中澳传染病联合研究中心张磊教授团队发表在Intelligent Oncology上的系统综述与荟萃分析对AI辅助诊断工具在HPV相关宫颈癌和肛门癌及其癌前病变中的应用性能进行了全面评估。这项涵盖了25项研究的分析发现，AI在识别高级别鳞状上皮内病变（HSIL）和癌变方面，展现出了接近甚至比肩人类专家的诊断能力。

核心发现

AI诊断性能卓越

1、宫颈癌诊断：精准识别癌前病变

在区分CIN2+/HSIL+（即宫颈上皮内瘤变2级或以上/高级别病变）与<CIN2/LSIL-（低级别病变或正常）的关键任务中，AI辅助诊断工具的综合表现良好：

灵敏度（Sensitivity）：0.87 (0.81–0.93)，意味着100个真实病变中，AI能成功找出87个，有效降低漏诊风险；

特异性（Specificity）：0.85 (0.81–0.89)，意味着100个健康或低风险个体中，AI能正确识别85个，有助于避免不必要的活检与过度治疗；

综合诊断能力（AUC）：0.94 (0.91–0.96)，这个接近1的数值，表明AI模型的整体分类判别能力非常强大。

2、肛门癌诊断：表现同样出色

尽管相关研究数量较少，但AI在肛门癌筛查中展现出了同等甚至更优的潜力。在区分AIN2+/HSIL与<AIN2/LSIL时：

灵敏度（Sensitivity）：0.94 (0.87–0.99)；

特异性（Specificity）：0.88 (0.71–0.98)；

综合诊断能力（AUC）：0.97 (0.95–0.98)，表现出极高的判别准确性。

关键问题

AI如何成为医生的“火眼金睛”？

AI在筛查中的角色远不止于“识别图像”，它正深度融入诊断流程：

精准定位与分类：基于深度学习模型（如CNN），AI能够在海量的阴道镜或肛门镜图像中，自动识别出潜在的癌前病变区域，并为医生提供客观的严重程度评估参考。这相当于为医生配备了一个永不疲倦的“第二双眼”，提升了诊断的一致性和效率。

赋能基层与远程医疗：将AI软件与便携式成像设备结合，形成了“移动健康（mHealth）”筛查模式。这使得在缺乏资深专家的基层诊所或偏远地区，也能开展高质量的宫颈癌筛查，极大地提升了筛查的可及性，让更多女性受益。

多模态信息融合决策：最前沿的AI模型已不满足于分析单一图像。例如，多模态融合CNN 等技术，能够同时分析阴道镜图像、HPV检测结果和患者基本信息，通过交叉验证，综合提升诊断的精准度，模拟资深专家的综合判断过程。

挑战与未来之路

尽管前景光明，但AI诊断工具要广泛应用于临床，仍需跨越几道关键障碍：

数据质量与普适性：当前研究多基于特定机构的回顾性数据，AI模型在更广泛、多样化的人群中的表现（外部验证）尚待更多证实。

模型透明化与信任：许多深度学习模型如同“黑箱”，其决策过程难以解释。发展可解释性AI，让医生理解AI的“思考逻辑”，是建立临床信任的关键。

算法公平性与伦理：必须确保AI模型对所有人群（不同种族、地域、经济状况）都公平准确，避免加剧现有的医疗不平等。

法规与临床整合：医疗AI的监管审批路径、责任认定以及如何无缝集成到现有临床工作流中，都是需要解决的系统性问题。

总结与展望

这项系统综述有力地证明，AI辅助诊断工具在识别宫颈和肛门的癌前病变及早期癌症方面，已经具备了高度精确的诊断能力。

未来，随着技术不断成熟与临床障碍的逐步清除，AI有望成为医生手中强大的辅助工具，共同推动全球癌症筛查走向更精准、更高效、更普惠的未来，为更多人的生命健康保驾护航。