乳腺癌和宫颈癌的准确早期检测对于治疗成功至关重要。2022年2月15日，北京协和医学院群医学及公共卫生学院江宇及乔友林共同通讯在npj Digital Medicine（IF=12）在线发表题为“Deep learning in image-based breast and cervical cancer detection: a systematic review and meta-analysis”的研究论文，该研究进行了一项荟萃分析，以评估深度学习 (DL) 算法在早期乳腺癌和宫颈癌识别中的诊断性能。还研究了四个亚组：癌症类型（乳腺癌或宫颈癌）、验证类型（内部或外部）、成像方式（乳房 X 光检查、超声、细胞学或阴道镜检查）以及 DL 算法与临床医生。35 项研究被认为符合系统评述条件，其中 20 项经过荟萃分析，汇总敏感性为 88% (95% CI 85-90%)，特异性为 84% (79-87%)，AUC 为0.92 (0.90–0.94)。在所有亚组中都强调了使用类似 DL 算法的可接受的诊断性能。因此，DL 算法可用于使用医学成像检测乳腺癌和宫颈癌，具有与人类临床医生相当的性能。但是，尚缺乏在现实临床环境下应用的高质量研究证据。
女性乳腺癌和宫颈癌仍然是癌症负担的主要贡献者。世界卫生组织 (WHO) 报告称，2020年全世界记录了大约 286 万新病例（占所有癌症病例的 14.8%）和 103 万例死亡（占所有癌症死亡病例的 10.3%）。这对女性的影响尤为严重，尤其是在低收入人群中。中等收入国家 (LMICs)，这在很大程度上可归因于更晚期的诊断、获得早期诊断的机会有限以及治疗不理想。癌症的综合筛查是一个复杂的过程，需要考虑生物学和社会决定因素以及伦理限制，众所周知，早期发现乳腺癌和宫颈癌与改善预后和生存率有关。因此，选择能够识别早期症状的最准确、最可靠的技术至关重要。医学成像在肿瘤检测中发挥着重要作用，尤其是在逐渐数字化的癌症护理服务中。例如，乳房 X 光检查和超声，以及细胞学和阴道镜检查在临床实践中是常用的。然而，中低收入国家分散的卫生系统可能缺乏基础设施，也许缺乏确保高质量筛查、诊断和治疗所需的人力。这阻碍了上述传统检测技术的普遍性。此外，可能存在影响机器和人类性能的大量操作员间和操作员内部的可变性。因此，医学影像的解释很容易受到人为错误的影响。当然，有经验的医生往往更准确。基于资源的测试和有效干预措施的共同部署可以降低中低收入国家的癌症发病率和死亡率。与此一致，理想的 LMIC 检测技术至少应具有较低的培训需求。深度学习算法的综合整体性能（图源自npj Digital Medicine ）深度学习 (DL) 作为人工智能 (AI) 的一个子集，可应用于医学成像，并在自动检测中显示出前景。食品和药物管理局 (FDA) 已经批准了一些用于临床实践的基于 DL 的诊断工具。迄今为止，很少有研究评估 DL 算法的诊断性能，特别是在乳腺癌和宫颈癌中。该研究进行了一项荟萃分析，以评估深度学习 (DL) 算法在早期乳腺癌和宫颈癌识别中的诊断性能。还研究了四个亚组：癌症类型（乳腺癌或宫颈癌）、验证类型（内部或外部）、成像方式（乳房 X 光检查、超声、细胞学或阴道镜检查）以及 DL 算法与临床医生。35 项研究被认为符合系统评述条件，其中 20 项经过荟萃分析，汇总敏感性为 88% (95% CI 85-90%)，特异性为 84% (79-87%)，AUC 为0.92 (0.90–0.94)。在所有亚组中都强调了使用类似 DL 算法的可接受的诊断性能。因此，DL 算法可用于使用医学成像检测乳腺癌和宫颈癌，具有与人类临床医生相当的性能。但是，尚缺乏在现实临床环境下应用的高质量研究证据。https://www.nature.com/articles/s41746-022-00559-z中国医学科学院/北京协和医学院 群医学及公共卫生学院党支部书记、副院长，教授/研究员，博士生导师。中华预防医学会流行病学分会第八届委员会常委，中国医师协会循证医学专业委员会第五届委员会常委，中华预防医学会慢性病预防与控制分会第三届委员会常委，国家传染病重大专项接续战略编写组专家，国家健康科普专家库首批成员，国家卫生健康标准委员会委员。《中华流行病学杂志》编委、《Global Health》杂志编委、《中华疾病控制杂志》常务编委等。北京协和医学院优秀教师，指导研究生38名。以第一作者或通讯作者身份在国际国内杂志上发表科学论文百余篇，研究方向主要包括：慢病流行病学，循证医学与循证医疗卫生决策，医学人工智能与妇幼健康等。
中国医学科学院/北京协和医学院 群医学及公共卫生学院全球健康中心主任，教授/研究员，曾获北京协和医学院教学名师、全国优秀博士学位论文指导教师，国务院政府特殊津贴、健康中国2016年10大杰出人物。共发表科学论文526篇，其中SCI论文339篇，累计影响因子2550，被引频次26500多次，H指数70。连续7年 (2014-2020) 进入医学领域中国高被引学者榜单 (Elsevier)。
中国医学科学院/北京协和医学院 群医学及公共卫生学院博士生，主要从事肿瘤流行病学及肿瘤防治，医学人工智能相关研究。作为课题骨干，参与数项国家级和院校级别科研课题，以第一作者在Nature Digital Medicine，BMC Medicine，中华肿瘤等期刊发表多篇论文，参编论著多部。曾获2021美国ASCCP最佳创新科技奖，2021京津冀高校医学学术论坛一等奖，北京协和医学院一等奖，优秀研究生，优秀毕业生等多种荣誉称号及奖励。
1. Xue P, Wang J, Qin D, et al. Deep learning in image-based breast and cervical cancer detection: a systematic review and meta-analysis. Nature Digit. Med. 2022; 5:19.
2. Gonzalez M, Xue P*, Qiao Y*. Cervical cancer elimination in the era of COVID-19: The potential role of Artificial Intelligence (AI)-guided Digital Colposcope Cloud Platform. Eur. J. Gynaecol. Oncol. 2022, 43(1), 160-162.3. Xue P, Tang C, Li Q, et al. Development and validation of an artificial intelligence system for grading colposcopic impressions and guiding biopsies. BMC Med. 2020;18(1):406.4. Xue P, Ng MTA, Qiao Y*. The challenges of colposcopy for cervical cancer screening in LMICs and solutions by artificial intelligence. BMC Med. 2020;18(1):169.5. Li Y, Liu Z, Xue P, et al. GRAND: A large-scale dataset and benchmark for cervical intraepithelial neoplasia grading with fine-grained lesion description. Med Image Anal. 2021; 70:102006.6. Li Y, Chen J, Xue P, et al. Computer-aided cervical cancer diagnosis using time-lapsed colposcopic images. IEEE Trans Med Imaging. 2020;39(11):3403-3415.
微信加群
iNature汇集了4万名生命科学的研究人员及医生。我们组建了80个综合群（16个PI群及64个博士群），同时更具专业专门组建了相关专业群（植物，免疫，细胞，微生物，基因编辑，神经，化学，物理，心血管，肿瘤等群）。温馨提示：进群请备注一下（格式如学校+专业+姓名，如果是PI/教授，请注明是PI/教授，否则就直接默认为在读博士，谢谢）。可以先加小编微信号（iNature5），或者是长按二维码，添加小编，之后再进相关的群，非诚勿扰。
投稿、合作、转载授权事宜
请联系微信ID：13701829856 或邮箱：iNature2020@163.com
觉得本文好看，请点这里！
