宫颈癌是威胁女性健康的重大疾病，早期筛查至关重要。现有的宫颈癌筛查方法具有局限性：传统细胞学筛查依赖细胞病理学家主观判断，耗时耗力，灵敏度低且不同检测者间差异大；HPV 检测灵敏度高，但因HPV感染常具有短暂一过性影响而导致特异性低。

　　作为国家妇女“两癌”城市筛查基地、国家宫颈癌筛查适宜技术培训基地和区域子宫颈癌防治中心，子宫颈癌防治与筛查技术推广一直是我院的重要工作任务。

　　为破解这一难题，病理科在国内较早开始人工智能辅助宫颈癌筛查的研究与探索，已先后开展多项多中心临床研究和临床试验GCP项目。

　　2025年4月14日，由中国医学科学院北京协和医院牵头，我院、浙江省肿瘤医院、中国科学技术大学第一附属医院、第四军医大学附属西京医院、广西壮族自治区人民医院、四川大学华西医院等13家单位联合参与的人工智能（artificial intelligence,AI）辅助子宫颈细胞学筛查多中心临床研究成果 “Deep learning enabled liquid-based cytology model for cervical precancer and cancer detection”在国际著名期刊《自然-通讯》（Nature Communications）发表。

　　该研究开发了基于深度学习（Deep learning,DL）的液基细胞学模型用于宫颈癌前病变和癌症检测。模型利用17397名女性的全细胞涂片训练，并在10826例病例中经三阶段验证。研究结果显示，在社区组织筛查DL模型灵敏度与高级细胞病理学家相当（0.878vs0.854），但特异性较低（0.831vs0.901），转诊率更高；在医院机会性筛查中，初级细胞病理学家在DL辅助下，灵敏度从0.657提高到0.857，特异性从0.737提高到0.840，整体转诊率降低。

　　该DL模型在多机构验证中表现良好，在不同筛查场景中均表现出较好的诊断性能优势，可有效提高细胞学筛查敏感度，显著缩短阅片时间，尤其对初级细胞病理医生帮助更大，可提高其诊断性能，并可用于HPV阳性女性分流，减少不必要的阴道镜检查。

　　《自然》（Nature）是国际上最权威的生命科学学术期刊之一，与《细胞》（Cell）和《科学》（Science）并列为三大顶刊（CNS），是全世界最权威的学术杂志之一。《自然-通讯》（Nature Communications）是自然科研（Nature Research）出版集团旗下的一本重要期刊，在学术界具有较高影响力。2023-2024年，其影响因子为14.7，在全球综合性期刊领域处于领先地位。

　　这也是继去年11月在Nature正刊参与发表题为“A pathology foundation model for cancer diagnosis and prognosis prediction”文章之后，我院病理科人工智能团队再次在Nature系列期刊发表合作研究成果，且排名位居分中心首位，标志着宫颈癌筛查人工智能研究再上新台阶。

　　近年来，我院病理科汤红平教授团队在AI辅助宫颈癌筛查领域进行医教研全方位研究和探索，以临床需求驱动技术优化，技术突破反哺临床效能，从细胞学初筛、组织病理诊断，再到医生培训，致力于打造了一条“细胞初筛-病理诊断-医生培训”全链条AI赋能体系。

　　随着以Deepseek为代表的人工智能技术在全社会的快速普及，我院AI辅助子宫颈癌筛查系列研究也逐步从专业研究走进大众视野，近期连续获得深圳卫视、深圳特区报、晶报和“深圳发布”政府公众号等多家权威媒体聚焦。其中晶报以《AI医疗革命：“数字医生”重塑临床诊疗版图》为题进行深度报道，重点介绍医院率先将人工智能技术深度融入宫颈癌临床诊疗，称这种产医融合模式为AI医疗落地提供了现实可借鉴的“深圳样本”。

　　接下来，科室将继续推进相关研究成果的临床转化应用，并在现有基础上分步实现院内跨学科、妇幼医联体、政府免费筛查指导的技术升级和模式输出，助力早日完成《深圳市精准消除宫颈癌行动计划（2024-2030年）》，为全国宫颈癌消除行动计划的实施提供深圳经验和技术支持。

　　晶报特别报道《AI医疗革命：“数字医生”重塑临床诊疗版图》