Patient-level multimodal fusion of colposcopy image representations and clinical features for LSIL-or-above cervical lesion risk stratification: an internal validation study
这项内部验证研究表明，一种整合了临床特征、阴道镜图像表征以及中医证型的患者层面多模态融合模型，在 LSIL 或以上宫颈病变的风险分层方面优于仅基于图像的基准模型，尽管其性能主要由临床背景驱动，而中医证型提供的辅助价值有限。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
预防宫颈癌依赖于一种微妙的平衡：医生必须识别出需要立即关注的女性，同时避免对那些仅患有暂时性、无害性感染的女性进行不必要的处置。标准的检测工具是阴道镜，这是一种专门的显微镜，能让临床医生详细观察子宫颈。然而，解读通过镜片看到的内容并非简单的视觉任务；它在很大程度上取决于图像质量、病变的可见度，以及至关重要的——患者病史。多年来，研究人员一直试图构建能够仅通过阅读这些图像的计算机程序，希望实现对危险细胞变化的自动化检测。然而，医学界日益深入的理解表明，仅观察图片的机器可能会忽略人类医生在做出安全决策时所使用的背景信息。问题已从“计算机能否看到病变”转向了“计算机能否理解整个临床图景”，即将视觉数据与患者的病史及特定的健康模式相结合，以做出更可靠的预测。
来自澳门和广州的一个研究团队致力于测试这一理念，他们构建了一个模拟这种整体化方法的系统。他们收集了在一家大型医院接受阴道镜检查的356名患者的数据。对于每位患者，团队收集了三种截然不同的信息类型：检查过程中拍摄的原始图像、患者详细的临床记录（如年龄、怀孕史和以往病毒检测结果），以及一种被称为“证候”的特定结构化医学文本。在中医学中，“证候”描述了基于观察（如舌色和脉象）得出的患者整体证型，在此处被记录为结构化文本。研究人员希望观察，将这三种数据流输入同一个计算机模型，是否能帮助它更好地区分低风险的暂时性感染与低级别或高级别癌前病变（这是决定是否需要治疗的关键阈值）的女性。
研究人员首先将患者分为训练组和测试组，以确保用于教导系统的模型数据与用于评判它的数据绝不相同。他们构建了一个能够处理临床笔记、证候文本描述以及从阴道镜图像中提取的视觉特征的模型。当他们用一组包含51名患者的留存样本测试这个组合系统时，该系统成功地以极高的准确度识别了癌前病变的风险。系统正确标记了87.5%患有病变的女性，同时也正确识别了80%未患病变的女性。最重要的是，当系统判定患者为低风险时，其准确率达到了93.3%，为排除即刻进行侵入性处置的需求提供了强大的安全保障。
为了理解是什么驱动了这些结果，团队进行了一系列仔细的检查，本质上是要求计算机一次只利用一种类型的信息来解决问题。他们发现，临床病史为预测提供了最坚实的基础；仅使用患者医疗记录的模型本身表现就非常出色。图像则增加了显著的价值层，提升了系统识别医疗记录可能遗漏的特定疾病视觉征象的能力。然而，中医文本的贡献则较为微妙。虽然系统在包含该文本后表现略有提升，但提升幅度较小，这表明该文本提供了一些额外的线索，但并非诊断的主要驱动力。研究还针对数据可能存在的“泄露”情况，以及在更严格、更真实的图像处理方式下对系统进行了严格测试，确认了即使在这些更严苛的条件下，系统的性能依然保持稳健。
研究结论指出，将视觉数据与患者完整的临床背景相结合，比单纯观察图像能创造出更可靠的风险评估工具。该计算机模型并非取代医生的判断，而是展示了机器如何学习将患者病史的重要性与所见之物进行权衡。研究人员指出，尽管该系统展现出了前景，但它是基于单一医院的数据进行训练和测试的，且作为“标准答案”的医疗记录是基于常规临床笔记而非独立的、盲法的实验室检测。这意味着该系统目前是一个强大的内部工具，展示了不同信息是如何相互契合的，但在用于指导现实世界的患者护理之前，还需要在不同医院进行进一步测试，并经过更严格的验证。这项工作清晰地证明了，在复杂的医学诊断领域，最准确的图景往往来自于视觉与背景信息的结合，而非依赖单一的信息来源。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。