國際癌癥研究機構(gòu)（IARC）早期檢測、預(yù)防與感染分支負(fù)責(zé)人Partha Basu在LinkedIn平臺分享了一項關(guān)于陰道鏡用于HPV陽性女性分流評估性能的Zui新研究成果。該研究以系統(tǒng)綜述和薈萃分析的形式，詳細(xì)量化了陰道鏡檢查在宮頸癌篩查中的臨床效能指標(biāo)，旨在為后續(xù)人工智能輔助診斷工具的開發(fā)設(shè)定性能基準(zhǔn)。這一數(shù)據(jù)發(fā)布正值全球?qū)m頸癌篩查技術(shù)向數(shù)字化、智能化轉(zhuǎn)型的關(guān)鍵節(jié)點，對于理解傳統(tǒng)金標(biāo)準(zhǔn)與新興AI技術(shù)的性能差距具有重要參考價值。

該研究題為《準(zhǔn)確性：陰道鏡在宮頸癌篩查中對HPV陽性女性的分流作用》，由Nina Dhollander、Marc Arbyn等來自IARC及世界衛(wèi)生組織（WHO）的多國專家共同完成。研究團(tuán)隊對現(xiàn)有文獻(xiàn)進(jìn)行了全面梳理，重點評估了陰道鏡在識別宮頸上皮內(nèi)瘤變（CIN）中的診斷準(zhǔn)確性。核心數(shù)據(jù)顯示，針對CIN2+病變，陰道鏡（基于低級別陰道鏡印象）的 pooled sensitivity（匯總靈敏度）達(dá)到84.4%（95%置信區(qū)間：79.0%–88.6%）；針對CIN3+病變，其匯總靈敏度為86.9%（95%置信區(qū)間：81.7%–90.8%）。在特異性方面，針對低于CIN2級病變的 pooled specificity（匯總特異度）為64.3%（95%置信區(qū)間：57.4%–70.7%）。

從技術(shù)細(xì)節(jié)來看，陰道鏡作為宮頸癌篩查中的關(guān)鍵分流工具，其核心價值在于將HPV初篩陽性的高危人群進(jìn)一步細(xì)分，以確定哪些患者需要進(jìn)行活檢或治療。上述數(shù)據(jù)表明，盡管陰道鏡是目前的臨床標(biāo)準(zhǔn)，但其對別病變的識別并非，仍存在約13%-15%的漏診風(fēng)險（即靈敏度未達(dá)），同時有超過三分之一的非高?；颊呖赡鼙诲e誤標(biāo)記為需要進(jìn)一步干預(yù)（特異度不足70%）。這種性能瓶頸正是當(dāng)前醫(yī)療技術(shù)尋求突破的主要動力。Marc Arbyn作為該研究的主導(dǎo)者，強調(diào)了這些數(shù)據(jù)在設(shè)定新工具基準(zhǔn)方面的重要性。

這一研究成果對正在開發(fā)用于HPV陽性女性分流的AI工具具有直接的指導(dǎo)意義。IARC及WHO內(nèi)部也在研發(fā)相關(guān)的AI輔助診斷系統(tǒng)，而此次發(fā)布的陰道鏡性能數(shù)據(jù)實際上構(gòu)成了這些新工具的“天花板”或參照系。如果新的AI算法旨在替代或輔助醫(yī)生進(jìn)行分流決策，其靈敏度必須至少達(dá)到84.4%以上，特異度需優(yōu)于64.3%，才能在臨床應(yīng)用中證明其非劣效性或優(yōu)越性。對于醫(yī)療器械制造商而言，這意味著在研發(fā)和驗證階段，必須將陰道鏡的臨床表現(xiàn)作為核心對標(biāo)參數(shù)，任何聲稱“超越傳統(tǒng)診斷”的AI產(chǎn)品都需要提供嚴(yán)謹(jǐn)?shù)念^對頭比較數(shù)據(jù)。

從產(chǎn)業(yè)鏈和應(yīng)用場景來看，宮頸癌篩查市場正經(jīng)歷從單純檢測向精準(zhǔn)分流轉(zhuǎn)變的過程。HPV核酸檢測的高靈敏度導(dǎo)致了大量的假陽性或一過性感染人群被納入后續(xù)流程，給醫(yī)療資源帶來巨大壓力。陰道鏡作為第二道防線，其效率直接決定了醫(yī)療系統(tǒng)的負(fù)擔(dān)。隨著AI技術(shù)的介入，行業(yè)關(guān)注點已從“能否發(fā)現(xiàn)病毒”轉(zhuǎn)向“能否準(zhǔn)確判斷病變風(fēng)險”。中國及全球其他地區(qū)的醫(yī)療設(shè)備供應(yīng)商、軟件開發(fā)商及醫(yī)院部門需密切關(guān)注此類基準(zhǔn)數(shù)據(jù)的變化，因為這可能影響未來的技術(shù)參數(shù)設(shè)定和臨床路徑的優(yōu)化。

該案例揭示了一個具體的行業(yè)關(guān)注點：在引入新技術(shù)替代或輔助傳統(tǒng)診斷流程時，必須建立基于高質(zhì)量循證醫(yī)學(xué)數(shù)據(jù)的性能評估體系。對于中國從業(yè)者而言，在參與國際項目或引進(jìn)海外AI診斷方案時，應(yīng)重點審查其訓(xùn)練數(shù)據(jù)是否涵蓋了類似IARC研究中的多中心、大樣本特征，以及其算法是否在靈敏度與特異度之間取得了符合臨床實際的平衡，避免因過度追求單一指標(biāo)而導(dǎo)致誤診率上升或醫(yī)療資源浪費。