相信广大读者对HPV疫苗并不陌生。这种预防宫颈癌的疫苗在国内一经推出就十分火爆，想预约接种更是难上加难。然而，在那些HPV疫苗并不普及，或者医疗技术不太发达的地区，又有什么好方法可以减少宫颈癌带来的威胁呢？
近日，来自美国国立卫生研究院（NIH）的研究人员开发出了一种计算机算法，通过分析子宫颈的数字图像，来对宫颈癌进行识别和诊断。这种算法被称为自动视觉评估，有望在医疗资源匮乏的环境中，彻底颠覆宫颈癌筛查流程。
在医疗环境匮乏的地区，宫颈癌是妇女死亡的主要原因之一。在这些地区通常会使用醋酸来对子宫颈健康状况进行检查。在检查过程中，医生会将稀释的醋酸涂在宫颈口，如果出现白色斑点，就表明了该名患者的宫颈可能出现了病变。这种检查宫颈癌的方法称为VIA筛查。由于其实施起来非常方便，且所需成本很低，VIA筛查在一些医疗技术相对落后的地区应用得更加普遍。但是，这种方法的准确性较低，改进空间也比较大。
针对这一情况，研究人员开始使用综合数据集来训练机器学习算法，从而识别医学图像等复杂视觉输入模式。为此，研究团队使用了来自美国国家癌症研究所（NCI）的超过6万张宫颈图像作为研究数据。这些图像是在上世纪 90 年代哥斯达黎加进行的一项宫颈癌筛查研究期间收集的，共有9400多名妇女参与了这项人口研究，随访时间长达 18 年。研究人员将这些照片数字化，并用来对算法进行训练。
结果显示，在使用上述数据进行训练后，算法在预测宫颈癌方面的表现优于所有标准筛查试验。在使用自动视觉评估算法筛查宫颈癌前期病变时，其准确率达到了91%，这一数值高于人类专家评估（69%）和常规细胞学检查（71%）这两种方式。
这种新型筛查方式非常易于执行。只需要拥有手机或者类似的摄像设备，医生就可以在患者前来就诊时完成宫颈筛查工作。此外，这种方法只需经过简易培训就可以掌握，使其成为了医疗资源有限国家和地区的理想选择。
研究人员计划使用来自世界各地的女性宫颈癌前病变和正常宫颈组织的代表性图像样本，以及不同种类的摄像头和其它成像手段，来对算法进行进一步训练，最终目的是创建一个更加通用和开放的最佳算法。
研究人员表示，如果将这种算法与HPV疫苗、新型宫颈癌检测技术和不断改进的治疗手段相结合，即使是在医疗资源匮乏的情况下，宫颈癌也可以得到有效的控制。
