人工智能在子宫内膜异位症诊疗中的应用进展2025.pdf

人工智能在子宫内膜异位症诊疗中的应用进展2025

(endometriis,)是一

子宫内膜异位症osEMS种子宫外存在子宫内膜组

织的慢性炎性疾病[1]，通常会引起盆腔慢性疼痛和不孕症等[2]。有研

究表明，约10％的育龄期女性被诊断患有EMS[3]。流行病学研究显示，

存在EMS病变的女性患有上皮性卵巢癌[4]、子宫内膜癌和乳腺癌等疾

病的风险会更高[5]。EMS的误诊使患者不能及时地发现疾病，导致治

疗延期，对患者的生活质益和心理健康产生重大创伤，并给患者造成沉重

的经济负担[6]。由千该疾病发病率高因而其诊治应被视为公共卫生管理

问题，迅速准确诊断和及时有效治疗是EMS管理的重要环节。近年来人

工智能(artificialintelligence,AI)的使用迅速传播到医疗保健领域，

它在疾病诊断、治疗和对大型生物医学数据集的更高级别的分析方面显示

出显著优势[7]。AI在妇产科临床上已广泛应用，比如胎儿心脏监测[8]、

体外受梢和妇产科超声成像等[9-10]。AI可以通过对大盘的EMS相关

的医学影像进行分析和学习，然后将影像学与患者数据结合起来，对患者

实施个性化的诊断以及帮助医生对疾病进行定位和分期，减少漏诊和误诊

的问题。本文总结基千AI应用千EMS的诊断、治疗、手术及其预后悄况

的进展。

AI的初步定义由约翰·麦卡锡提出，使机器能够模仿人类的智能行为。

AI被描述为基千计算机科学的现代方法开发程序和算法使设备智能化并

且更加高效地执行任务；现在有两种主要类型的AI已被应用千医学：符

号AI（如知识库和本体论）和非符号AI（如机器学习和人工神经网络）［11]。

根据2021年发布«子宫内膜异位症诊治指南（第三版）〉〉的临床病理分

期，在临床中，医生通过妇科检查、实验室检查来对疾病进行初步的诊断，

然后使用影像学方法对疾病的分期进行判断[12]。但是影像学的结果受

医生解读水平和视野范围等多因素限制，所以腹腔镜和活检依旧是确诊和

分期的金标准，但是对患者的侵入性较大并且具有极大的主观性。AI具有

从数据中获取内在的规律并且进行整合管理的能力。有研究表明阴道微生

物组在基千随机森林分类模型可以预测EMS患者属千修订后的美国生殖

一

医学学会分期系统中的具体分期[13]。些AI系统能够在几分钟内完成

对影像数据的分析，而传统方法可能需要数小时甚至数天[14]。Nouri

等[15]的研究表明，不同的机器学习算法在使用超声征象对EMS可疑

病例进行诊断时的灵敏度范围为59.5％至75.7%，特异度范围为71.7%

至83.3%。AI模型在处理卵巢子宫内膜异位袭肿、肠道深部浸润型EMS

及直肠子宫陷凹封闭的无创诊断中，灵敏度范围为81.7％至96.7%，特

异度范围为70.7％至91.6%16]。这意味着AI可以在较短时间内识别

[

出更多的病灶，减少诊断延迟。利用AI挖掘EMS的各种医疗数据然后再

结合其诊治指南，使机器学习、深度学习和集成模型可以被训练来开发一

种诊断EMS的新的诊断模式，可以缩短疾病诊断时间、提高诊断效率和

提升治疗有效性。

一

．诊断中的应用

、AI在EMS

l．症状的识别和体征变量的测量：EMS是常见妇科疾病，主要的临床症

状为盆腔疼痛、痛经和不孕症。当患者初次就诊时EMS的症状和体征对

其早期诊断至关重要。有80％的EMS的患者受慢性盆腔疼痛影响［17],

即使在诊断性腹腔镜后，仍旧不能把疼痛缓解，因为与EMS相关的疼痛

有2%~％

表现为不同的性质和强度。