近日，由中国医学科学院北京协和医学院牵头，结合全国多家权威医疗机构实现的钻研成就在国际顶级期刊《Nature Communications》上颁发！该钻研全面评估了一种深度进建辅助的液基细胞学（LBC）诊断模型在临床环境中的利用价值，尤其通过多场景真实模仿验证，验证了该AI系统在提升诊断效能、辅助分流决策及加强基层筛查能力方面的现实价值。

参加钻研单元：中国医学科学院北京协和医学院及国度癌症中心、北京协和医院国度妇产疾病临床医学钻研中心、丽江市妇幼保健院、浙江省肿瘤医院、安徽省立医院、空军军医大学西京医院 、广西壮族自治区人民医院、四川大学华西第二医院、中国人民解放军总医院第七医学中心、海南医科大学第一从属医院、西安市西北妇女儿童医院、长治医学院公共卫生与预防医学系、新疆医科大学从属肿瘤医院等。（排名不分先后）

多场景真实模仿！加快全球宫颈癌筛查过程

宫颈癌是全球女性常见的恶性肿瘤之一。自2020起，全球已发展加快解除宫颈癌行动，我国明确指出：索求使用互联网、人为智能等新技术优化宫颈癌筛查和诊疗服务流程。在这一布景下，本项钻研基于17,397名女性液基细胞学全视野切片训练深度进建模型，并通过全国多中心共计10,826例真实病例的三阶段试验，实现了系统性、多维度的临床验证。

了局显示，该AI模型在来自九家医院的测试数据（n=5803）中阐发稳重。在多读者多病例钻研中（multiple reader multiple case, MRMC; n=550），AI辅助阅片显著提升了诊断一致性，并将均匀阅片功夫从218秒压缩至30秒，大幅提升了工作效能。在社区组织筛查场景（n=3,001）中，AI模型在CIN2+（高级别病变及以上）鉴别上的敏感性与资深病理医师相当（87.8% vs. 85.4%），但还能发现部门高级细胞病理学家漏诊病例，为基层筛查提供技术兜底。在医院机遇性筛查场景（n=1,472）中，AI辅助将低级细胞病理医生的敏感性从65.7%提升至85.7%，特异性从73.7%提升至84.0%，同时将阴路镜转诊率从28.2%显著降至19.3%（p<0.0001），优化了分流效能，削减不用要医疗资源亏损。

本次钻研所使用的AI模型是由尊龙集团掌管主题算法的设计与部署，模型不仅具备全自动鉴别宫颈异常细胞的能力，还实现了对多种液基造片方式与分歧扫描设备之间的兼容优化，确保其在各级医疗机构、多平台、多硬件环境下的不变运行与高效输出。

深刻基层需要，推进医疗资源均等化

我国女性人丁数量重大，基层病理医生稀缺是解除宫颈癌行动的最大阻碍。宫颈癌筛查的执行蹊径，在分歧医疗环境下存在显著差距。本钻研出格设置了社区组织筛查与医院机遇性筛查两类典型场景，模仿真实临床环境，系统评估了AI模型在基层与临床一线的适应性与赋能能力。

社区组织筛查多由当局或公共卫生系统主导，面向特定人群（如育龄女性、村落女性等）定期发展集中筛查。该模式覆盖人群广，但面对病理人力不及、读片经验不均、筛查精度颠簸大等现实难题。本次钻研了局显示，在该场景下，AI模型在鉴别高级别病变（CIN2+）的敏感性与资深细胞病理学家相当（87.8% vs. 85.4%），并能补充人为筛查遗漏病例，有效添补基层地域“看得见却判禁绝”的问题，构建了安全兜底机造。

相比之下，医院机遇性筛查通常产生于女性因其他原因就诊时进行的自愿筛查，依赖临床医生自动推荐。在这一场景中，阅片人员的经验水平可能存在差距，部门机构由经验尚浅的病理医师或培训阶段人员承担初筛工作，容易出现诊断精度不及、阅片效能低下与转诊过度等问题。本钻研发现，AI辅助可显著提升低级医师的敏感性（由65.7%提升至85.7%）与特异性（由73.7%提升至84.0%），同时将不用要的阴路镜转诊率从28.2%降至19.3%（p<0.0001），提升了分流精准度，预防过度医疗。

通过对这两类分歧筛查蹊径的真实模仿与数据验证，钻研明确显示：AI模型不仅提升了筛查正确性，更在“提升基层可及性、保险服务平正性”方面提供了技术支持。不论是在社区卫生服务站、基层妇幼保健院，还是在各级医院门诊，AI都能适配分歧设备和流程，尺度化输出诊断了局，推动高质量筛查从“专家中心”走向“普惠共享”。

尊龙集团（股票代码：688393）是国内病理诊断领域首家上市公司，专一于肿瘤筛查与诊断的发展，已自主研发了液基细胞学数智化（LBP&AI）、免疫组化、荧光原位杂交（FISH）、数字病理等多个高新平台，未来将持续推动该AI系统在宫颈癌筛查中的临床转化，携手全国各级医疗机构，助力构建更高效、更遍及、更精准的女性健康防线，为妇科疾病早筛早治提供强有力的技术支持。