Cervical cancer screening system TruScreen with graph neural network-based classification versus HPV DNA quantification in high-risk HPV-positive patients

Hu Yanli; Zhou Leming; Huang Zhongxiu; Huang Shixin; Li Xiaosong

doi:10.13406/j.cnki.cyxb.003390

您当前的位置：

首页 >

文章列表页 >

Cervical cancer screening system TruScreen with graph neural network-based classification versus HPV DNA quantification in high-risk HPV-positive patients

Application of Artificial Intelligence Technology in Medical Data Analysis | 更新时间：2025-10-22

- Cervical cancer screening system TruScreen with graph neural network-based classification versus HPV DNA quantification in high-risk HPV-positive patients
- Journal of Chongqing Medical University Vol. 48, Issue 12, Pages: 1501-1506(2023)
- 作者机构：
  
  1.重庆大学附属黔江医院妇科,重庆 409000
  2.重庆邮电大学计算机科学与技术学院,重庆 400065
  3.重庆大学附属黔江医院检验科,重庆 409000
  4.重庆市渝北区人民医院科教科,重庆 401120
- 作者简介：
- 基金信息：
- DOI：10.13406/j.cnki.cyxb.003390
  CLC： R71
- Received：23 October 2023，
  
  Revised：2023-11-21，
  
  Accepted：01 December 2023，
  
  Published：28 December 2023
- 稿件说明：
移动端阅览
胡艳丽,周乐明,黄中秀,等.基于图神经网络改进宫颈癌筛查系统与宫颈细胞DNA定量在高危型HPV阳性患者中的比较[J].重庆医科大学学报,2023,48(12):1501-1506.

Hu Yanli,Zhou Leming,Huang Zhongxiu,et al.Cervical cancer screening system TruScreen with graph neural network-based classification versus HPV DNA quantification in high-risk HPV-positive patients[J].Journal of Chongqing Medical University,2023,48(12):1501-1506.
胡艳丽,周乐明,黄中秀,等.基于图神经网络改进宫颈癌筛查系统与宫颈细胞DNA定量在高危型HPV阳性患者中的比较[J].重庆医科大学学报,2023,48(12):1501-1506. DOI： 10.13406/j.cnki.cyxb.003390.

Hu Yanli,Zhou Leming,Huang Zhongxiu,et al.Cervical cancer screening system TruScreen with graph neural network-based classification versus HPV DNA quantification in high-risk HPV-positive patients[J].Journal of Chongqing Medical University,2023,48(12):1501-1506. DOI： 10.13406/j.cnki.cyxb.003390.

摘要

目的

基于图神经网络对比分析宫颈癌筛查系统（truScreen，TS）、宫颈细胞DNA定量检查高危型人乳头瘤病毒（human papillomavirus，HPV）阳性患者中筛查宫颈癌及癌前病变的效果。

方法

选取2022年1月至2023年5月于重庆大学附属黔江医院妇科门诊行宫颈癌高危型HPV检测阳性的400例患者为研究对象。对所有研究对象依次进行TS、宫颈细胞DNA定量、阴道镜下组织病理学检查。以组织病理检查为“金标准”，除采用TS系统已有模块外，基于图神经网络进行标识学习，提取特征，随后使用支持向量机（support vector machines，SVM）和随机森林（random forest，RF）等分类器进行分类，计算并比较 TS、宫颈细胞DNA定量筛查宫颈癌及癌前病变的灵敏度、特异度、受试者工作特征（receiver operating characteristic，ROC）曲线下面积（area under the curve，AUC）、阴性预测值、阳性预测值、与活检病理结果一致性检验统计量Kappa值。

结果

TS融合图神经网络筛查宫颈癌及癌前病变的灵敏度、特异度、AUC、阴性预测值、阳性预测值分别为93.75%、95.45%、0.97、98.18%、87.50%，均高于宫颈细胞DNA定量检查（分别为81.25%、90.91%、0.92、96.15%、64.29%）。与活检病理结果的一致性检验显示，TS融合图神经网络与活检病理结果的Kappa值为0.89，高于宫颈细胞DNA定量检查（0.72）。ROC曲线下面积的比较显示，TS融合图神经网络与宫颈细胞DNA定量检查之间存在显著差异。

结论

TS融合图神经网络在高危型HPV阳性患者中筛查宫颈癌及癌前病变的效果优于宫颈细胞DNA定量检查，具有较高的准确性和可靠性，可作为一种简单、有效的宫颈癌筛查方法。

Abstract

Objective

To compare the effectiveness of TruScreen（TS） integrated with a graph neural network and human papillomavirus（HPV） DNA quantification in cervical precancer and cancer screening in high-risk HPV-positive patients.

Methods

We included 400 patients whotested positive for high-risk HPV subtypes at the Department of Gynecology，Qianjiang Hospital，Chongqing University from January 2022 to May 2023. All the patients underwent TS，HPV DNA quantification in cervical cells，and a colposcopy-directed biopsy. The biopsy pathology results were used as the gold standard. The TS system was combined with graph neural network-based representation learning and feature extraction and classification with support vector machine and random forest classifiers. We calculated and compared the sensitivity，specificity，area under the receiver operating characteristic curve（AUC），negative predictive value，positive predictive value，agreement with biopsy pathology （kappa value） of the modified TS system and HPV DNA quantification in cervical precancer and cancer screening.

Results

The sensitivity，specificity，AUC，negative predictive value，and positive predictive value of TS with graph neural network-based classification for cervical precancer and cancer screening were 93.75%，95.45%，0.97，98.18%，and 87.50%，respectively，which were higher than those of HPV DNA quantitative testing （81.25%，90.91%，0.92，96.15%，and 64.29%，respectively）. The kappa coefficient of agreement of TS with graph neural network-based classification with biopsy pathology was 0.89，higher than 0.72 of HPV DNA quantitative testing with biopsy pathology. There was a significant difference in the AUC of TS with graph neural network-based classification and HPV DNA quantitative testing （

0.05）.

Conclusion

TS with graph neural network-based classification has better performance in screening for cervical precancer and cancer in high-risk HPV-positive patients than HPV DNA quantitative testing，with high accuracy and reliability. It can be used as a simple and effective cervical cancer screening method.

关键词

Keywords

references

张燕怡，李娟，牛煜欣，等 . 宫颈癌中CXC趋化因子配体13表达及其对宫颈癌细胞增殖和迁移的影响 [J ] . 中国老年学杂志， 2023 ， 43 （ 10 ）： 2534 - 2537 .

Zhang YY ， Li J ， Niu YX ， et al . The expression of CXC chemokine ligand 13 in cervical cancer and its effect on the proliferation and migration of cervical cancer cells [J ] . Chinese Journal of Gerontology ， 2023 ， 43 （ 10 ）： 2534 - 2537

缪华章，吴云涛，朱颖贤 . 2017—2019年广东省农村适龄妇女宫颈癌和乳腺癌筛查结果和成本效果分析 [J ] . 实用医学杂志， 2023 ， 39 （ 13 ）： 1709 - 1713 ．

Miao HZ ， Wu YT ， Zhu YX . Analysis on the results and cost-effectiveness of cervical and breast cancer screening for rural women in Guangdong Province from 2017 to 2019 [J ] . J Pract Med ， 2023 ， 39 （ 13 ）： 1709 - 1713 ．

Ozdemir H ， Serbetcioglu GC ， Ayhan A . New screening method for cervical cancer - polar prob，TruScreen [J ] . Int J Reprod Contracept Obstet Gynecol ， 2020 ， 9 （ 5 ）： 1900 ．

马　玉，狄江丽，毕　蕙，等 . TruScreen对HPV检测阳性者分流意义的研究 [J ] . 中国妇产科临床杂志， 2020 ， 21 （ 4 ）： 385 - 387 ．

Ma Y ， Di JL ， Bi H ， et al . Analysis of the triage effect of TruScreen for human papillomavirus-positive women [J ] . Chin J Clin Obstet Gynecol ， 2020 ， 21 （ 4 ）： 385 - 387 ．

王宝金，马　倩，赵欣欣，等 . 初善仪和子宫颈液基细胞学及人乳头瘤病毒检测在子宫颈疾病筛查中的应用价值研究 [J ] . 实用妇产科杂志， 2019 ， 35 （ 11 ）： 856 - 859 ．

Wang BJ ， Ma Q ， Zhao XX ， et al . Application value of TCT，HPV and TruScreen in screening cervical disease [J ] . J Pract Obstet Gynecol ， 2019 ， 35 （ 11 ）： 856 - 859 ．

Boronina A ， Maksimenko V ， Hramov AE . Convolutional neural network outperforms graph neural network on the spatially variant graph data [J ] . Mathematics ， 2023 ， 11 （ 11 ）： 2515 ．

Zhang YH ， Xu YQ ， Zhang Y . A graph neural network node classification application model with enhanced node association [J ] . Appl Sci ， 2023 ， 13 （ 12 ）： 7150 ．

衡红军，苗　菁 . 融合语义和句法图神经网络的实体关系联合抽取 [J ] . 计算机科学， 2023 ， 50 （ 9 ）： 295 - 302 ．

Heng HJ ， Miao J . Fusion of semantic and syntactic graph convolutional networks for joint entity and relation extraction [J ] . Comput Sci ， 2023 ， 50 （ 9 ）： 295 - 302 ．

胡雨涛，王溯远，吴月明，等 . 基于图神经网络的切片级漏洞检测及解释方法 [J ] . 软件学报， 2023 ， 34 （ 6 ）： 2543 - 2561 ．

Hu YT ， Wang SY ， Wu YM ， et al . Slice-level vulnerability detection and interpretation method based on graph neural network [J ] . J Softw ， 2023 ， 34 （ 6 ）： 2543 - 2561 ．

Pham P ， Nguyen LTT ， Nguyen NT ， et al . ComGCN：community-driven graph convolutional network for link prediction in dynamic networks [J ] . IEEE Trans Syst Man Cybern ， 2022 ， 52 （ 9 ）： 5481 - 5493 ．

Sun JY ， Zheng W ， Zhang QF ， et al . Graph neural network encoding for community detection in attribute networks [J ] . IEEE Trans Cybern ， 2022 ， 52 （ 8 ）： 7791 - 7804 ．

Tang X ， Zhang HY ， Mou LC ， et al . An unsupervised remote sensing change detection method based on multiscale graph convolutional network and metric learning [J ] . IEEE Trans Geosci Remote Sens ， 2022 ， 60 ： 1 - 15 ．

陈　飞，赵宇倩，李婷媛，等 . TruScreen检查用于子宫颈癌及癌前病变早期诊断的临床价值：以医院为基础的多中心研究 [J ] . 中国实用妇科与产科杂志， 2021 ， 37 （ 3 ）： 348 - 352 ．

Chen F ， Zhao YQ ， Li TY ， et al . Clinical value of TruScreen in early diagnosis of cervical cancer and precancerous lesions：a hospital-based multicenter study [J ] . Chin J Pract Gynecol Obstet ， 2021 ， 37 （ 3 ）： 348 - 352 ．

王红麟，曲　红，赵敏，等 . 图神经网络在单细胞测序数据上的研究进展 [J ] . 生命科学， 2023 ， 35 （ 6 ）： 833 - 842 ．

Wang HL ， Qu H ， Zhao M ， et al . Research progress of graph neural network on scRNA-seq [J ] . Chin Bull Life Sci ， 2023 ， 35 （ 6 ）： 833 - 842 ．

王　岩，王　豆，昆阿依木·叶尔江，等 . 自我采样HPV检测作为新疆卫生资源匮乏地区宫颈癌初筛替代手段的筛查效果 [J ] . 现代妇产科进展， 2023 ， 32 （ 2 ）： 90 - 94 ．

Wang Y ， Wang D ， Yeerjiang KAYM ， et al . Screening effect analysis of self-sampling HPV test as an alternative method for cervical cancer primary screening in areas with poor health resources in Xinjiang [J ] . Prog Obstet Gynecol ， 2023 ， 32 （ 2 ）： 90 - 94 ．

成　靖，刘贝贝，徐　琳，等 . 阴道镜下宫颈多点活检联合宫颈管搔刮术诊断宫颈病变的临床价值 [J ] . 现代肿瘤医学， 2022 ， 30 （ 21 ）： 3964 - 3967 ．

Cheng J ， Liu BB ， Xu L ， et al . Clinical value of cervical multipoint biopsy under colposcopy combined with endocervical curettage in diagnosing cervical lesions [J ] . J Mod Oncol ， 2022 ， 30 （ 21 ）： 3964 - 3967 ．

于　婷，李芝伟，刘　莎，等 . 早期宫颈癌锥切标本病理因素预测淋巴结转移风险的研究进展 [J ] . 现代肿瘤医学， 2023 ， 31 （ 11 ）： 2161 - 2163 ．

Yu T ， Li ZW ， Liu S ， et al . Research progress on the prediction of lymph node metastasis risk by pathological factors of conization specimens of early-stage cervical cancer [J ] . J Mod Oncol ， 2023 ， 31 （ 11 ）： 2161 - 2163 ．

杜宇舒，张丹晔，张丹丹，等 . 常用宫颈癌筛查方法对宫颈原位腺癌的筛查效果分析 [J ] . 现代肿瘤医学， 2023 ， 31 （ 8 ）： 1518 - 1523 ．

Du YS ， Zhang DY ， Zhang DD ， et al . Analysis of screening effect of common cervical cancer screening methods in cervical adenocarcinoma in situ [J ] . J Mod Oncol ， 2023 ， 31 （ 8 ）： 1518 - 1523 ．

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Prediction of component-target interactions in Wendan Decoction based on the artificial intelligence SGRN-Trans framework

Research progress on artificial intelligence in screening and precise diagnosis and treatment of cervical cancer

CXCL10/CCL2 signaling pathway mediates the development of cervical cancer in tumor microenvironment

Effect of curcumin on the protein expression of pleiotrophin in cervical cancer caski cells

Related Author

Tan Hongsheng

Wang Yanjing

Xu Wei

Wei Dongqing

Li Zhiqi

Zhu Xuehui

Rong Chao

Li Ang

Related Institution

Shanghai Jiao Tong University School of Medicine

Shanghai Jiao Tong University School of Life Science and Technology

Department of Pathology and Pathophysiology，School of Biology & Basic Medical Sciences， Suzhou Medical College of Soochow University

Department of Pelvic Floor， Hunan Maternal and Child Health Hospital

Department of Gynecology，Hunan Maternal and Child Health Hospital

⁰