人工智能筛查宫颈癌？这个时代马上就要到来了！

金宝两周前在《医海纵横》栏目中为大家分享了关于宫颈癌的科普知识，本周金宝在美国国立卫生研究院的博客上又发现了关于宫颈癌筛查和诊断的新方法，在这里分享给大家。

美国国立卫生研究院的研究人员正在将人工智能（AI）分析与智能手机摄像头相结合，以帮助更多女性避免宫颈癌。

发表在《美国国家癌症研究所杂志》上的一项研究中，研究人员使用一台高性能计算机解析了数千张宫颈照片，这些照片是20多年前在一项癌症筛查研究中的志愿者那里获得的。计算机以特定模式学习识别与宫颈癌前病变和癌前病变相关特征，这些特征信息被用来开发一种算法以便在图集中可以可靠地检测这些变化。事实上，人工智能算法在检测癌前病变方面优于人类专家评审员和所有的标准筛查试验。

几乎所有的宫颈癌都是由人类乳头瘤病毒(HPV)引起的。关于宫颈癌筛查，先是使用宫颈涂片检查，现在也使用HPV检测，检测方法的进步极大地降低了宫颈癌的死亡率。但是，每年仍有4000多名美国女性死于这种癌症，黑人及年龄较大的女性罹患这种癌症的频率更高。在世界各地，超过25万的女性死于这种可预防的疾病，死亡病例大多数发生在贫困和偏远地区。

研究人员一直在寻找成本低廉且易于使用的工具，而且这些工具必须在检测最有可能发展成宫颈癌的HPV感染方面非常有效。这些工具还必须在样品制备和实验室分析资源有限的区域发挥良好的作用。出于这个原因，美国国家卫生研究院国家癌症研究所(NCI)和华盛顿贝尔维尤的全球公益组织(Global Good)的研究人员展开了合作。该组织与比尔·盖茨展开合作为发展中国家开发了这项能改变很多女性命运技术。

全球公益组织的研究人员联系了NCI专家，希望将人工智能应用于海量的宫颈图像数据集。NCI专家建议在哥斯达黎加进行一项为期18年的宫颈癌筛查研究。这项由美国国立卫生研究院(NIH)资助的项目于上世纪90年代正式结束，生成了近6万张宫颈图像，随后由美国国立卫生研究院(NIH)的国家医学图书馆(National Library of Medicine)对这些图像进行数字化并安全储存。

研究人员认为，这些以高度标准化的方式获得的图像将成为开发计算机宫颈癌检测算法的完美训练材料。此类人工智能被称为机器学习(machine learning)，它将成千上万的图像输入配备一个或多个高性能图形处理单元(GPU)的电脑，GPU允许计算机处理图像中的大量视觉数据，并设计一套规则或算法，使其能够学习如何“观察”图像的物理特征。

首先，研究人员让计算机创建了一个卷积神经网络。研究人员训练计算机读取图像，过滤掉数以百万计的非必要字节，并保留照片中的几百个字节，使其成为唯一可识别的字节（即特征）。他们将128万张覆盖数百个普通物体的彩色图像输入计算机，创造出与人类视觉系统一样能够区分物体及其特性的多层处理能力。

一旦卷积神经网络形成，研究人员就取得了巨大的进步：训练计算机系统观察健康的子宫颈、细胞发生令人担忧的变化的子宫颈或癌症前期的子宫颈的物理特征。这就是哥斯达黎加筛查试验中数千张子宫颈图像真正进入画面的地方。

当所有这些层次的处理能力形成后，研究人员就创建了“自动可视化评估”算法。它接着以惊人的准确性识别了哥斯达黎加研究中的241例已知癌症前期和38例已知癌症相关的图像。该算法存在的几个小问题仅仅来自于图像的颜色变暗或焦点模糊。

研究人员努力进行优化解决这些小问题，解决方法包括确定卫生工作者在一次例行宫颈骨盆检查如何采用智能手机获取高质量的照片以及在实际环境中如何为智能手机配备必要的软件来分析宫颈照片。目的是使卫生工作者能够使用智能手机或类似设备在患者的一次随访或就诊期间为女性患者进行宫颈癌的筛查和诊断。

事实上，研究人员已经在美国及其国外的智能手机上实地测试了这种人工智能筛查和诊断方法。如果一切顺利，这种成本低廉，方便易行的方法可以成为医疗条件较差地区人群减轻宫颈癌的负担的重要工具。

随着经济发展水平的提高和技术的进步，相信人们终将战胜宫颈癌这只每年在全球数十万女性死亡的恶魔。