Размер шрифта
Цветовая схема
Изображения
Форма
Межсимвольный интервал
Межстрочный интервал
стандартные настройки
обычная версия сайта
закрыть
  • Вход
  • Регистрация
  • Помощь
Выбрать БД
Простой поискРасширенный поискИстория поисков
Главная / Результаты поиска
СтатьяИскать документыПерейти к записи. 2024 Дек. 15; Т. 9, № 4: 246–250. DOI:10.35693/SIM640828
Цервикальный скрининг и искусственный интеллект
Искать документыПерейти к записи[1]
Искать документыПерейти к записи[1]
Искать документыПерейти к записи[2]
Искать документыПерейти к записи[1]
Аффилированные организации
[1]Искать документыПерейти к записи
[2]Искать документыПерейти к записи
Аннотация

Применение искусственного интеллекта в гинекологии находится в настоящее время на начальном этапе. На основе искусственного интеллекта уже созданы программы для чтения цитологических изображений, идентификации вируса папилломы человека и кольпоскопии, что повышает доступность визуального скрининга для женщин, в том числе проживающих в отдаленных районах. Применение систем искусственного интеллекта для цервикального скрининга способствует улучшению своевременной диагностики рака шейки матки.

В обзоре представлены результаты зарубежных и отечественных научных работ, посвященных технологиям использования искусственного интеллекта для выполнения цитологического исследования и кольпоскопии. Поиск источников литературы, опубликованных в период с 2019 по 2024 год, проводился на платформе PubMed. Поисковые запросы включали следующие ключевые слова: “cervical screening”, “artificial intelligence in gynecology”, “artificial intelligence in colposcopy”, “artificial intelligence in cervical screening”.

Установлено, что программы искусственного интеллекта для интерпретации мазка по Папаниколау (Al-Pap) на 5,8[%] более чувствительны к обнаружению CIN2+, чем ручной подсчет, с небольшим снижением специфичности.

В исследованиях на основе обработки искусственным интеллектом кольпоскопических картин процент совпадения результатов и гистологическим заключением был выше, чем при интерпретации врачами-специалистами, на 16,64 [%]. При идентификации HSIL+ искусственным интеллектом выявлена более высокая чувствительность, на 11,5[%] превышающая заключение кольпоскописта, в то время как специфичность была практически сопоставима. Кроме того, программы на основе ИИ оказались более точными в прогнозировании мест проведения биопсии.

Ключевые слова
Искать документыПерейти к записи
Искать документыПерейти к записи
Искать документыПерейти к записи
Литература

Dhombres F, Bonnard J, Bailly K, et al. Contributions of Artificial Intelligence Reported in Obstetrics and Gynecology Journals: Systematic Review. J Med Internet Res. 2022;24(4):e35465. DOI: https://doi.org/10.2196/35465.
DOI: 10.2196/35465

Yin J, Ngiam KY, Teo HH. Role of Artificial Intelligence Applications in Real-Life Clinical Practice: Systematic Review. J Med Internet Res. 2021;23(4):e25759. DOI: https://doi.org/10.2196/25759.
DOI: 10.2196/25759

Xu J, Xue K, Zhang K. Current status and future trends of clinical diagnoses via image-based deep learning. Theranostics. 2019;9(25):7556-7565. DOI: https://doi.org/10.7150/thno.38065.
DOI: 10.7150/thno.38065

Francesconi E. The winter, the summer and the summer dream of artificial intelligence in law: Presidential address to the 18th International Conference on Artificial Intelligence and Law. Artif Intell Law (Dordr). 2022;30(2):147-161. DOI: https://doi.org/10.1007/s10506-022-09309-8.
DOI: 10.1007/s10506-022-09309-8

Ashrafian H, Darzi A, Athanasiou T. A novel modification of the Turing test for artificial intelligence and robotics in healthcare. Int J Med Robot. 2015;11(1):38-43. DOI: https://doi.org/10.1002/rcs.1570.
DOI: 10.1002/rcs.1570

Hamet P, Tremblay J. Artificial intelligence in medicine. Metabolism. 2017;69:36-40. DOI: https://doi.org/10.1016/j.metabol.2017.01.011.
DOI: 10.1016/j.metabol.2017.01.011

Muthukrishnan N, Maleki F, Ovens K, et al. Brief History of Artificial Intelligence. Neuroimaging Clin N Am. 2020;30(4):393-399. DOI: https://doi.org/10.1016/j.nic.2020.07.004.
DOI: 10.1016/j.nic.2020.07.004

Howard J. Artificial intelligence: Implications for the future of work. Am J Ind Med. 2019;62(11):917-926. DOI: https://doi.org/10.1002/ajim.23037.
DOI: 10.1002/ajim.23037

Jiang F, Jiang Y, Zhi H, et al. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017;2(4):230-243. DOI: https://doi.org/10.1136/svn-2017-000101.
DOI: 10.1136/svn-2017-000101

Rashidi HH, Tran N, Albahra S, et al. Machine learning in health care and laboratory medicine: General overview of supervised learning and Auto-ML. Int J Lab Hematol. 2021;43(1):15-22. DOI: https://doi.org/10.1111/ijlh.13537.
DOI: 10.1111/ijlh.13537

Cleret de Langavant L, Bayen E, Yaffe K. Unsupervised Machine Learning to Identify High Likelihood of Dementia in Population-Based Surveys: Development and Validation Study. J Med Internet Res. 2018;20(7):e10493. DOI: https://doi.org/10.2196/10493.
DOI: 10.2196/10493

Fedotov VA. Artificial intelligence: advantages and disadvantages. Scientific electronic journal Meridian. 2021;2(55):27-29. (In Russ.). [Федотов В.А. Искусственный интеллект: преимущества и недостатки. Научный электронный журнал Меридиан. 2021;2(55):27-29]. URL: https://elibrary.ru/download/elibrary_44745539_73779427.pdfhttps://elibrary.ru/download/elibrary_44745539_73779427.pdf

Nesterova EA. On the issue of artificial intelligence in the context of human development. In: Man and society: history and modernity. 2024;138-142. (In Russ.). [Нестерова Е.А. К вопросу об искусственном интеллекте в контексте развития. В сб.: Человек и общество: история и современность. 2024;138-142].

Kaprin AD, Starinskiy VV, Shakhzadova AO. State of oncological care for the population of Russia in 2021. M., 2022. (In Russ.). [Каприн А.Д., Старинский В.В., Шахзадова А.О. Состояние онкологической помощи населению России в 2021 году. М., 2022]. ISBN 978-5-85502-297-1

Cohen PA, Jhingran A, Oaknin A, et al. Cervical cancer. Lancet. 2019;393:169-182. DOI: https://doi.org/10.1016/s0140-6736(18)32470-x.
DOI: 10.1016/s0140-6736(18)32470-x

Watson M, et al. Surveillance of high-grade cervical cancer precursors (CIN III/AIS) in four population-based cancer registries, United States, 2009–2012. Prev Med. 2017;103:60-65. DOI: https://doi.org/10.1016/j.ypmed.2017.07.027.
DOI: 10.1016/j.ypmed.2017.07.027

Ahmed SR, Befano B, Lemay A, et al. Reproducible and clinically translatable deep neural networks for cancer screening. Preprint. Sci Rep. 2023;rs.3.rs-2526701. DOI: https://doi.org/10.21203/rs.3.rs-2526701/v1.
DOI: 10.21203/rs.3.rs-2526701/v1

Wang CW, Liou YA, Lin YJ, et al. Artificial intelligence-assisted fast screening cervical high grade squamous intraepithelial lesion and squamous cell carcinoma diagnosis and treatment planning. Sci Rep. 2021;11(1):16244. DOI: https://doi.org/10.1038/s41598-021-95545-y.
DOI: 10.1038/s41598-021-95545-y

Bao H, Bi H, Zhang X, et al. Artificial intelligence-assisted cytology for detection of cervical intraepithelial neoplasia or invasive cancer: A multicenter, clinical-based, observational study. Gynecol Oncol. 2020;159(1):171-178. DOI: https://doi.org/10.1016/j.ygyno.2020.07.099.
DOI: 10.1016/j.ygyno.2020.07.099

Song T, et al. Screening capacity and cost-effectiveness of the human papillomavirus test versus cervicography as an adjunctive test to Pap cytology to detect high-grade cervical dysplasia. Eur J Obstet Gynecol Reprod Biol. 2019;234:112-116. DOI: https://doi.org/10.1016/j.ejogrb.2019.01.008.
DOI: 10.1016/j.ejogrb.2019.01.008

Bao H, Sun X, Zhang Y, et al. The artificial intelligence-assisted cytology diagnostic system in large-scale cervical cancer screening: A population-based cohort study of 0.7 million women. Cancer Med. 2020;9(18):6896-6906. DOI: https://doi.org/10.1002/cam4.3296.
DOI: 10.1002/cam4.3296

Xue P, Xu HM, Tang HP, et al. Assessing artificial intelligence enabled liquid-based cytology for triaging HPV-positive women: a population-based cross-sectional study. Acta Obstet Gynecol Scand. 2023;102(8):1026-1033. DOI: https://doi.org/10.1111/aogs.14611.
DOI: 10.1111/aogs.14611

Shen M, Zou Z, Bao H, et al. Cost-effectiveness of artificial intelligence-assisted liquid-based cytology testing for cervical cancer screening in China. Lancet Reg Health West Pac. 2023;34:100726. DOI: https://doi.org/10.1016/j.lanwpc.2023.100726.
DOI: 10.1016/j.lanwpc.2023.100726

Dercle L, Lu L, Schwartz LH, et al. Radiomics response signature for identification of metastatic colorectal cancer sensitive to therapies targeting EGFR pathway. J Natl Cancer Inst. 2020;112(9):902-12. DOI: https://doi.org/10.1093/jnci/djaa017.
DOI: 10.1093/jnci/djaa017

Rodriguez-Ruiz A, Lång K, Gubern-Merida A, et al. Stand-alone artificial intelligence for breast cancer detection in mammography: comparison with 101 radiologists. J Natl Cancer Inst. 2019;111(9):916-22. DOI: https://doi.org/10.1093/jnci/djy222.
DOI: 10.1093/jnci/djy222

Brandão M, Mendes F, Martins M, et al. Revolutionizing Women's Health: A Comprehensive Review of Artificial Intelligence Advancements in Gynecology. J Clin Med. 2024;13(4):1061. DOI: https://doi.org/10.3390/jcm13041061.
DOI: 10.3390/jcm13041061

Stuebs FA, Schulmeyer CE, Mehlhorn G, et al. Accuracy of colposcopy-directed biopsy in detecting early cervical neoplasia: a retrospective study. Arch Gynecol Obstet. 2019;299(2):525-532. DOI: https://doi.org/10.1007/s00404-018-4953-8.
DOI: 10.1007/s00404-018-4953-8

Hou X, Shen G, Zhou L, et al. Artificial Intelligence in Cervical Cancer Screening and Diagnosis. Front Oncol. 2022;12:851367. DOI: https://doi.org/10.3389/fonc.2022.851367.
DOI: 10.3389/fonc.2022.851367

Bray F, et al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2018;68(4):394-424. DOI: https://doi.org/10.3322/caac.21492.
DOI: 10.3322/caac.21492

Chandran V, et al. Diagnosis of Cervical Cancer based on Ensemble Deep Learning Network using Colposcopy Images. Biomed Res Int. 2021;2021:5584004. DOI: https://doi.org/10.1155/2021/5584004.
DOI: 10.1155/2021/5584004

Champin D, Ramirez-Soto MC, Vargas-Herrera J. Use of Smartphones for the detection of uterine cervical cancer: A systematic review. Cancers. 2021;13(23):6047. DOI: https://doi.org/10.3390/cancers13236047.
DOI: 10.3390/cancers13236047

Alrajjal A, Pansare V, Choudhury MSR, et al. Squamous intraepithelial lesions (SIL: LSIL, HSIL, ASCUS, ASC-H, LSIL-H) of Uterine Cervix and Bethesda System. Cytojournal. 2021;18:16. DOI: https://doi.org/10.25259/Cytojournal_24_2021.
DOI: 10.25259/Cytojournal_24_2021

Rebolj M, et al. A daunting challenge: Human Papillomavirus assays and cytology in primary cervical screening of women below age 30 years. Eur J Cancer. 2015;51(11):1456-1466. DOI: https://doi.org/10.1016/j.ejca.2015.04.012.
DOI: 10.1016/j.ejca.2015.04.012

Hu L, Bell D, Antani S, et al. An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening. J Natl Cancer Inst. 2019;111(9):923-932. DOI: https://doi.org/10.1093/jnci/djy225.
DOI: 10.1093/jnci/djy225

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. DOI: https://doi.org/10.1186/s12916-020-01860-y.
DOI: 10.1186/s12916-020-01860-y

Wu A, Xue P, Abulizi G, et al. Artificial intelligence in colposcopic examination: A promising tool to assist junior colposcopists. Front Med (Lausanne). 2023;10:1060451. DOI: https://doi.org/10.3389/fmed.2023.1060451.
DOI: 10.3389/fmed.2023.1060451

Ouh YT, Kim TJ, Ju W, et al. Development and validation of artificial intelligence-based analysis software to support screening system of cervical intraepithelial neoplasia. Sci Rep. 2024;14(1):1957. DOI: https://doi.org/10.1038/s41598-024-51880-4.
DOI: 10.1038/s41598-024-51880-4

Kim S, Lee H, Lee S, et al. Role of Artificial Intelligence Interpretation of Colposcopic Images in Cervical Cancer Screening. Healthcare (Basel). 2022;10(3):468. DOI: https://doi.org/10.3390/healthcare10030468.
DOI: 10.3390/healthcare10030468

Khan MJ, et al. ASCCP colposcopy standards: Role of colposcopy, benefits, potential harms, and terminology for colposcopic practice. J Low Genit Tract Dis. 2017;21(4), 223-229. DOI: https://doi.org/10.1097/LGT.0000000000000338.
DOI: 10.1097/LGT.0000000000000338

Akazawa M, Hashimoto K. Artificial intelligence in gynecologic cancers: Current status and future challenges–A systematic review. Artif Intell Med. 2021;120:102164. DOI: https://doi.org/10.1016/j.artmed.2021.102164.
DOI: 10.1016/j.artmed.2021.102164

Дополнительная информация
Язык текста: Русский
ISSN: 2500-1388

URI:45562d5343494d4544494e4e4f2d41525449434c452d363430383238

Унифицированный идентификатор ресурса для цитирования: //medj.rucml.ru/journal/45562d5343494d4544494e4e4f2d41525449434c452d363430383238/