在一項研究發現深度學習算法比人類醫生更準確地識別出這種疾病之后，AI可能更適合發現宮頸癌和癌前病變。

“結果支持考慮對當代數碼相機的宮頸圖像進行自動視覺評估。如果取得了成功，這可能可以傳播有效的即時護理子宮頸篩查。” Intelligent Ventures的項目科學家，該研究的主要作者胡立明博士。在“癌癥研究所雜志”發表的一項研究中寫道。該研究由癌癥研究所(NCI)，國立衛生研究院，醫學圖書館內壁研究計劃和全球善基金資助。

對于這項研究，研究人員使用1990年代哥斯達黎加宮頸癌篩查研究的9,400多名婦女提供的60,000張圖像的數據集，創建，訓練和驗證了深度學習算法。

該研究表明，該算法以比人類專家更高的準確性來識別癌癥前期和癌癥病例。該算法在曲線下的面積為0.91，而對宮頸照片的專家解釋在識別宮頸癌和癌前病變時的AUC為0.69，而傳統的宮頸涂片檢查的AUC為0.71。

“我們的研究結果表明，深度學習算法可以利用在常規宮頸癌篩查期間收集的圖像來識別癌前變化，如果不及時治療，這些變化可能會發展成癌癥，” NCI癌癥分部資深研究作者兼高級研究員醫學博士Mark Schiffman流行病學和遺傳學在一份聲明中說。“實際上，對圖像的計算機分析比在顯微鏡下(細胞學)的宮頸涂片檢查的人類專家審查者更好地識別了癌前病變。”

該研究的有希望的結果可能會導致在資源貧乏地區早期發現子宮頸癌和癌前體征的更可靠方法。在那些地區，用乙酸(VIA)進行目視檢查是醫護人員篩查疾病的當前方法。該方法簡單且便宜，并且已被證明可以在早期治愈某些浸潤性癌，但該方法并不十分可靠。

作者寫道：“但是，篩查的主要目標是通過檢測和治療前癌來預防癌癥，而VIA不能準確區分前癌與更常見的輕微異常，從而導致過度治療和治療不足。”“越來越多的人意識到，即使是衛生工作者，甚至是經驗豐富的護士和醫生使用陰道鏡(參考標準視覺工具)對癌前病變的視覺識別也常常是不可靠和不準確的。”

研究人員計劃在更多類型的圖像上進一步訓練該算法，以期創建“通用，開放使用的最佳算法”。

“將這種算法與HPV疫苗接種的進步，新興的HPV檢測技術以及治療方法的改進相結合，可以想象，即使在資源匱乏的情況下，宮頸癌也可以得到控制，”全球執行副總裁Maurizio Vecchione好，在一份聲明中說。