagation,BP)算法,正迎來第三次發展高潮——深度學習[8,9]。人工智能系統逐漸應用于醫學領域,尤其在疾病的篩查及診斷方面表現突出[10~12]。本文對人工智能在子宮內膜癌篩查工作中的研究進展進行綜述,旨在為人工智能輔助決策系統應用于子宮內膜癌篩查提供參考。
將子宮內膜癌發病風險人群分為低、中、高風險的風險預測模型有助于制定個體化的癌癥預防策略[13]。但繁雜的臨床數據以及各種主觀因素導致預測模型難以建立,所創模型的準確度有待商榷。多項研究將人工智……