2021年9月24日，华中科技大学武汉光电国家研究中心先进显微成像课题组在《自然·通讯》（Nature Communications）学术期刊上发表了题为“Robust whole slide image analysis for cervical cancer screening using deep learning”的文章，该研究展示了一个基于深度学习的宫颈癌辅助筛查系统，该系统可在全玻片水平进行二分类判读并给出最可疑病变细胞，玻片分类和最可疑病变细胞的推荐效果均达到与细胞学专家相当的水平。
计算机辅助诊断是扩大宫颈癌筛查规模的关键。然而，目前的人工智能识别算法在全玻片图像（WSI）分析中表现不佳，尤其难以推广到不同制样、不同染色和不同成像设备。针对上述挑战，该研究开发了一种结合低分辨率和高分辨率WSI的渐进式病变细胞识别方法来推荐可疑病变细胞，以及一种基于递归神经网络的WSI分类模型来评估WSI的病变程度。在来自多家医院和多台扫描仪的3545个患者WSI上训练和测试。在1170例患者WSI的多中心独立测试集上，实现了93.5%的特异性和95.1%的敏感性，与三名独立细胞病理学家的平均表现相当，并在447张阳性玻片上推荐出最可疑前10个病变细胞，获得了88.5%的真阳性率。经部署后，该推荐系统在大约1.5分钟内就能识别出千兆像素的WSI。
论文提出的针对宫颈癌全玻片二分类和可疑细胞推荐系统
该研究得到基金委创新研究群体科学基金（61721092）和武汉光电国家研究中心主任基金的资助。论文的第一作者是华中科技大学程胜华博士和硕士生刘思博、余静雅，通讯作者是华中科技大学武汉光电国家研究中心的刘秀丽副教授、湖北省妇幼保健院病理科的胡俊波副主任医师和同济医院检验科的陈丽副主任医师。
