亮点抢先看
1. jdb电子游戏平台宫颈细胞AI（LBP-PIAS）相关多篇论文在国际权威学术平台《现代病理学》发表，课题为：《Improving the Accuracy and Efficiency of Abnormal Cervical Squamous Cell Detection with Cytologist-in-the-Loop Artificial Intelligence》；
2. 本次研究是由北京协和医学院群医学及公共卫生学院牵头，解放军总医院第七医学中心、安徽省立医院、浙江省肿瘤医院、西京医院、四川大学华西第二医院、海南医学院第一附属医院、广西壮族自治区人民医院、深圳市妇幼保健院、西北妇女儿童医院（按名称排序）九大权威中心联合参与LBP-PIAS的临床评价与性能测试；
3. jdb电子游戏平台宫颈细胞AI（LBP-PIAS）在训练数据量、独立评估特异度及灵敏度、排阴率等均达到国际一流水平；
4. 在真实筛查工作中，LBP-PIAS其作用主要体现在：一是，帮助低年资细胞病理医生提升诊断的准确率，减少漏诊；二是，协助高年资细胞病理医生提高诊断效率，大大减少阅片时间；三是，面对中国基层病理医生严重缺乏的情况，可实现“基层制片-扫描上传-AI初筛-远程医生复核”的模式。
宫颈癌是全球高发癌症病种之一，也是目前唯一一种病因明确的妇科肿瘤。世界卫生组织全球加速消除宫颈癌行动计划中，设立了“90（疫苗）-70（筛查）-90（治疗）”的目标，其中70（筛查）是目标达成的关键。
截止于2021年末统计，我国女性人口约6.9亿人。面对如此庞大筛查人口，与全球细胞病理医生严重缺乏这一现象，我国十部门共同印发关于《加速消除宫颈癌行动计划（2023-2030）》中明确指出：探索运用互联网、人工智能等新技术优化宫颈癌筛查和诊疗服务流程。
近期，由北京协和医学院群医学及公共卫生学院团队牵头，联合多个国内医疗中心与jdb电子游戏平台共同合作的宫颈液基细胞学图像辅助诊断软件（LBP-PIAS）在国际上亮相，其论文在国际权威期刊《现代病理学》发表，这意味着：国际权威组织对中国学者、中国技术的高度认可，中国人工智能技术即将助力加速消除宫颈癌全球战略。
jdb电子游戏平台LBP-PIAS有效提高医生诊断效率和准确性
现代病理学杂志（Modern Pathology）创刊于2000年，影响因子为8.209，是学术水平高，可读性强、具有全球影响力的国际一流学术期刊，本次发表论文中提及：jdb电子游戏平台LBP-PIAS研究基于宫颈液基细胞学制片技术，进行数字切片扫描上传，通过细胞学人工智能多重算法验证进行排阴，筛查出20个图像视野，并出示相关辅助诊断建议报告，再由医生进行复诊出诊断报告，为病理医生节省肉眼查找时间，提高诊断效率和准确性。
凝聚中国智慧，jdb电子游戏平台LBP-PIAS加速应用落地进程
自2019年起，由北京协和医学院群医学及公共卫生学院牵头，联合多个医疗中心及病理专家、高新科技企业三方在jdb电子游戏平台LBP-PIAS项目进行了产学研方面紧密合作，从系统算法、基础构建、性能测试、临床试验等多个层面，专家们对接国际标准，结合国内实际情况，进行了一次又一次严谨规划和测算。
历经三年的默默耕耘，坚持不懈的持续创新。2023年4月，北京协和医学院群医学及公共卫生学院再牵头，联合北京协和医院（组长单位）、中国医学科学院肿瘤医院、安徽省立医院、浙江省肿瘤医院、深圳市妇幼保健院、广州jdb电子游戏平台医药科技股份有限公司共同发起的“宫颈液基细胞学图像辅助诊断软件临床试验”研究者会议，为下一个阶段制定前瞻性临床试验方案，推动宫颈细胞学AI三类证注册申报，加速人工智能技术在宫颈癌筛查中的应用落地。
相关研究成果
1.本次研究数据情况：共3514例病例，其中3335例经专家确认为阴性，179例经专家证实为阳性，其中ASC-US 105例，LSIL 45例，ASC-H 18例，HSIL 11例。整个数据组阳性率为5.09%；
2. 本研究为国内首个基于真实世界、多中心的研究，在全国9家中心进行临床性能验证，评估人工智能系统在多种复杂染色模式环境条件下的可靠性及通用性。独立人工智能系统的总体AUC为0.779（95%CI：0.750-0.809），灵敏度为0.894（95%CI：0.849-0.939），特异性为0.664（95%CI：0.648-0.680）；假阴性中大多数（94.7%）是ASC-US病例；
3. 与之前的研究不同，基于8000多例患者，超过300,000张图像，我们开发了一套宫颈鳞状细胞检测和多实例学习（MIL）的两阶段AI细胞学筛查系统，首次提出最低风险评分（CITL-AI）。当人工智能系统检测到宫颈鳞状细胞畸形时，细胞学医师会收到潜在异常的警告，以确保细胞学切片的安全分类。系统对1,319张切片进行了分类验证，没有遗漏任何异常的鳞状病例；
4. 与细胞学医师相比，独立CITL-AI方法总体敏感性从53.1%提高到81.6%（p<0.001）；特异性从66.2%提高到78.9%（p<0.001），在人工智能系统的辅助下，可以提高细胞学医师识别异常细胞的能力；
5.在保持较高准确性的同时，CITL-AI方法减轻了细胞学医师的工作负担，阅片工作量大幅减少了37.5%。
