人工智能技术在宫颈癌筛查和精准临床诊疗中的研究进展

朱学慧; 荣超

doi:10.13406/j.cnki.cyxb.003385

您当前的位置：

首页 >

文章列表页 >

人工智能技术在宫颈癌筛查和精准临床诊疗中的研究进展

人工智能技术应用于医学数据分析 | 更新时间：2025-10-22

- 人工智能技术在宫颈癌筛查和精准临床诊疗中的研究进展
- Research progress on artificial intelligence in screening and precise diagnosis and treatment of cervical cancer
- 重庆医科大学学报 2023年48卷第12期页码：1477-1482
- 作者机构：
  
  苏州大学苏州医学院基础医学与生物科学学院病理学与病理生理学系，苏州　215000
- 作者简介：
  
  朱学慧，Email：xuehui_zhu@163.com，研究方向：HPV相关恶性肿瘤分子病理学。
  荣　超，Email：chaorong@suda.edu.cn。
- 基金信息：
  
  国家自然科学基金资助项目(82103121);江苏省自然科学基金资助项目(BK20200878);苏州大学大学生课外学术科研基金资助项目(KY2023428B)
- DOI：10.13406/j.cnki.cyxb.003385
  中图分类号： R737.33
- 收稿：2023-08-29，
  
  修回：2023-11-10，
  
  录用：2023-12-02，
  
  纸质出版：2023-12-28
- 稿件说明：
移动端阅览
朱学慧,荣超.人工智能技术在宫颈癌筛查和精准临床诊疗中的研究进展[J].重庆医科大学学报,2023,48(12):1477-1482.

Zhu Xuehui,Rong Chao.Research progress on artificial intelligence in screening and precise diagnosis and treatment of cervical cancer[J].Journal of Chongqing Medical University,2023,48(12):1477-1482.
朱学慧,荣超.人工智能技术在宫颈癌筛查和精准临床诊疗中的研究进展[J].重庆医科大学学报,2023,48(12):1477-1482. DOI： 10.13406/j.cnki.cyxb.003385.

Zhu Xuehui,Rong Chao.Research progress on artificial intelligence in screening and precise diagnosis and treatment of cervical cancer[J].Journal of Chongqing Medical University,2023,48(12):1477-1482. DOI： 10.13406/j.cnki.cyxb.003385.

摘要

宫颈癌的发病率和死亡率均高居女性恶性肿瘤的第4位，且呈年轻化趋势。由于不同地区资源分布不均，患者防治效果存在较大差异，因此需探索适宜不同资源地区的新型诊疗手段，加快推进宫颈癌防治工作。人工智能（artificial intelligence，AI）是一门研究开发计算机程序来模拟、延伸和拓展人行为的科学，近年来在图像分析方面表现优异，在癌症精准筛查、诊断及指导治疗方面展现了巨大潜能，但是目前仍然存在较大的问题及挑战，不可能完全代替医生诊断。本文通过对AI技术在宫颈癌早期筛查和精准临床诊疗方面的研究进展进行总结，以期为患者个性化治疗提供参考，提高患者临床疗效。

Abstract

Cervical cancer ranks fourth in both the incidence and mortality of malignant tumors among women，and has been increasing in young people. The prevention and treatment of cervical cancer differs greatly due to the uneven distribution of medical resources in different regions. Therefore，it is necessary to explore new diagnosis and treatment methods suitable for regions with different resources to promote the prevention and treatment of cervical cancer. Artificial intelligence（AI） is a science of developing computer programs to simulate，extend，and expand the behavior of Homo sapiens. In recent years，with excellence in image analysis，AI has shown great potential in the precise screening，diagnosis，and treatment of cancer. However，AI still faces great problems and challenges in the clinical diagnosis of cervical cancer，which cannot completely replace doctors. This paper summarizes the research progress on AI in the early screening and precise diagnosis and treatment of cervical cancer，in order to provide a reference for personalized diagnosis and treatment and improve the clinical outcome of the patients.

关键词

Keywords

references

Sung H ， Ferlay J ， Siegel RL ， et al . Global cancer statistics 2020：GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries [J ] . CA Cancer J Clin ， 2021 ， 71 （ 3 ）： 209 - 249 .

Pennisi E. Genomics . Sequence tells mouse，human genome secrets [J ] . Science ， 2002 ， 298 （ 5600 ）： 1863 - 1865 .

Chen ZH ， Lin L ， Wu CF ， et al . Artificial intelligence for assisting cancer diagnosis and treatment in the era of precision medicine [J ] . Cancer Commun ， 2021 ， 41 （ 11 ）： 1100 - 1115 .

Deng L ， Yu D . Deep learning：methods and applications [J ] . Found Trends Signal Process ， 2014 ， 7 ： 197 - 387 .

Park YR ， Kim YJ ， Ju W ， et al . Comparison of machine and deep learning for the classification of cervical cancer based on cervicography images [J ] . Sci Rep ， 2021 ， 11 （ 1 ）： 16143 .

Shen WC ， Chen SW ， Wu KC ， et al . Prediction of local relapse and distant metastasis in patients with definitive chemoradiotherapy-treated cervical cancer by deep learning from 18 F-fluorodeoxyglucose positron emission tomography/computed tomography [J ] . Eur Radiol ， 2019 ， 29 （ 12 ）： 6741 - 6749 .

Balkenende L ， Teuwen J ， Mann RM . Application of deep learning in breast cancer imaging [J ] . Semin Nucl Med ， 2022 ， 52 （ 5 ）： 584 - 596 .

Avanzo M ， Stancanello J ， Pirrone G ， et al . Radiomics and deep learning in lung cancer [J ] . Strahlenther Onkol ， 2020 ， 196 （ 10 ）： 879 - 887 .

Munir K ， Elahi H ， Ayub A ， et al . Cancer diagnosis using deep learning：a bibliographic review [J ] . Cancers ， 2019 ， 11 （ 9 ）： 1235 .

Yeo-Teh NSL ， Ito Y ， Jha S . High-risk human papillomaviral oncogenes E6 and E7 target key cellular pathways to achieve oncogenesis [J ] . Int J Mol Sci ， 2018 ， 19 （ 6 ）： 1706 .

Sanyal P ， Ganguli P ， Barui S . Performance characteristics of an artificial intelligence based on convolutional neural network for screening conventional Papanicolaou-stained cervical smears [J ] . Med J Armed Forces India ， 2020 ， 76 （ 4 ）： 418 - 424 .

Li XG ， Du MY ， Zuo SR ， et al . Deep convolutional neural networks using an active learning strategy for cervical cancer screening and diagnosis [J ] . Front Bioinform ， 2023 ， 3 ： 1101667 .

Bao HL ， Bi H ， Zhang XS ， et al . Artificial intelligence-assisted cytology for detection of cervical intraepithelial neoplasia or invasive cancer：a multicenter，clinical-based，observational study [J ] . Gynecol Oncol ， 2020 ， 159 （ 1 ）： 171 - 178 .

An HM ， Ding LY ， Ma MY ， et al . Deep learning-based recognition of cervical squamous interepithelial lesions [J ] . Diagnostics ， 2023 ， 13 （ 10 ）： 1720 .

Miyagi Y ， Takehara K ， Miyake T . Application of deep learning to the classification of uterine cervical squamous epithelial lesion from colposcopy images [J ] . Mol Clin Oncol ， 2019 ， 11 （ 6 ）： 583 - 589 .

陈林，程安然，陈锐，等 . 淋巴结比率可作为早期宫颈癌生存和复发的预测因子 [J ] . 中山大学学报（医学科学版）， 2021 ， 42 （ 6 ）： 950 - 954 .

Chen L ， Cheng AR ， Chen R ， et al . Lymph node ratio as a predictive factor for survival and recurrence of early cervical cancer [J ] . Journal of Sun Yat sen University （Medical Science Edition）， 2021 ， 42 （ 6 ）： 950 - 954 .

Li N ， Franceschi S ， Howell-Jones R ， et al . Human papillomavirus type distribution in 30，848 invasive cervical cancers worldwide：variation by geographical region，histological type and year of publication [J ] . Int J Cancer ， 2011 ， 128 （ 4 ）： 927 - 935 .

O’Connor JP ， Rose CJ ， Waterton JC ， et al . Imaging intratumor heterogeneity：role in therapy response，resistance，and clinical outcome [J ] . Clin Cancer Res ， 2015 ， 21 （ 2 ）： 249 - 257 .

Kuang F ， Ren J ， Zhong Q ， et al . The value of apparent diffusion coefficient in the assessment of cervical cancer [J ] . Eur Radiol ， 2013 ， 23 （ 4 ）： 1050 - 1058 .

Shibata K ， Kajiyama H ， Yamamoto E ， et al . Effectiveness of preoperative concurrent chemoradiation therapy （CCRT） for locally advanced adenocarcinoma of cervix [J ] . Eur J Surg Oncol ， 2009 ， 35 （ 7 ）： 768 - 772 .

Mabuchi S ， Okazawa M ， Matsuo K ， et al . Impact of histological subtype on survival of patients with surgically-treated stage IA2-IIB cervical cancer：adenocarcinoma versus squamous cell carcinoma [J ] . Gynecol Oncol ， 2012 ， 127 （ 1 ）： 114 - 120 .

Wang W ， Jiao YN ， Zhang LC ， et al . Multiparametric MRI-based radiomics analysis：differentiation of subtypes of cervical cancer in the early stage [J ] . Acta Radiol ， 2022 ， 63 （ 6 ）： 847 - 856 .

Li YX ， Chen F ， Shi JJ ， et al . Convolutional neural networks for classifying cervical cancer types using histological images [J ] . J Digit Imaging ， 2023 ， 36 （ 2 ）： 441 - 449 .

邓　力，陈亚军 . 基于深度学习的宫颈鳞癌和腺鳞癌的识别分类 [J ] . 四川文理学院学报， 2020 ， 30 （ 5 ）： 10 - 14 ．

Deng L ， Chen YJ . The Classification of Squamous Carcinoma andAdenosquamous Carcinoma of Cervix based on Deep Learning [J ] . Sichuan Univ Arts Sci J ， 2020 ， 30 （ 5 ）： 10 - 14 .

Parra-Herran C ， Taljaard M ， Djordjevic B ， et al . Pattern-based classification of invasive endocervical adenocarcinoma，depth of invasion measurement and distinction from adenocarcinoma in situ：interobserver variation among gynecologic pathologists [J ] . Mod Pathol ， 2016 ， 29 （ 8 ）： 879 - 892 .

Jiang XR ， Li JX ， Kan YY ， et al . MRI based radiomics approach with deep learning for prediction of vessel invasion in early-stage cervical cancer [J ] . IEEE/ACM Trans Comput Biol Bioinform ， 2021 ， 18 （ 3 ）： 995 - 1002 .

Bhatla N ， Berek JS ， Cuello Fredes M ， et al . Revised FIGO staging for carcinoma of the cervix uteri [J ] . Int J Gynaecol Obstet ， 2019 ， 145 （ 1 ）： 129 - 135 .

Nanthamongkolkul K ， Hanprasertpong J . Predictive factors of pelvic lymph node metastasis in early-stage cervical cancer [J ] . Oncol Res Treat ， 2018 ， 41 （ 4 ）： 194 - 198 .

Achouri A ， Huchon C ， Bats AS ， et al . Complications of lymphadenectomy for gynecologic cancer [J ] . Eur J Surg Oncol ， 2013 ， 39 （ 1 ）： 81 - 86 .

Qian WL ， Li ZS ， Chen WD ， et al . RESOLVE-DWI-based deep learning nomogram for prediction of normal-sized lymph node metastasis in cervical cancer：a preliminary study [J ] . BMC Med Imaging ， 2022 ， 22 （ 1 ）： 221 .

Li PJ ， Feng B ， Liu Y ， et al . Deep learning nomogram for predicting lymph node metastasis using computed tomography image in cervical cancer [J ] . Acta Radiol ， 2023 ， 64 （ 1 ）： 360 - 369 .

Jin XC ， Ai Y ， Zhang J ， et al . Noninvasive prediction of lymph node status for patients with early-stage cervical cancer based on radiomics features from ultrasound images [J ] . Eur Radiol ， 2020 ， 30 （ 7 ）： 4117 - 4124 .

Guo QH ， Qu LH ， Zhu J ， et al . Predicting lymph node metastasis from primary cervical squamous cell carcinoma based on deep learning in histopathologic images [J ] . Mod Pathol ， 2023 ， 36 （ 12 ）： 100316 .

Liu QQ ， Jiang N ， Hao YP ， et al . Identification of lymph node metastasis in pre-operation cervical cancer patients by weakly supervised deep learning from histopathological whole-slide biopsy images [J ] . Cancer Med ， 2023 ， 12 （ 17 ）： 17952 - 17966 .

Zhang K ， Sun K ， Zhang CY ， et al . Using deep learning to predict survival outcome in non-surgical cervical cancer patients based on pathological images [J ] . J Cancer Res Clin Oncol ， 2023 ， 149 （ 9 ）： 6075 - 6083 .

Liu S ， Li RK ， Liu QF ， et al . Radiomics model of 18F-FDG PET/CT imaging for predicting disease-free survival of early-stage uterine cervical squamous cancer [J ] . Cancer Biomark ， 2022 ， 33 （ 2 ）： 249 - 259 .

Wang J ， Mao YX ， Gao XN ， et al . Recurrence risk stratification for locally advanced cervical cancer using multi-modality transformer network [J ] . Front Oncol ， 2023 ， 13 ： 1100087 .

Kokka F ， Bryant A ， Olaitan A ， et al . Hysterectomy with radiotherapy or chemotherapy or both for women with locally advanced cervical cancer [J ] . Cochrane Database Syst Rev ， 2022 ， 8 （ 8 ）： CD010260 ．

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

超声结合影像组学与AI在胃肠间质瘤诊断及预后评估中的应用进展

深睿人工智能基于CT影像学的肺结节（直径≤10 mm）早期影像特征分析

人工智能用于困难气道预测的研究进展

基于人工智能的气道管理优化策略与实践分析