宫颈癌是最常见的妇科恶性肿瘤，也是目前为数不多的几种病因明确的癌症之一。绝大多数宫颈癌是由HPV感染导致的，若能及时阻断HPV感染，几乎可以100%预防。

宫颈癌防治的关键在于筛查出高风险人群，找出高级别宫颈上皮内瘤变(CIN)患者，及时干预。

近年来，临床医生希望利用数字成像和机器学习技术来改善宫颈癌筛查。HPV检测呈阴性的女性，在未来十年中患宫颈癌的风险较低;即使查出HPV阳性也不用太担心，大多数宫颈HPV感染也不会导致癌前病变。

只有长期高危型HPV持续感染，才会导致高级别宫颈上皮内瘤变(CIN)，进而发展为宫颈癌。

当前面临的挑战是如何准确识别那些HPV感染后，最可能发展为宫颈癌前病变的女性?

目前，HPV阳性的女性可能需要进行进一步的HPV检测或巴氏细胞学检测，以评估是否需要进行阴道镜检查、活检或治疗。但这些方法并不理想。

例如，在传统的巴氏涂片细胞学检测中，经过专业训练的实验室技术人员通过分析染色的玻片来寻找异常细胞，为的是在癌前病变发展为癌症之前发现它们。但这种检查不仅耗时、敏感性低，还容易出现假阳性结果。

今年3月，美国FDA批准了下一代细胞学检测CINtec?PLUS作为第一个基于生物标志物的分类检测，用于经cobas? 4800 检测HPV结果为阳性的女性原发性宫颈癌筛查。

CINtec PLUS细胞学检测可识别出与宫颈癌相关性最强的HPV感染的女性。

它可以为临床医生提供更有用的决策指导，帮他们判断哪些女性需要尽快接受阴道镜检查或其他诊断程序获益最大，从而有助于防止女性患上更严重的宫颈疾病。

6月25日，发表在美国《国家癌症研究所杂志》上的一项新研究显示，一种人工智能(AI)双染色检测技术能显著提高宫颈癌筛查的准确性和效率。该技术是由美国国家癌症研究所(NCI)的研究人员开发和实施的。

NCI癌症流行病学和遗传学部门Nicolas Wentzensen博士说：“研究发现，对于HIV检测结果为阳性的女性，这种智能宫颈癌筛查方法比标准方法表现得更好。它可以通过发现更多的癌前病变和减少假阳性来提高宫颈癌筛查的效率。这有望让HPV阳性女性避免大量不必要的诊疗。”

双染色检测是检测宫颈样本中p16和Ki-67两种蛋白的存在。在既往研究中，Wentzensen博士团队发现，双染色检测结果为阴性的女性在未来5年里患宫颈癌前病变的风险较低。而且与巴氏细胞学检测结果为阳性的女性相比，双染色检测结果为阳性的女性较少。但人工双染色试验受主观因素影响较大，因为细胞技术人员必须查看载玻片来确定结果。

在这项新的研究中，研究人员想看看，智能双染色检测能否赶上或超过人工检测。

研究人员开发了一个全幻灯片成像平台，经过深度学习训练后，可以确定是否有p16/Ki-67双染阳性的宫颈细胞。

他们将这种方法与传统的巴氏细胞学和手工双染色检测方法进行了比较，共检测了4253人的样本。这些人是北加州Kaiser Permanente和俄克拉荷马大学的HPV阳性宫颈癌和肛门癌的三项流行病学研究的参与者。

自动双染色细胞学检查的幻灯片

研究发现，基于AI的双染色检测比巴氏细胞学和手工双染色检测的阳性率更低，具有比巴氏细胞学更高的敏感性(正确识别有癌前病变的能力)和特异性(正确识别没有癌前病变的能力)。

与巴氏细胞学检测相比，基于AI的双染色技术使阴道镜转诊率降低了约1/3(约42%：60%)。

此外，该测试方法也很稳定，在肛门细胞学检查中显示出相当的性能。

总之，这种自动检测超过了现行的巴氏细胞学标准检查，降低了假阳性率，也大大减少了不必要的阴道镜检查。该检测也有望作为肛门癌筛查的新选择。

该检测方法将数字病理学和深度学习很好地结合并应用于临床实践，而且有望极大改善宫颈癌筛查现状，为每年数百万的HPV检查结果为阳性的女性带来福音。