人工智能在子宫内膜异位症诊疗中的应用进展.pdfVIP

人工智能在子宫内膜异位症诊疗中的应用进展

【摘要】子宫内膜异位症（endometriosis，EMS）是在育龄女性中普遍存在的

一种慢性全身性疾病。这种疾病的体征和症状并不特异，病情严重程度各异，导

致了临床上的异质性，这增加了诊断的难度，严重影响患者的生活质量，还占用

大量社会卫生资源。人工智能（artificialintelligence，AI）是指利用计算

机技术使机器具备模拟人类智能的能力，包括感知、学习、推理、决策和语言理

解等。AI作为一个强大的数据挖掘工具，能够处理大量的医疗数据，并根据患

者的具体情况进行诊断、管理和治疗。特别是在EMS的诊断过程中，利用AI可

以提高检出率，缩短诊断时间，同时增加诊断灵敏度和特异度。本文就医疗大数

据和AI对EMS的诊断、治疗等方面的应用进行综述，为进一步提高诊断效率和

治疗效果提供新的辅助工具。

【关键词】子宫内膜异位症；人工智能；诊断；治疗

子宫内膜异位症（endometriosis，EMS）是一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，对患者的生活质量和心

理健康产生重大创伤，并给患者造成沉重的经济负担［6］。由于该疾病发病率

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］、体外受精和妇产科超声成像等［9-10］。AI可以通过对大量的

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。本文总结基于AI应用于EMS的诊断、治疗、手术及其预后情况的进展。

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

被描述为基于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已被应用于医学：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于随机森林分类模型可以预测EMS患者属于

修订后的美国生殖医学学会分期系统中的具体分期［13］。一些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%。A

I模型在处理卵巢子宫内膜异位囊肿、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%［1

6］。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A

I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、AI在EMS诊断中的应用

1.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相关的疼痛表现为不同的性质和强度。并

且有2%~11%的EMS患者可能无任何症状，因此诊断十分困难，需要配合其他诊

断方式［4］。近年，有研究试图