{"id":"510985","toptitle":"","toptitle_color":"","title":"让人工智能读懂细胞“语言”","title_color":"","subtitle":"","subtitle_color":"","crtime":"2026-05-19 08:49:36","condition":"来源：健康报","thumb": ""}
我国子宫内膜癌发病率逐年上升，且有年轻化趋势。早期诊断是提升患者生存率、改善预后的关键。然而，传统的子宫内膜细胞学病理诊断，长期面临着取样难、诊断难、病理科医生缺乏等“卡脖子”问题，限制了基层高危人群筛查工作的普及与诊断效率的提升。
西安交通大学第一附属医院妇产科李奇灵主任医师牵头研发了子宫内膜细胞学人工智能多分类识别辅助诊断系统，为提升我国子宫内膜癌早诊早治水平、推动优质医疗资源下沉提供了新的解决方案。该系统于今年初入选由工业和信息化部与国家药品监督管理局联合发布的“2025年度人工智能医疗器械创新任务揭榜挂帅项目”。图为李奇灵（右一）带领团队分析人工智能系统中的子宫内膜癌图片报告（医院供图）。
细胞学诊断面临精准之困
在子宫内膜病变临床诊断中，细胞学检查具有组织活检无法替代的显著优势。该检查操作创伤小、取样便捷，尤其适用于大规模人群筛查、高危人群随访以及不宜进行组织活检的患者。正是这些特点，使细胞学检查成为子宫内膜癌早诊早治体系中不可或缺的一环。
与组织活检依赖组织结构判断不同，细胞学诊断完全建立在对单个细胞或细胞团的形态特征分析之上。病理医生需要在数以万计的细胞中，凭借细胞核大小、核浆比例、染色质分布、核膜形态等细微特征，精准识别出异常细胞。这一过程对医生的专业经验提出了极高要求。而目前，全国病理科医生缺口高达数万人，具备妇科细胞学诊断能力的病理科医生更是稀缺，导致细胞学检查的临床价值远未得到充分发挥。
李奇灵表示，子宫内膜癌筛查迫在眉睫，但现实情况是，子宫内膜细胞学筛查存在取样难、诊断难、病理科医生缺乏三大痛点，无法大规模开展。正是这种“微创便捷”与“精准诊断”之间的鸿沟，催生了将人工智能技术引入细胞学诊断的迫切需求。
人工智能成破局关键
基于上述临床痛点，李奇灵团队联合了妇科肿瘤、细胞病理、人工智能等多学科力量，开启了医工交叉创新探索，历经多年攻关，成功研发子宫内膜细胞学人工智能多分类识别辅助诊断系统。
该系统在技术上实现了三大核心突破，构建了从样本处理到出具报告的全流程智能化闭环。
一是构建了大规模、高精度的子宫内膜细胞学图像数据库。
细胞学诊断的智能化，首先需要算法读懂细胞的“语言”。为此，团队依托长期积累的临床病例资源，建立了国内领先的子宫内膜细胞学图像数据库。该数据库收录了涵盖正常子宫内膜细胞、良性改变、非典型增生、子宫内膜癌等在内的数十万张高分辨率细胞学图像，每张图像均由多名资深细胞病理学专家进行多轮交叉标注，确保数据的准确性。这一大规模、高质量的数据库，为后续深度学习模型的训练奠定了基础。
二是研发了针对细胞学特点的多分类识别深度学习模型。
细胞学图像具有细胞数量大、背景复杂、形态变异多等特点，对算法的识别能力提出了更高要求。区别于传统仅区分“良恶性”的二分法模型，该系统创新性地研发了针对细胞学图像特点的多分类识别深度学习模型。模型通过引入注意力机制与多任务学习框架，能够自动聚焦细胞核、细胞团等关键区域，精准提取核浆比、染色质分布、核膜形态等数十项细胞形态学量化特征，最终实现对子宫内膜细胞的“多分类”精准识别。
这一设计不仅能够辅助医生快速筛查出可疑的恶性肿瘤细胞，还能对非典型增生等癌前病变进行有效提示，为临床决策提供了更全面、客观的信息支持。
三是实现了“人机协同”的智能化阅片工作流。
针对细胞学诊断“寻找目标细胞难”的特点，该系统创新性地将人工智能技术与全视野数字切片扫描技术深度融合。医生在阅片时，智能系统以“第二阅片者”的身份同步对全片进行分析，自动将最可疑的视野区域进行智能标记和排序，将医生从海量的“寻找”工作中解放出来，使其能够将更多精力集中于“判断”环节。系统同时生成结构化的辅助诊断报告，提供量化特征参数作为参考，从而显著缩短阅片时间，并有效降低因视觉疲劳或注意力分散导致的漏诊风险。
提升细胞学检查服务可及性
李奇灵认为，医疗创新从临床需求中来，也应回归到临床应用中去。该项目此次入选，无疑为后续的临床转化与市场应用按下了“加速键”。目前，团队正按照国家药品监督管理局的指导原则，加速推进产品的医疗器械注册检验与临床试验工作，力争早日取得注册证，实现产品的合规上市。
“该系统的研发与应用，不仅是人工智能在细胞病理学领域的一次重要突破，也是充分发挥细胞学检查独特优势、助力破解优质医疗资源分布不均问题的有效探索。它将让优质细胞学检查服务的可及性进一步提高，为守护广大女性的生命健康提供重要工具。”李奇灵强调。
编后
守正创新 成为人工智能“驭剑者”
李奇灵团队研发的人工智能多分类识别辅助诊断系统，对于正面临挑战的子宫内膜细胞学病理诊断来说，无疑是一场及时的技术甘霖。这一创新成果精准击中了子宫内膜癌高危人群筛查难的痛点，通过构建大规模高精度图像数据库与多分类识别深度学习模型，成功打造了从样本处理到出具报告的全流程智能化闭环，让优质医疗资源的普惠化成为可能。
对于长期处于高负荷运转下的病理科医生，人工智能多分类识别辅助诊断系统的研发成功，相当于为医生配备了一个不知疲倦、眼力极佳的“超级助手”。它将医生从海量且重复的“寻找”工作中解放出来，使其能将宝贵的精力集中于“判断”和“终审”环节，有效降低了因视觉疲劳导致的漏诊风险，切实减轻了病理科医生的职业压力。
然而，在为技术突破喝彩的同时，我们也必须保持清醒的头脑。人工智能在医疗领域的应用，核心定位永远是“辅助”而非“主角”。真正的细胞学诊断，不仅仅是简单的“找病灶”，而是结合患者病史、临床症状、化验结果及既往检查的综合逻辑推理。人工智能虽然能敏锐捕捉图像中的细微变化，但它无法完全理解人类生命的复杂与个体差异；算法可以提供概率，却无法替代医生基于临床经验与人文关怀提供的综合诊疗服务。
在日常实践中，医生应将人工智能视为开展临床工作的工具和助手，而非“替身”。特别是年轻医生正处于锻炼临床技能、训练诊断思维的关键期，既要学会使用人工智能这把“利剑”，又要持续苦练“内功”，成为人工智能“驭剑者”。