人工智能细胞学阅片结合HPV分型在宫颈病变病理学诊断中的应用
尚海霞
史晓峰
于宏鑫
冯亚倩
黄悦
郭启
王笑雪
胡丽娜
王琳
山西白求恩医院·山西医学科学院·山西医科大学第三医院·同济山西医院妇产科,太原 030032
摘要：目的 探讨人工智能(AI)细胞学阅片结合HPV分型在宫颈癌前病变(CIN2+)诊断中的效能及临床应用价值,为优化筛查策略提供依据.方法 采用回顾性配对诊断效能研究,纳入2021年3月至2025年3月在山西白求恩医院就诊的300例女性宫颈液基细胞学(LBC)标本及相应组织病理学结果.分别评估AI细胞学模型、病理医师人工阅片、HPV分型及AI+HPV联合模型在CIN2+诊断中的敏感度、特异度、阳性预测值(PPV)、阴性预测值(NPV)和曲线下面积(AUC),并采用DeLong检验和McNemar检验比较差异.同时通过决策曲线分析(DCA)评估各方法在不同风险阈值下的临床净获益.结果 AI细胞学诊断CIN2+的敏感度为87.2%,特异度80.4%,AUC为0.90(95%CI:0.86～0.94);病理医师阅片敏感度85.0%,特异度88.9%,AUC为0.91(95%CI:0.87～0.95);HPV16/18分型敏感度最高(90.2%),但特异度最低(56.5%),AUC为0.80(95%CI:0.75～0.84).联合模型表现最佳,敏感度95.0%,特异度86.2%,PPV 90.0%,NPV 96.2%,AUC为0.95(95%CI:0.92～0.97),显著优于单一方法(均P＜0.01).DCA显示,在10%～40%阈值区间内,联合模型净获益始终最高.分层分析提示,联合模型在不同HPV型别、年龄及细胞学分级中均保持稳定效能,尤其在ASC-US/LSIL人群中显著提升了NPV(96.2%),在HSIL及以上病例中敏感度达98.0%.结论 AI细胞学与HPV分型的联合诊断模式兼具高敏感度与高特异度,在减少漏诊的同时避免过度转诊,并在临床净获益方面优于单一方法,提示其在宫颈癌筛查与病理学诊断中具有应用潜力.
关键词：人工智能细胞学HPV分型宫颈癌前病变诊断效能病理诊断多模态模型
资助基金：山西省高质量发展研究项目(SXGZL202449)
论文发表日期：2025-12-28
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1560-1565 )
英文信息